Ứng dụng luật kết hợp để phân tích đánh giá các bảng biểu về điều tra dân số (tt)

HỌC VIỆN CƠNG NGHỆ BƯU CHÍNH VIỄN THƠNG - MAI THỊ THANH NGA ỨNG DỤNG LUẬT KẾT HỢP ĐỂ PHÂN TÍCH, ĐÁNH GIÁ CÁC BẢNG BIỂU VỀ ĐIỀU TRA DÂN SỐ Chun ngành: Khoa học máy tính Mã số: 60.48.01.01 TĨM TẮT LUẬN VĂN THẠC SĨ HÀ NỘI - 2013 Luận văn hồn thành tại: HỌC VIỆN CƠNG NGHỆ BƯU CHÍNH VIỄN THƠNG Người hướng dẫn khoa học: PGS TS NGUYỄN BÁ TƯỜNG Phản biện 1: …………………………………………… Phản biện 2: …………………………………………… Luận văn bảo vệ trước Hội đồng chấm luận văn thạc sĩ Học viện Công nghệ Bưu Viễn thơng Vào lúc: ngày tháng .năm Có thể tìm hiểu luận văn tại: - Thư viện Học viện Công nghệ Bưu Viễn thơng MỞ ĐẦU Lý chọn đề tài Con người “ngập” liệu, lại cảm thấy “đói” tri thức thơng tin hữu ích Lượng liệu khổng lồ thực nguồn “tài ngun” giá trị giúp người điều hành quản lý có nhìn sâu sắc, xác, khách quan vào tiến trình kinh doanh trước định Khai thác thơng tin tiềm ẩn có tính dự đốn từ sở liệu lớn - hướng tiếp cận với khả giúp công ty trọng vào thơng tin có nhiều ý nghĩa từ tập hợp liệu lớn (databases, data warehouses, data repositories) mang tính lịch sử Những cơng cụ khai phá liệu dự đốn xu hướng tương lai cho phép doanh nghiệp định kịp thời định hướng tri thức mà khai phá liệu đem lại Sự phân tích liệu cách tự động mang tính dự báo có ưu hẳn so với phân tích thơng thường dựa kiện khứ hệ hỗ trợ định (decision support systems - DSSs) truyền thống trước Cơng cụ khai phá liệu trả lời câu hỏi lĩnh vực kinh doanh mà trước xem tốn nhiều thời gian để xử lý Giờ đây, khai phá liệu trở thành hướng nghiên cứu lĩnh vực khoa học máy tính cơng nghệ tri thức Các kết điều tra dân số vùng miền số liệu điều tra ngày nhiều Việc ứng dụng Công nghệ thông tin (CNTT) cụ thể ứng dụng luật khai phá liệu (luật kết hợp) vào phân tích, đánh giá số liệu điều tra chủ trương cần thiết, quan trọng Sự nghiệp công nghiệp hóa, đại hóa ngày sâu rộng bùng nổ thơng tin tồn cầu… đặt u cầu mới, địi hỏi cơng tác điều tra phải dựa việc ứng dụng thành tựu CNTT Mục đích nghiên cứu - Khái phá luật kết hợp lĩnh vực khai phá liệu - Ứng dụng luật kết hợp vào việc phân tích, đánh giá kết bảng biểu điều tra dân số trình độ học vấn, chun mơn kỹ thuật vùng miền Việt Nam Đối tượng phạm vi nghiên cứu - Khai phá liệu - Khai phá luật kết hợp - Các bảng biểu điều tra dân số Phương pháp nghiên cứu Tìm hiểu tài liệu liên quan đến luật kết hợp, tập trung vào thuật toán Dựa tài liệu thu thập từ nhiều nguồn (sách, báo, Internet,…) tổng hợp, phân tích trình bày lại theo hiểu biết thân - Ứng dụng độ tin cậy luật kết hợp liệu điều tra dân số để đánh giá qui luật phát triển vùng miền Việt Nam Chương - TỔNG QUAN VỀ KHAI PHÁ DỮ LIỆU 1.1 Giới thiệu Ở chương đưa vấn đề lý thuyết liên quan đến khái niệm ứng dụng Data Mining (DM) 1.2 Các khái niệm Dữ liệu (Data): Có thể xem chuỗi bit, số, ký tự…mà tập hợp hàng ngày công việc Thông tin (Information): Là tập hợp mảnh liệu chắt lọc dùng mơ tả, giải thích đặc tính đối tượng Tri thức (Knowledge): Là tập hợp thơng tin có liên hệ với nhau, xem tri thức kết tinh từ liệu Tri thức thể tư người vấn đề Khai phá tri thức từ sở liệu (KDD): Là quy trình bao gồm nhiều công đoạn như: xác định vấn đề, tập hợp chọn lọc liệu, khai thác liệu, đánh giá kết quả, giải thích liệu, áp dụng tri thức vào thực tế Tại phải DM? Bởi liệu thu thập hàng ngày lớn: Từ sở liệu khổng lồ, từ Internet Theo báo cáo IBM, có 80% liệu khai thác, 20% lại ẩn sở liệu tri thức quý giá Khai phá liệu (DM): Là bước quy trình khám phá tri thức, nhằm:  Rút trích thơng tin hữu ích, chưa biết, tiềm ẩn khối liệu lớn  Phân tích liệu bán tự động  Giải thích liệu tập liệu lớn 1.3 Quá trình khai phá liệu 1.4 Các kỹ thuật khai phá liệu 1.5 Các tốn thơng dụng khai phá liệu 1.6 Các sở liệu phục vụ khai phá liệu 1.7 Các ứng dụng khai phá liệu 1.8 Khai phá liệu lĩnh vực liên quan 1.9 Các thách thức khai phá liệu 1.10 Kết luận chương Trên sở lý thuyết đưa hiểu thêm DM vận dụng học thuật vào vấn đề thiết thực diễn Là tiến trình khái quát kiện rời rạc liệu thành tri thức mang tính khái quát, tính quy luật, hỗ trợ tích cực cho việc định Nghiên cứu nhằm xây dựng cải thiện kỹ thuật DM lĩnh vực hứa hẹn phù hợp với điều kiện nghiên cứu Việt Nam Một số hướng nghiên cứu lý thuyết DM nghiên cứu nay: Áp dụng chiến lược để cải thiện hiệu giải thuật Phát triển phiên giải thuật có khả giải tập liệu lớn kỹ thuật sử dụng đệm Song song phân bố giải thuật DM để tận dụng khả tính tốn mạnh tính tốn lưới, Chương - KHAI PHÁ LUẬT KẾT HỢP 2.1 Giới thiệu Ở chương tập trung khai phá Association Rule - AR tìm mẫu phổ biến, kết hợp, tương quan, hay cấu trúc nhân tập đối tượng sở liệu giao tác, sở liệu quan hệ, kho thông tin khác 2.2 Luật kết hợp 2.2.1 Giới thiệu - Khai phá AR tìm mẫu phổ biến, kết hợp, tương quan, hay cấu trúc nhân tập đối tượng sở liệu giao tác, sở liệu quan hệ, kho thông tin khác - Các ứng dụng: AR có ứng dụng nhiều lĩnh vực khác đời sống như: khoa học, hoạt động kinh doanh, tiếp thị, thương mại, phân tích thị trường chứng khốn, tài đầu tư, - Ví dụ AR:  Confidence (Bia => Nem chua) = 60% Luật có nghĩa: 60% khách hàng mua bia mua Nem chua  Confidence(Thu nhập = 80.000.000_max => Tài khoản tiết kiệm=yes) = 100% Luật có nghĩa: Nếu thu nhập lớn 80 triệu tháng khách hàng có tài khoản tiết kiệm với độ tin cậy 100% Từ AR trích rút từ sở liệu giao dịch, sở liệu khách hàng mà siêu thị, ngân hàng có chiến lược kinh doanh (sắp xếp mặt hàng, số lượng mặt hàng, ), chiến lược tiếp thị, quảng cáo,… để từ thúc đẩy hoạt động kinh doanh 2.2.2 Các khái niệm - Định nghĩa độ hỗ trợ Định nghĩa 2.1: Gọi T(X) tập giao dịch chứa tập mục X  I Độ hỗ trợ tập mục X  I, ký hiệu Sup(X) tỷ số số giao dịch chứa X số tất giao dịch Hay Sup(X) = T(X ) T ; Trong T ( X ) số (lượng) giao dịch chứa X T số lượng giao dịch Nhận xét: - Với tập mục X  I,  Sup(S)  - Một tập mục X gọi tập mục k phần tử (kitemset) lực lượng X k (tức |X|=k) - Gọi X, Y  I hai tập mục Ta xét định nghĩa luật kết hợp X=>Y sau: - Định nghĩa Luật kết hợp Định nghĩa 2.2: Một AR có dạng X  Y, X, Y tập mục, X, Y  I X Y =  Đây luật khả xuất Y X xuất  X gọi tiên đề  Y gọi hệ luật Hai thông số quan trọng AR độ hỗ trợ (support) độ tin cậy (confidence) Định nghĩa 2.3: Độ hỗ trợ (support) luật kết hợp XY, ký hiệu Sup(X  Y) tỷ số số lượng giao dịch chứa X Y ( X  Y ) tổng số giao dịch có sở liệu Hay Sup ( X  Y )  T (X Y ) T Định nghĩa 2.4: Độ tin cậy (confidence) luật X=>Y, ký hiệu conf(X  Y) tỷ số số lượng giao dịch chứa X Y ( X  Y ) số giao dịch có chứa X Conf ( X  Y )  T(X Y ) T(X ) - Ý nghĩa độ hỗ trợ độ tin cậy  Độ hỗ trợ luật biểu diễn "sức mạnh" luật Luật có ảnh hưởng tồn hệ thống sup(X  Y ) = P(X  Y )  Độ tin cậy biểu diễn mức độ "đúng" luật X  Y conf(X  Y ) = P(Y \ X) Công thức P(X  Y ) xác suất khả xuất (X  Y ); P(Y \ X) xác suất có điều kiện, có nghĩa khả Y "xuất " X "xuất hiện" Trong luật, hiểu xác suất Y xuất có X xuất Việc khai phá AR từ sở liệu việc tìm tất luật có độ hỗ trợ độ tin cậy lớn ngưỡng độ hỗ trợ độ tin cậy người sử dụng xác định trước Các ngưỡng độ hỗ trợ độ tin cậy ký hiệu minsup minconf Định nghĩa 2.5: Cho tập mục X  I ngưỡng hỗ trợ tối thiểu minsup (được cho người sử dụng) Tập mục X gọi tập mục phổ biến (Frequent Itemset hay Large Itemset) với độ hỗ trợ tối thiểu minsup sup(X)  minsup - Một vài tính chất liên quan đến tập phổ biến Tính chất 2.1: Nếu X  Y, X, Y tập mục sup(X) ≥ sup(Y) tất giao dịch D chứa Y chứa X Tính chất 2.2: Một tập mục X mà sup(X) < minsup tập cha Y X thỏa mãn sup(Y) ≤ sup(X) < minsup Tính chất 2.3: 10 Đầu ra: - Tập luật kết hợp X  Y cho sup(X), Sup( Y)  minsup conf(X  Y)  mincof Giải toán: Bài toán khai phá luật kết hợp chia thành hai toán nhỏ: Bài tốn 1: Tìm tất tập mục X thỏa mãn độ hỗ trợ tối thiểu minsup Bài toán 2: Tìm tất luật kết hợp từ tập mục phổ biến (tìm tốn 1) thỏa độ tin cậy tối thiểu mincof Bài toán 1: Cho bảng liệu D gồm tập mục I = {i1, i2, …, in} tập giao dịch T = {T1, T2, …, Tm}, ngưỡng độ hỗ trợ minsup Tìm tập X  I mà Sup(X) ≥ minsup Đặt F = { X  I | Sup(X) ≥ minsup} D T1 T2 i1 i2 Tm 1 in 0 Giải tốn thuật tốn Apriori-TID Ý tưởng thuật tốn ta tìm tập F1 gồm tập mục phần tử i  I thỏa mãn Sup({i}) ≥ minsup Sau lặp q trình tìm Fk gồm tập có k phần tử tổ hợp từ Fk-1 có độ phổ biến ≥ minsup; với k = 2, 3, … khơng tính Cụ thể thuật tốn có pha: 11 Pha Tính F1 = { i  I: Sup({i}) ≥ minsup} Pha Repeat { lặp tính Fk ; k= 2, 3, } Fk = { X  I: X hợp hai tập Fk-1 mà |X| = k Sup(X) ≥ minsup} Until Fk =  ; Pha F = F1  F2   Fk-1 tập tập mục X có Sup({i}) ≥ minsup Giải pha 1: F1 =  ; For j = to n if Sup({ij}) ≥ minsup then F1  ij; Giải pha 3: k = 1; While Fk ≠  Begin k= k+1; Fk =  ; X = Sk-1  Yk-1; với cặp Sk-1 Yk-1 Fk-1; If Sup( X) ≥ minsup and |X| = k then Fk = Fk  X End; F = F1  F2  …  Fk-1; Bài toán 2: Cho bảng liệu D gồm tập mục I = {i1, i2, …, in} tập giao dịch T = {T1, T2, …, Tm}, ngưỡng độ hỗ trợ minsup, độ tin cậy minconf Tìm tập luật kết hợp 12 X=> Y; với X, Y  I mà Sup(X) ≥ minsup, Sup(Y) ≥ minsup conf( X =>Y) ≥ minconf Đặt F = { X  I | Sup(X) ≥ minsup}; L = { X => Y | X, Y  F conf(X=>Y) ≥ minconf} Giải toán hai pha Pha 1: Tính F theo tốn Pha 2: Tìm tất luật X => Y mà X, Y  F conf(X=>Y) ≥ minconf Thực pha phép lặp vét cạn thử cho căp X, Y  F: L =  ; For each X, Y  F if X  Y =  and conf(X=>Y) ≥ minconf then L = L  {X => Y} 2.2.4 Một số dạng luật kết hợp 2.2.4.1 Luật kết hợp Boolean định lượng Boolean: Luật liên quan đến mối kết hợp có xuất không xuất phần tử Định lượng: Luật liên quan đến mối kết hợp phần tử hay thuộc tính định lượng 2.2.4.2 Luật kết hợp nhiều chiều Một chiều: Các thuộc tính tập thuộc tính luật quy đại lượng Nhiều chiều: Các thuộc tính tập thuộc tính luật quy hai hay nhiều đại lượng 2.2.4.3 Luật kết hợp nhiều cấp Một cấp: Mối kết hợp phần tử hay thuộc tính cấp khái niệm 13 Nhiều cấp: Mối kết hợp phần tử hay thuộc tính nhiều cấp khái niệm khác 2.3 Một số thuật toán khai phá luật kết hợp 2.3.1 Thuật toán khai phá luật kết hợp 2.3.1.1 Thuật toán Apriori 2.3.1.2 Thuật toán Apriori - TID 2.3.1.3 Thuật toán Apriori - Hybrid 2.3.1.4 Thuật toán FP-Growth (Frequent Pattern-Growth) 2.3.2 Thuật toán khai phá luật kết hợp song song 2.3.2.1 Thuật toán Count Distribution (CD) 2.3.2.2 Thuật toán Data Distribution (DD) 2.3.2.3 Thuật toán song song FP-Growth 2.3.3 Thuật toán khai phá luật kết hợp phân tán 2.3.3.1 Thuật toán khai phá AR phân tán nhanh (FDM) 2.3.3.2 Thuật toán khai phá phân tán luật kết hợp (DMAR) 2.4 Kết luận chương Nội dung chương trình bày cách tổng quan AR, định nghĩa, tính chất liên quan đến AR độ hỗ trợ, độ tin cậy, tập mục phổ biến phát biểu toán khai phá AR Tiếp theo, nội dung chương trình bày số thuật toán để phát tập mục phổ biến phát AR từ tập mục phổ biến Đây sở lý thuyết để từ sâu tìm hiểu, cài đặt thử nghiệm thuật toán (thuật toán Apriori) áp dụng chương 14 Chương ỨNG DỤNG VÀ THỬ NGHIỆM LUẬT KẾT HỢP PHÂN TÍCH, ĐÁNH GIÁ CÁC BẢNG BIỂU ĐIỀU TRA DÂN SỐ 3.1 Giới thiệu AR ứng dụng nhiều lĩnh vực khác đời sống như: khoa học, hoạt động kinh doanh, tiếp thị, thương mại, phân tích thị trường chứng khốn, tài đầu tư, Chương đưa tổng quan bảng biểu điều tra dân số ứng dụng AR để phân tích đánh giá 3.2 Cơng tác điều tra dân số Năm 2009, Tổng điều tra dân số nhà thực theo định số 94/2008/QĐ-TTg ngày 10 tháng năm 2008 Thủ tướng Chính phủ Đây tổng điều tra dân số lần thứ tư điều tra nhà lần thứ ba tiến hành nước ta kể từ nước nhà thống vào năm 1975 Cuộc Tổng điều tra nhằm thu thập số liệu dân số nhà toàn lãnh thổ nước Cộng hồ XHCN Việt Nam, phục vụ cơng tác nghiên cứu, phân tích q trình phát triển dân số nhà phạm vi nước địa phương, đáp ứng nhu cầu thông tin, đánh giá tình hình thực kế hoạch phát triển kinh tế - xã hội thời kỳ từ năm 2001 đến năm 2010 xây dựng kế hoạch phát triển kinh tế - xã hội thời kỳ từ năm 2011 đến năm 2020, phục vụ công tác giám sát thực mục tiêu phát triển Thiên niên kỷ Liên hợp 15 quốc mà Chính phủ Việt Nam cam kết 3.2.1 Tổng quan điều tra dân số 3.2.1.1 Lịch sử điều tra dân số 3.2.1.2 Đối tượng điều tra 3.2.1.3 Nội dung điều tra 3.2.1.4 Cuộc tổng điều tra năm 1999 3.2.1.5 Xử lý tổng hợp số liệu 3.2.2 Mục đích, ý nghĩa điều tra dân số Một yêu cầu quan trọng Tổng điều tra dân số nhà năm 2009 phải bảo đảm chất lượng số liệu điều tra Thực tế triển khai Tổng điều tra dân số nhà năm 2009 phản ánh kết trình phát triển nguồn lực người Tổng cục Thống kê Nhiều công việc Tổng điều tra dân số nhà năm 2009 kế thừa phát triển cách làm Tổng điều tra dân số nhà năm 1989 1999, từ công tác tuyên truyền cho Tổng điều tra đến chương trình tập huấn quy định nghiệp vụ điều tra Kết là, Tổng cục Thống kê có khả tiến hành tổ chức Tổng điều tra dân số nhà năm 2009 với mức tự lực lớn nhiều với giúp đỡ tài kỹ thuật từ tổ chức quốc tế nước ngồi Ngay sau kết thúc bước điều tra thu thập thông tin, Thường trực Ban Chỉ đạo Trung ương thực nhiều biện pháp để đánh giá, thẩm định kết Một số kết điều tra: 16 Biểu 3.1: Phân bố phần trăm diện tích Đất, Dân số mật độ Dân số chia theo vùng kinh tế - xã hội, 2009 Các vùng kinh tế - xã hội Toàn quốc Trung du miền núi phía Bắc Đồng sơng Hồng Bắc Trung Bộ Duyên hải miền Trung Tây Nguyên Đông Nam Bộ Đồng sông Cửu Long Diện tích (%) 100,0 28,8 6,3 29,0 16,5 7,1 12,3 Dân số (%) 100,0 12,9 22,8 22,0 6,0 16,3 20,0 Mật độ người 259 116 930 196 93 594 423 Biểu 3.2: Tỷ lệ Dân số thành thị năm 1999, 2009 tỷ lệ tăng Dân số bình quân năm thời kỳ 1999-2009 chia theo vùng kinh tế - xã hội Các vùng kinh tế - xã hội Toàn quốc Trung du miền núi phía Bắc Đồng sơng Hồng Bắc Trung Bộ Duyên hải miền Trung Tây Nguyên Đông Nam Bộ Đồng sông Cửu Long Tỷ lệ dân số thành thị (%) 1999 2009 23,7 13,8 21,0 19,1 27,2 55,1 17,2 29,6 16,0 29,2 24,1 27,8 57,1 22,8 Tỷ lệ tăng dân số bình quân năm thời kỳ 1999-2009 (%) thành thị 3,4 2,4 4,2 2,7 2,5 3,6 3,4 nông thôn 0,4 0,7 -0,2 -0,2 2,2 2,8 -0,1 Nguồn: Tổng cục Thống kê, "Tổng điều tra dân số nhà Việt Nam 2009: Kết toàn bộ", NXB Thống kê, 8- 2001 3.3 Bảng số liệu điều tra dân số 17 Biểu 3.3: Số lượng Dân số, Dân số thành thị, tỷ trọng Dân số thành thị chia theo vùng kinh tế - xã hội, 2009 Tổng Tổng số Tỷ trọng dân số dân (%) Các vùng kinh tế - xã hội thành thị (nghìn dân thành (nghìn người) thị người) Tồn quốc 85 788 25 373 29,6 Trung du miền núi phía Bắc 11 064 772 16,0 Đồng sông Hồng 19 578 721 29,2 Bắc Trung Bộ Duyên hải miền Trung 18 835 530 24,1 Tây Nguyên 107 419 27,8 Đông Nam Bộ 14 025 009 57,1 Đồng sông Cửu Long 17 179 922 22,8 Biểu 3.4: Tỷ trọng Dân số từ tuổi trở lên chia theo trình độ học vấn đạt được, thành thị/nông thôn vùng kinh tế xã hội, 2009 Đơn vị tính: Phần trăm Nơi cư trú/các vùng kinh tế xã hội Toàn quốc Thành thị Nông thôn Các vùng kinh tế - xã hội: Trung du miền núi phía Bắc Đồng sơng Hồng Bắc Trung Bộ Duyên hải miền Trung Tây Nguyên Đông Nam Bộ Đồng sông Cửu Long Chưa Tốt Tốt Tốt Tổng Chưa tốt nghiệp nghiệp nghiệp số học nghiệp tiểu học THCS THPT + tiểu học 100,0 5,1 22,7 27,6 23,7 20,8 100,0 2,6 16,7 22,9 20,4 37,4 100,0 6,2 25,3 29,6 25,1 13,8 100,0 10,3 100,0 2,2 22,7 15,8 25,6 18,9 23,1 33,0 18,3 30,1 100,0 4,2 22,2 28,6 25,9 19,1 100,0 8,9 100,0 3,1 100,0 6,6 25,7 19,7 32,8 30,9 29,1 35,6 20,8 21,0 14,3 13,7 27,2 10,7 18 Biểu 3.5: Tỷ trọng Dân số từ 15 tuổi trở lên chia theo trình độ CMKT, giới tính, thành thị/nơng thơn vùng kinh tế - xã hội, 2009 Đơn vị tính: Phần trăm Giới tính/nơi cư trú/ vùng kinh tế - xã hội Tổng số Tồn quốc Nam Nữ Thành thị Nơng thơn Trung du miền núi phía Bắc Đồng sơng Hồng Bắc Trung Bộ Duyên hải miền Trung Tây Nguyên Đông Nam Bộ Đồng sông Cửu Long 100,0 100,0 100,0 100,0 100,0 100,0 100,0 Khơng có trình độ CMKT 86,7 84,3 88,9 74,6 92,0 86,7 80,6 Đại Sơ Trung Cao học cấp cấp đẳng + 2,6 3,7 1,5 4,4 1,8 2,4 3,5 4,7 5,5 4,0 7,6 3,5 6,4 6,8 1,6 4,4 1,4 5,1 1,8 3,7 2,5 10,8 1,2 1,5 1,8 2,8 2,3 6,8 100,0 87,8 2,1 4,8 1,7 3,6 100,0 90,2 100,0 84,2 100,0 93,4 1,9 3,6 1,4 3,8 3,8 2,2 1,3 1,6 0,9 2,8 6,6 2,1 3.4 Các tiêu số liệu cần rút trích qua số liệu điều tra 3.5 Ứng dụng luật kết hợp vào liệu điều tra dân số 3.5.1 Từ bảng biểu đưa bảng dạng giao dịch khai phá liệu đánh giá phát triển kinh tế, văn hóa vùng miền Việt Nam 3.5.1.1 Quy luật thành thị hóa vùng miền 3.5.1.3 Quy luật trình độ chun mơn kỹ thuật phụ thuộc vào vùng miền 19 3.5.2 Cài đặt thử nghiệm chương trình sử dụng số thuật tốn luật kết hợp Demo chương trình Giao diện chương trình Hình 3.1 Giao diện chương trình Demo Khi click vào menu Dân số thành thị, Trình độ học vấn, Trình độ CMKT xuất giao diện khác để người dùng thêm vùng tương ứng với thơng tin trình độ học vấn, trình độ chun mơn v.v Cụ thể: 20 Khi chọn menu Dân số thành thị có giao diện sau: Hình 3.2 Giao diện Dân số thành thị Với ngưỡng độ tin cậy 50 ta có kết dân số thành thị sau: Hình 3.3 Giao diện kết phân tích, đánh giá Dân số thành thị vùng miền với ngưỡng độ tin cậy 50 21 Khi chọn menu Trình độ học vấn có giao diện sau: Hình 3.4 Giao diện trình độ học vấn Khi thêm Vùng kinh tế - xã hội tương ứng với trình độ học vấn nhấn nút Phân tích, đánh giá chương trình cho kết phân tích, đánh sau: Hinh 3.5 Kết phân tích, đánh giá trình độ học vấn vùng miền 22 Với menu Trình độ CMKT có giao diện sau: Hình 3.6 Giao diện trình độ CMKT Với thơng tin đầy đủ trình độ CMKT vùng miền nhấn nút Phân tích, đánh giá chương trình đưa kết sau: Hình 3.7 Kết phân tích, đánh giá trình độ CMKT vùng miền 23 Nếu nhấn chọn nút Thoát quay giao diện chương trình 3.6 Kết luận chương Trên sở lý thuyết hai chương kết hợp với số liệu điều tra kinh tế văn hóa vùng miền, đưa phân tích đánh giá số liệu để đưa luật phù hợp với thực tế Chương trình thử nghiệm phản ánh đầy đủ việc ứng dụng thành công AR vào khai phá liệu KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN TIẾP THEO Dự kiến đóng góp luận văn Luận văn đề cập đến nội dung phát tri thức, DM Ứng dụng DM rộng có ích hoạt động sản xuất, kinh doanh trợ giúp cho việc hoạch định chiến lược nhà quản lý hỗ trợ định Về mặt lý thuyết, DM cơng đoạn tiến trình lớn, tiến trình khám phá tri thức từ sở liệu Phương pháp DM là: phương pháp phát luật kết hợp, phương pháp dựa mẫu…, phương pháp áp dụng liệu thông thường Trong luận văn trình bày chi tiết vấn đề khai phá luật kết hợp: từ khái niệm sở, tốn xuất phát đến mơ hình hình thức, thuật toán khai phá luật kết hợp sở luật kết hợp 24 Về thuật toán khai phá luật kết hợp, luận văn trình bày số thuật tốn tiêu biểu khai phá luật kết hợp như: Apriori, Fp-growth… Về mặt thực nghiệm demo xây dựng luật kết hợp từ liệu cho trước Hướng nghiên cứu Trên sở nghiên cứu trình bày luận văn, tiếp tục nghiên cứu sâu thuật tốn khai phá luật kết hợp, tìm cách cải tiến nhằm khắc phục nhược điểm thuật tốn có thuật tốn DM khác để áp dụng vào số toán DM phù hợp cho giai đoạn như: dự đoán kinh tế giới nước, quy luật thị truờng, chứng khoán bất động sản, dự đoán rủi ro tín dụng, định huớng kinh doanh, y tế… Hiện nay, liệu lưu trữ ngày tăng, để ứng dụng DM vào toán cần tiếp tục nghiên cứu phương pháp xử lý cho tốn có liệu lớn Xem xét, nghiên cứu số ứng dụng khác DM ... mại, phân tích thị trường chứng khốn, tài đầu tư, Chương đưa tổng quan bảng biểu điều tra dân số ứng dụng AR để phân tích đánh giá 3.2 Công tác điều tra dân số Năm 2009, Tổng điều tra dân số nhà... điều tra phải dựa việc ứng dụng thành tựu CNTT Mục đích nghiên cứu - Khái phá luật kết hợp lĩnh vực khai phá liệu - Ứng dụng luật kết hợp vào việc phân tích, đánh giá kết bảng biểu điều tra dân. .. toán Apriori) áp dụng chương 14 Chương ỨNG DỤNG VÀ THỬ NGHIỆM LUẬT KẾT HỢP PHÂN TÍCH, ĐÁNH GIÁ CÁC BẢNG BIỂU ĐIỀU TRA DÂN SỐ 3.1 Giới thiệu AR ứng dụng nhiều lĩnh vực khác đời sống như: khoa học,