Phân lớp dữ liệu sử dụng logic mờ

Đ ĐẠI HỌC THÁI NGUYÊN TRƯỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG TIN VÀ TRUYỀN THÔNG PHẠM MẠNH HÙNG PHÂN LỚP D LIU S DNG LOGIC M Luận văn thạc Sĩ KHOA HỌC MÁY TÍNH Mẫu Trang phụ bìa luận văn (title page) THÁI NGUYÊN - 2012 Số hóa Trung tõm Hc liu i hc Thỏi NguyờnThái Nguyên Tai ngay!!! Ban co the xoa dong chu nay!!! 2012 http://www.lrc-tnu.edu.vn ĐẠI HỌC THÁI NGUYÊN TRƯỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG TIN VÀ TRUYỀN THÔNG PHẠM MẠNH HÙNG PHÂN LỚP D LIU S DNG LOGIC M Chuyên ngành: Khoa hc mỏy tớnh MÃ số: 60 48 01 Luận văn thạc SÜ KHOA HỌC MÁY TÍNH Ng-êi h-íng dÉn khoa häc: TS VŨ MẠNH XUÂN THÁI NGUYÊN - 2012 Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn i LỜI CAM ĐOAN Tôi xin cam đoan toàn nội dung luận văn hoàn toàn theo nội dung đề cƣơng đăng ký nội dung phần trích lục tài liệu hồn tồn xác Nếu có sai sót tơi xin hoàn toàn chịu trách nhiệm Ngƣời viết Phạm Mạnh Hùng Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn ii MỤC LỤC LỜI CAM ĐOAN i DANH MỤC CÁC HÌNH v DANH MỤC CÁC BẢNG vi MỞ ĐẦU .1 CHƢƠNG 1: TỔNG QUAN VỀ PHÂN LỚP DỮ LIỆU 1.1 Khái quát phân lớp liệu 1.1.1 Các bƣớc tiến hành phân lớp liệu 1.1.2 Chuẩn bị liệu 1.1.3 Làm liệu 1.1.4 Phân tích liệu 1.1.5 Chuyển đổi liệu .7 1.1.6 So sánh mơ hình phân lớp 1.2 Phân lớp liệu với kỹ thuật định 1.2.1 Khái niệm định 1.2.2 Giải thuật 1.2.3 Rút luật phân lớp từ định 10 1.2.4 Ƣu điểm hạn chế định 11 1.3 Phân lớp liệu với kỹ thuật mạng Bayes .12 1.3.1 Định lý Bayes 12 1.3.2 Phân loại Bayes ngây thơ (Bayes đơn giản) .12 1.4 Phân lớp liệu với kỹ thuật mạng nơ-ron 13 1.4.1 Cơ sở mạng nơ-ron 13 1.4.2 Cấu trúc mơ hình mạng nơ-ron 14 1.4.3 Dạng toán học tổng liên kết .15 1.4.4 Dạng hàm a(f) - Hàm hoạt tính phi tuyến .15 1.5 Phân lớp liệu Fuzzy C- MEANS (FCM) 17 1.6 Phân lớp liệu WEKA 19 1.6.1 Giới thiệu chung .19 1.6.2 Ứng dụng phần mềm Weka 3.7.5 vào toán phân lớp liệu điểm học sinh 21 Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn iii 1.7 Kết luận chƣơng 23 CHƢƠNG 2: PHÂN LỚP DỮ LIỆU SỬ DỤNG LOGIC MỜ 24 2.1 Tập mờ: 24 2.1.1 Lý thuyết tập mờ 24 2.1.2 Khái niệm tập mờ .25 2.1.3 Một số định nghĩa 27 2.1.4 Các phép toán tập mờ 29 2.2 Quan hệ mờ 31 2.2.1 Khái niệm chung 31 2.2.3 Các phép hợp thành mờ 38 2.3 Suy diễn mờ 39 2.3.1 Phép suy diễn: “if P then Q” 39 2.3.2 Phép suy diễn “if P then Q else Q1” 40 2.4 Logic mờ .40 2.4.1 Mở đầu 40 2.4.2 Biến ngôn ngữ mệnh đề mờ .41 2.4.3 Các phép kết nối .43 2.5 Phân lớp liệu dựa quan hệ mờ 45 2.5.1 Cơ sở lí thuyết 45 2.5.2 Phân hoạch đối tƣợng mờ toán thực tế 45 2.5.3 Quan hệ mờ phân lớp liệu 46 CHƢƠNG 3: CÀI ĐẶT THỬ NGHIỆM 50 3.1 Khái niệm chung toán phân lớp 50 3.2 Bài toán minh họa phân lớp đối tƣợng mờ 51 3.2.1 Phát biểu toán .51 3.2.2 Thuật toán 51 3.3 Thử nghiệm toán ứng dụng phân lớp logic mờ 52 3.4 Kết thử nghiệm .55 KẾT LUẬN VÀ KIẾN NGHỊ 61 TÀI LIỆU THAM KHẢO 63 Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn iv DANH MỤC CÁC KÍ HIỆU VÀ CHỮ VIẾT TẮT  Phép hội  Phép tuyến  Lƣợng từ với  Phép giao  Phép hợp  Phép kéo theo  Tập rỗng  Phép thuộc  Lƣợng từ tồn  Phép tƣơng đƣơng ┐ Phép phủ định  Chứa × Tích đề CSDL Cơ sở liệu Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn v DANH MỤC CÁC HÌNH Hình 1.1: Q trình phân lớp liệu bƣớc xây dựng mơ hình phân lớp Hình 1.2: Quá trình phân lớp liệu - ƣớc lƣợng độ xác mơ hình .6 Hình 1.3: Quá trình phân lớp liệu - phân lớp liệu Hình 1.4: Cây định mua máy tính sinh viên 10 Hình1.5: Minh hoạ nơ- ron 14 Hình1.6: Sự liên kết hai nơ-ron 15 Hình1.7: Giao diện ban đầu phần mềm WEKA 19 Hình 2.1: Khái niệm tập mờ 28 Hình2.2: Các tập mờ biểu diễn giá trị ngơn ngữ: “Chậm”, “Trung bình" “Nhanh”.42 Hình 2.3: Tập mờ “tuổi trẻ” .43 Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn vi DANH MỤC CÁC BẢNG Bảng 1.1: Bảng mua máy tính sinh viên Hình 1.3: Hình minh họa đổi XLS sang CSV (comma delimited) 21 Bảng 1.4: Bảng liệu đầu vào để phân lớp WEKA 22 Bảng1.3: Bảng phân lớp trƣờng liệu WEKA 22 Bảng 3.1: Bảng điểm học sinh 53 Bảng 3.2: Ma trận khoảng cách Hamming .55 Bảng 3.3: Ma trận phân lớp Hamming 57 Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn MỞ ĐẦU Phân lớp liệu toán thƣờng gặp đời sống hàng ngày Chẳng hạn ngƣời ta phân loại học lực sinh viên dựa vào điểm trung bình học kỳ phân chia theo vùng lãnh thổ, phân loại bệnh tật thƣờng gặp, cách phân loại nhƣ xuất phát từ việc xác định quan hệ tƣơng đƣơng tập đối tƣợng xét Tuy nhiên phân lớp thông qua quan hệ tƣơng đƣơng thông thƣờng thuận tiện, dễ lập trình, song thiếu mềm dẻo đơi không phản ánh thực chất đối tƣợng Chẳng hạn sinh viên có điểm trung bình 6,9 đƣợc xếp loại trung bình, đồng hạng với ngƣời có điểm 5,0; song ngƣời có điểm trung bình 7,0 lại xếp hạng khá! Tƣơng tự nhƣ vậy, đời sống ngƣời ta phân loại cách “tƣơng đối” chẳng hạn nhƣ “những ngƣời cao” Logic mờ đƣợc đời phát triển dựa lý thuyết tập mờ giúp cho tin học có nhìn gần với thực tiễn hơn, công cụ logic mờ cho phép xử lý thơng tin khơng đầy đủ, khơng xác, chẳng hạn việc tìm hai đối tƣợng “giống nhau” khơng phải “bằng nhau” nhƣ với cách tìm kiếm thơng thƣờng Nhằm tìm hiểu kỹ logic mờ ứng dụng toán phân lớp liệu, giúp cho việc phân lớp mềm dẻo hơn, gần với đời thƣờng hơn, lựa chọn đề tài “Phân lớp dƣ̃ liệu sử dụng logic mờ” làm đề tài luận văn Mục đích đề tài: Mục đích của đ ề tài nh ằm nghiên cƣ́u lý thuyết tập mờ , quan hệ mờ, logic mờ, sở nghiên cứu phƣơng pháp phân lớp liệu dựa logic mờ đồng thời minh hoạ số tốn cụ thể Nội dung luận văn gồm ba chƣơng Chương 1: Tổng quan phân tích liệu Chƣơng trình bày khái quát số kỹ thuật phân lớp, cách phân lớp thông thƣờng sử dụng Chƣơng đƣa số ví dụ minh họa cụ thể Chương 2: Phân lớp dƣ̃ liệu sử dụng logic mờ Chƣơng trình bày khái niệm tập mờ, phép tốn tập mờ quan hệ mờ với tính chất quan hệ mờ mệnh đề mờ, phép tốn logíc mờ, đặc biệt luật logic mờ làm sở cho chƣơng sau Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn 52 R ma trận khoảng cách đối tƣợng Tính R* =C((CR)) Đây quan hệ không tƣơng tự mà phần tử ma trận khoảng cách đối tƣợng CR phần bù R Để tính đƣợc ma trận quan hệ không tƣơng tự ta thực theo bƣớc cụ thể sau: + Từ ma trận khoảng cách ta tính ma trận quan hệ giống CR theo cơng thức CR = - R + Tính bao đóng bắc cầu quan hệ giống CR theo công thức : CR^ = CR1  CR2   CRk  Trong CR2 = CRCR CRk = CRk-1CR Việc tính tốn dừng lại CR^ thỏa mãn hai điều kiện sau đây: i Nếu có n mà CRn = CRn+1 CR^ = CR1  CR2   CRn ii Nếu U hữu hạn U  =n CR^ = CR1  CR2   CRn + Vì kết bao đóng bắc cầu quan hệ giống quan hệ tƣơng tự nên để tính đƣợc quan hệ khơng tƣơng tự R* ta phải thực theo công thức R* = 1- CR Bƣớc 2: Ta thấy R* = {i,j : dR (i,j)  } quan hệ tƣơng đƣơng kinh điển * xác định phân hoạch mức  đối tƣợng Nhƣ đối tƣợng phân hoạch có khoảng cách (mức độ tƣơng tự   , hay mức độ tƣơng tự  (1 - ) không vƣợt ) 3.3 Thử nghiệm toán ứng dụng phân lớp logic mờ Để minh họa cho toán ta xét toán ứng dụng sau: Chẳng hạn đối tƣợng học sinh có điểm mơn học cụ thể nhƣ bảng điểm dƣới (bảng điểm gồm sinh viên cột điểm) Mỗi học sinh đƣợc xem nhƣ đối tƣợng mờ Tiêu chí phân loại: Chỉ đối tƣợng có “độ tƣơng tự nhau” vào lớp, nghĩa cho ngƣỡng  học sinh có điểm tƣơng tự đƣợc xếp vào lớp Với tiêu chí phân lọai ta coi mơn học bình đẳng nhƣ (hay coi trọng số 1) Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn 53 Bảng 3.1: Bảng điểm học sinh Để thuận tiện cho việc tính tốn, ta bỏ qua cột thuộc tính nhƣ Họ tên, STT mà giữ lại cột điểm môn học tƣơng ứng chuyển vào ma trận cấp  ( điểm môn học đƣợc hiểu x/10 hay 0.x) nhƣ sau: SV Tốn Lý Hóa Văn Sử Địa N.Ngữ Sinh GDCD A1 0.7 0.9 0.8 0.6 0.9 0.8 0.9 0.6 0.8 A2 0.7 0.9 0.7 0.7 0.9 0.7 0.6 0.9 0.6 A3 0.7 0.8 0.8 0.7 0.5 0.6 0.7 0.8 A4 0.6 0.7 0.7 0.8 0.8 0.6 0.9 0.8 0.8 A5 0.8 0.9 0.6 0.7 0.8 0.5 0.7 0.8 0.6 A6 0.9 0.6 0.7 0.7 0.9 0.6 0.9 0.6 0.7 A7 0.7 0.8 0.6 0.7 0.7 0.5 0.8 0.7 0.7 A8 0.8 0.9 0.5 0.9 0.7 0.9 0.5 0.6 A9 0.7 0.8 0.9 0.6 0.5 0.7 0.8 0.7 0.9 Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn 54 * Phân lớp theo khoảng cách Hamming: Với số liệu trên, bƣớc đƣợc thực nhƣ sau: Áp dụng cơng thức tính khoảng cách hamming, ta có: d11 = d(A1,A1) = (0,7 – 0,7 + 0,9 – 0,9+ +0,8 – 0,8 = (0,7 –0,7 + 0,9 – 0,9 +0,8 – 0,7 + 0,6 – 0,7 + 0,9 – 0,9 + 0.8 – 0,7 + 0,9 – 0,6 + 0,6 – 0,9 + 0,8 – 0,6) = 1,1/9  0,122 d12 = d(A1,A2) = d13 = d(A1,A3) = (0,7 –1 + 0,9 – 0,7 +0,8 – 0,8 + 0,6 – 0,8 + 0,9 – 0,7 + 0.8 – 0,5 + 0,9 – 0,6 + 0,6 – 0,7 + 0,8 – 0,8) =1,6/9  0,178 (0,7 –0,6 + 0,9 – 0,7 +0,8 – 0,7 + 0,6 – 0,8 + 0,9 – 0,8 + 0.8 – 0,6 + 0,9 – 0,9 + 0,6 – 0,8 + 0,8 – 0,8) = 1,1/9  0,122 d14 = d(A1,A4) = (0,7 –0,8 + 0,9 – 0,9 +0,8 – 0,6 + 0,6 – 0,7 + 0,9 – 0,8 + 0.8 – 0,5 + 0,9 – 0,7 + 0,6 – 0,8 + 0,8 – 0,6) =1,4/9  0,156 d15 =d(A1,A5) = (0,7 –0,9 + 0,9 – 0,6 +0,8 – 0,7 + 0,6 – 0,7 + 0,9 – 0,9 + 0.8 – 0,6 + 0,9 – 0,9 + 0,6 – 0,6 + 0,8 – 0,7) =1/9  0,111 d16 = d(A1,A6) = d17 = d(A1,A7) = (0,7 –0,7 + 0,9 – 0,8 +0,8 – 0,6+ 0,6 – 0,7 + 0,9 – 0,7 + 0.8 – 0,5 + 0,9 – 0,8 + 0,6 – 0,7 + 0,8 – 0,7) = 1,2/9  0,133 (0,7 –0,8 + 0,9 – 0,9 +0,8 – 0,5+ 0,6 – 0,9 + 0,9 – 10 + 0.8 – 0,7 + 0,9 – 0,9+ 0,6 – 0,5 + 0,8 – 0,6) =1,2/9  0,133 d18 = d(A1,A8) = (0,7 –0,7 + 0,9 – 0,8 +0,8 – 0,9+ 0,6 – 0,6 + 0,9 – 0.5 + 0.8 – 0,7 + 0,9 – 0,8+ 0,6 – 0,7 + 0,8 – 0,9) = 1/9  0,111 d19 = d(A1,A9) = Tiếp tục làm tƣơng tự với khoảng cách lại, cuối ta đƣợc ma trận khoảng cách Hamming nhƣ sau: Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn 55 Bảng 3.2: Ma trận khoảng cách Hamming Sau tính theo bƣớc cịn lại theo thuật tốn chƣơng trình ta có 3.4 Kết thử nghiệm Ma trận khoảng cách Hamming: 0.000 0.122 0.178 0.122 0.156 0.111 0.133 0.133 0.111 0.122 0.000 0.167 0.133 0.078 0.144 0.122 0.144 0.167 0.178 0.167 0.000 0.122 0.133 0.133 0.111 0.222 0.156 0.122 0.133 0.122 0.000 0.122 0.100 0.100 0.167 0.144 0.156 0.078 0.133 0.122 0.000 0.133 0.067 0.133 0.178 0.111 0.144 0.133 0.100 0.133 0.000 0.111 0.133 0.178 0.133 0.122 0.111 0.100 0.067 0.111 0.000 0.156 0.111 0.133 0.144 0.222 0.167 0.133 0.133 0.156 0.000 0.222 0.111 0.167 0.156 0.144 0.178 0.178 0.111 0.222 0.000 Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn 56 Bù ma trận khoảng cách Hamming: 1.000 0.878 0.822 0.878 0.844 0.889 0.867 0.867 0.889 0.878 1.000 0.833 0.867 0.922 0.856 0.878 0.856 0.833 0.822 0.833 1.000 0.878 0.867 0.867 0.889 0.778 0.844 0.878 0.867 0.878 1.000 0.878 0.900 0.900 0.833 0.856 0.844 0.922 0.867 0.878 1.000 0.867 0.933 0.867 0.822 0.889 0.856 0.867 0.900 0.867 1.000 0.889 0.867 0.822 0.867 0.878 0.889 0.900 0.933 0.889 1.000 0.844 0.889 0.867 0.856 0.778 0.833 0.867 0.867 0.844 1.000 0.778 0.889 0.833 0.844 0.856 0.822 0.822 0.889 0.778 1.000 1.000 0.889 0.889 0.889 0.889 0.889 0.889 0.867 0.889 0.889 1.000 0.889 0.900 0.922 0.900 0.922 0.867 0.889 0.889 0.889 1.000 0.889 0.889 0.889 0.889 0.867 0.889 0.889 0.900 0.889 1.000 0.900 0.900 0.900 0.867 0.889 0.889 0.922 0.889 0.900 1.000 0.900 0.933 0.867 0.889 0.889 0.900 0.889 0.900 0.900 1.000 0.900 0.867 0.889 0.889 0.922 0.889 0.900 0.933 0.900 1.000 0.867 0.889 0.867 0.867 0.867 0.867 0.867 0.867 0.867 1.000 0.867 0.889 0.889 0.889 0.889 0.889 0.889 0.889 0.867 1.000 Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn 57 Ma trận phân lớp Hamming: 0.000 0.111 0.111 0.111 0.111 0.111 0.111 0.133 0.111 0.111 0.000 0.111 0.100 0.078 0.100 0.078 0.133 0.111 0.111 0.111 0.000 0.111 0.111 0.111 0.111 0.133 0.111 0.111 0.100 0.111 0.000 0.100 0.100 0.100 0.133 0.111 0.111 0.078 0.111 0.100 0.000 0.100 0.067 0.133 0.111 0.111 0.100 0.111 0.100 0.100 0.000 0.100 0.133 0.111 0.111 0.078 0.111 0.100 0.067 0.100 0.000 0.133 0.111 0.133 0.133 0.133 0.133 0.133 0.133 0.133 0.000 0.133 0.111 0.111 0.111 0.111 0.111 0.111 0.111 0.133 0.000 Từ ma trận phân lớp Hamming để tiện ta lập bảng kết đầy đủ để phân lớp nhƣ sau: Bảng 3.3: Ma trận phân lớp Hamming A1 A2 A3 A4 A5 A6 A7 A8 A9 A1 0.000 0.111 0.111 0.111 0.111 0.111 0.111 0.133 0.111 A2 0.111 0.000 0.111 0.100 0.078 0.100 0.078 0.133 0.111 A3 0.111 0.111 0.000 0.111 0.111 0.111 0.111 0.133 0.111 A4 0.111 0.100 0.111 0.000 0.100 0.100 0.100 0.133 0.111 A5 0.111 0.078 0.111 0.100 0.000 0.100 0.067 0.133 0.111 A6 0.111 0.100 0.111 0.100 0.100 0.000 0.100 0.133 0.111 A7 0.111 0.078 0.111 0.100 0.067 0.100 0.000 0.133 0.111 A8 0.133 0.133 0.133 0.133 0.133 0.133 0.133 0.000 0.133 A9 0.111 0.111 0.111 0.111 0.111 0.111 0.111 0.133 0.000 Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn 58 Chọn ngƣỡng  = 0.078, gán với có giá trị >=0.078 (có nghĩa có quan hệ), gán cho có giá trị nhỏ (khơng có quan hệ) Ta có ma trận kết sau: A1 A2 A3 A4 A5 A6 A7 A8 A9 A1 0 0 0 0 A2 0 0 0 A3 0 0 0 0 A4 0 0 0 A5 0 0 1 0 A6 0 0 0 A7 0 0 1 0 A8 0 0 0 A9 0 0 0 0 Ta thấy có phần tử A5 A7 có giá trị 1, điều có nghĩa phần tử có quan hệ với (cùng lớp có mức độ tƣơng tự điểm) ngƣỡng  = 0.078 Ta thấy bảng điểm minh họa ban đầu Với tƣ tƣởng này, ta nhập ghi vào tìm đƣợc ghi gần giống với ghi để phân vào lớp ngƣỡng xác định Sau chạy chƣơng trình thu đƣợc kết ma trận phân lớp, nhìn vào dịng ghi theo thứ tự trƣớc nhập vào thấy đƣợc quan hệ với phần tử ngƣỡng Mặt khác ta thấy đƣợc tính mờ phƣơng pháp phân lớp liệu mờ nhƣ sau: Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn 59 So sánh phân lớp theo điểm Trung bình phân lớp mờ Với liệu vào nhƣ sau: 99 0.7 0.9 0.8 0.6 0.9 0.8 0.9 0.6 0.8 0.7 0.9 0.8 0.8 0.9 0.8 0.3 0.9 0.6 0.7 0.8 0.8 0.7 0.5 0.6 0.7 0.8 0.6 0.7 0.7 0.8 0.8 0.6 0.9 0.8 0.8 0.8 0.9 0.6 0.7 0.8 0.5 0.7 0.8 0.6 0.9 0.6 0.7 0.7 0.9 0.6 0.9 0.6 0.7 0.7 0.8 0.6 0.7 0.7 0.5 0.8 0.7 0.7 0.8 0.9 0.5 0.9 0.7 0.9 0.5 0.6 0.9 0.7 0.8 0.8 0.9 0.8 0.2 0.7 0.9 Ta thấy phân lớp theo điểm điểm trung bình phần tử A2 A9 có tổng điểm 7,4, đánh giá “TBkhá” nhƣ Nhƣng phân lớp theo Logic mờ ta có ma trận phân lớp sau: 0.000 0.122 0.111 0.111 0.111 0.111 0.111 0.133 0.122 0.122 0.000 0.122 0.122 0.122 0.122 0.122 0.133 0.111 0.111 0.122 0.000 0.111 0.111 0.111 0.111 0.133 0.122 0.111 0.122 0.111 0.000 0.100 0.100 0.100 0.133 0.122 0.111 0.122 0.111 0.100 0.000 0.100 0.067 0.133 0.122 0.111 0.122 0.111 0.100 0.100 0.000 0.100 0.133 0.122 0.111 0.122 0.111 0.100 0.067 0.100 0.000 0.133 0.122 0.133 0.133 0.133 0.133 0.133 0.133 0.133 0.000 0.133 0.122 0.111 0.122 0.122 0.122 0.122 0.122 0.133 0.000 Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn 60 Ta có ma trận kết sau: A1 A2 A3 A4 A5 A6 A7 A8 A9 A1 0 0 0 0 A2 0 0 0 A3 0 0 0 0 A4 0 0 0 A5 0 0 1 0 A6 0 0 0 A7 0 0 1 0 A8 0 0 0 A9 0 0 0 0 Chọn ngƣỡng  = 0.100 phần tử A2 A9 khơng quan hệ với Mỗi phần tử lớp Nhƣ phƣơng pháp phân lớp mờ tính đến độ sai số nhỏ Và điểm khác so với phƣơng pháp khác Nhƣ làm tƣơng tự ta tiến hành phân hoạch sở liệu lớn việc phân hoạch học sinh thành lớp tƣơng đƣơng tùy thuộc vào tập mức  ngƣỡng  ta chọn một vài phần tử làm đại diện cho lớp tƣơng đƣơng tƣơng ứng Ngƣỡng  lớn số phân lớp ít, ngƣợc lại ngƣỡng  nhỏ số phân lớp lớn 3.5 Kết luận chƣơng Trong chƣơng em vận dụng lý thuyết nghiên cứu chƣơng vào việc phân lớp liệu theo cơng thức tính khoảng cách Hamming thấy đƣợc ý nghĩa việc phân lớp mờ việc phân lớp tập rõ dựa quan hệ tƣơng đƣơng, định lớp tƣơng đƣơng, phân lớp mờ dựa quan hệ mờ đƣợc mô tả quay quan hệ rõ nhƣng cách phân lớp mềm dẻo giải đƣợc trƣờng hợp không tƣờng minh Kết cuối thu đƣợc ma trận phân lớp Hamming từ phân lớp đƣợc học sinh vào lớp tƣơng tự theo ngƣỡng xác định Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn 61 KẾT LUẬN VÀ KIẾN NGHỊ * Kết đạt đƣợc: Sau thời gian thực hiện, em hoàn thành luận văn đạt đƣợc số kết định Nội dung luận văn phần viết lên đƣợc cốt lõi lý thuyết tập mờ, quan hệ mờ logic mờ Mặt khác luận văn nêu số ứng dụng quan trọng mang tính thời đại lý thuyết mờ giúp ngƣời hoạt động, lấy định điều khiển mờ ứng dụng tự động hóa hoạt động tƣ thực tiễn Luận văn đƣa đƣợc cách phân lớp mềm dẻo việc sử dụng logic mờ Trong em vận dụng đƣợc cơng thức tính khoảng cách Hamming để tính đƣợc ma trận khoảng cách từ tiếp tục vận dụng thuật tốn tính đƣợc ma trận phân lớp Hamming làm sở quan trọng để phân loại đối tƣợng có “độ tƣơng tự” nhƣ vào lớp phân hoạch theo ngƣỡng Cài đặt chƣơng trình phân lớp ngôn ngữ Pascal cho kết phân lớp Phân lớp liệu mờ đƣợc khác nhiều hay đối tƣợng mờ, ngƣỡng α phân hoạch học sinh có điểm tƣơng tự vào nhóm Thực tế tìm giống khác hồn tồn dễ thấy, nhƣng với tập liệu lớn có n ghi việc tìm ghi giống khó, luận văn em giải tốt vấn đề Với tƣ tƣởng làm tiền đề sở cho việc phát triển ứng dụng thực tiễn nêu phần hƣớng nghiên cứu * Hƣớng nghiên cứu tiếp theo: Hƣớng nghiên cứu tiếp theo, có điều kiện em tiếp tục tìm hiểu sâu logic mờ vận dụng vào thực tiễn cách tính tốn để phân loại học sinh, sở tìm hiểu phân lớp theo cơng thức tính khoảng cách Hamming em tìm hiểu thêm phân lớp theo cơng thức tính khoảng cách Euclid nhƣ cơng thức tính (3.2) nêu Phát triển ứng dụng thực tiễn theo tƣ tƣởng cho số toán phân lớp cụ thể nhƣ : Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn 62 - Bài toán tuyển sinh: Giả sử có CSDL với giá trị có sãn tĩnh làm mẫu (là bảng kết học tập đính kèm theo lựa chọn ngành học học sinh) sau nhập vào ghi để máy tính tìm ghi gần giống nhất, từ cho học sinh lời khuyên với tƣ vấn sát thực - Bài toán chữa bệnh: Cũng làm theo tƣ tƣởng nhƣ có trƣớc CSDL mẫu “Chuẩn đốn khám bệnh” có thuộc tính nhƣ: triệu chứng, phác đồ điều trị …v v Bác sĩ dựa vào máy tính tìm ghi giống với triệu chứng mà ngƣời đến khám khai báo Từ có hƣớng khám tƣ vấn xác Trong thời gian học tập nhƣ nghiên cứu làm luận văn em cố gắng tập trung học hỏi, tham khảo nhiều tài liệu với nỗ lực cao Tuy nhiên thời gian có hạn nên khơng tránh khỏi thiếu sót, em mong đƣợc bảo đóng góp ý kiến thầy cô, bạn đồng nghiệp quan tâm để luận văn hoàn thiện Em xin trân trọng cảm ơn! Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn 63 TÀI LIỆU THAM KHẢO Tiếng việt [V1] Trần Thọ Châu (2007), Logic toán, Nxb Đại học quốc gia Hà Nội, tr.166 - 204 [V2] Bùi Công Cƣờng (2001), Hệ mờ, mạng nơron ứng dụng, Nxb Khoa học Kỹ thuật, Hà Nội [V3] Hồ Thuần, Đặng Thanh Hà (2007), Logic mờ ứng dụng, Nxb Đại học Quốc gia, Hà Nội [V4] Phan Xuân Minh, Nguyễn Doãn Phƣớc (2002), Lý thuyết điều khiển mờ, NXBKH&KT [V5] Đinh Mạnh Tƣờng (2002), Trí tuệ nhân tạo, Nxb Khoa học kỹ thuật, Hà Nội, tr.246 - 289 Tiếng Anh [E1] Ha Huy Khoai, Dao Trong Thi, Do Long Van (2002), PROCEEDING OF THE SIXTH Vietnamese Mathematical Conference, Ha Noi national university publishing house [E2]Martin Hellmann (2001), Fuzzy logic introduction [E3] H.J Zimmerrmann(2001), Fuzzy Set Theory and Its Applications, Kluwer Academic Publishers [E4] McGraw-Hill (1995), Ross T.J Fuzzy Logic with Engeneering Applications [E5] McGraw-Hill (1996), Chen C.H Fuzzy Logic and Neural Network Hanbook [E6]Von Altrock C (2002) , Fuzzy Logic and NeuroFuzzy Applications Explained  T Menzies, Y Hu, (2003) , Data Mining For Very Busy People Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn 64 PHỤ LỤC program Phanlop; uses crt; const n1=20; type matran=array[1 n1,1 n1] of real; var a,b,c,r1,r2 : matran; i,j,k,m,n : byte; ok :boolean; x,y,r : real; function min(a,b:real):real; begin if a