Một số phương pháp tính toán dựa trên từ ngôn ngữ trực cảm và ứng dụng

ĐAI HOC QUOC GIA HÀ N®I TRƯèNG ĐAI HOC KHOA HOC TU NHIÊN Pham Hong Phong M®T SO PHƯƠNG PHÁP TÍNH TỐN DUA TRÊN TÙ NGƠN NGU TRUC CÁM VÀ NG DUNG LUắN N TIN S TON HOC H Nđi - 2018 ĐAI HOC QUOC GIA HÀ N®I TRƯèNG ĐAI HOC KHOA HOC TU NHIÊN Pham Hong Phong M®T SO PHƯƠNG PHÁP TÍNH TỐN DUA TRÊN TÙ NGƠN NGU TRUC CÁM VÀ ÚNG DUNG Chuyên ngành: Cơ sá Toán cho Tin HQC Mã so: 62.46.01.10 LU¾N ÁN TI€N SĨ TỐN HOC T¾p the hưáng dan khoa HQC: PGS.TSKH Bùi Cơng Cưàng PGS.TS Đő Trung Tuan LèI CAM ĐOAN Tôi xin cam đoan nhung ket q trình bày lu¾n án mái, trung thnc chưa tùng đưac công bo bat kỳ cơng trình cua khác Nhung ket quã viet chung vái tác giã khác đưac sn đong ý đưa vào lu¾n án Nghiên cúu sinh Pham Hong Phong i LèI CÁM ƠN Lu¾n án đưac hoàn thành tai Trưàng Đai HQC Khoa HQC Tn nhiên - Đai HQC Quoc gia Hà N®i, dưái dn hưáng dan cua PGS TSKH Bùi Công Cưàng PGS TS Đő Trung Tuan Tơi xin bày tõ lịng biet ơn sâu sac tái Thay Bùi Công Cưàng, ngưài đ%nh hưáng, giúp t¾n tình, ti mi suot thài gian HQC t¾p hồn thành lu¾n án Tôi xin gui lài cãm ơn chân thành đen Thay Đő Trung Tuan, ngưài t¾n tâm hő tra HQC trị ve MQI m¾t suot năm làm nghiên cúu sinh, tù nhung ngày bat đau có tái nhung thu tnc bão v¾ cuoi HQC trị chân thành cãm ơn GS TSKH Pham The Long, PGS TS Đ¾ng Văn Chuyet, PGS TS Lê Bá Long, PGS TS Nguyen Hà Nam, TS Nguyen Th% Minh Huyen, TS Đő Thanh Hà, TS Vũ Như Lân, PGS TS Tran Đình Khang, PGS TS Ngô Thành Long, PGS TS Nguyen Huu Đien, TS Nguyen Hãi Vinh rat nhieu Thay Cô khác ve nhung đóng góp q báu q trình nghiên cúu hồn thi¾n lu¾n án Nghiên cúu sinh xin chân thành gui lài cãm ơn đen Ban Giám hi¾u, Phịng Sau đai HQC, lãnh đao Khoa Tốn - Cơ - Tin HQC, Thay Cơ B® mơn Tin HQC Trưàng Đai HQC Khoa HQC Tn nhiên - Đai HQC Quoc gia H Nđi ó tao ieu kiắn thuắn lai nhat đe nghiên cúu sinh hồn thành chương trình HQC t¾p lu¾n án Tơi xin cãm ơn Ban Giỏm hiắu, Khoa Cụng nghắ Thụng tin, Bđ mụn Toỏn HQC Trưàng Đai HQC Xây dnng nơi công tác ban bè, đong nghi¾p ln tao đieu kiắn, đng viờn, khuyen khớch v h tra toi a đe tơi có the hồn thành chương trình HQC t¾p lu¾n án Tơi xin cãm ơn riêng PGS TS Lê Hoàng Sơn, ngưài ban thân thiet, đong hành đưàng nghiên cúu tai nhung thài điem khó khăn nhat Cuoi cùng, xin cãm ơn Gia đình ln đong hành, thưàng xun đ®ng viên tơi cơng vi¾c, HQC t¾p nghiên cúu Hà N®i, tháng 05 năm 2018 Nghiên cúu sinh Pham Hong Phong MUC LUC Trang Lài cam đoani Lài cám ơnii Mnc lnciv Danh sách hình vevi Danh sách bángvii Danh mnc ký hi¾u chu viet tatxi Má đau1 Chương Tong quan ve lý thuyet mà tính tốn vái tù7 1.1 Sơ lưac ve lý thuyet mà mà trnc cãm 1.1.1 T¾p mà, so mà bien ngơn ngu 1.1.2 T¾p mà trnc cãm giá tr% mà trnc cãm 10 1.2 Tốn tu g®p thơng tin cho bang tù 13 1.2.1 G®p dna thú tn giua tù 13 1.2.2 G®p dna Nguyên lý Suy r®ng .15 1.2.3 G®p dna chi so cua tù 16 1.2.4 Gđp dna trờn bieu dien theo cắp ngụn ngu 18 1.2.5 G®p tù vái chi so liên tnc 19 1.2.6 G®p thơng tin cho bang tù có yeu to trnc cãm 20 1.2.7 Ra quyet đ%nh vái thông tin cho bang tù 25 1.3 Phân láp dna đ® tương tn mà 32 1.3.1 Phân láp du li¾u 32 1.3.2 Đ® tương tn mà 33 1.3.3 Đ® tương tn mà trnc cãm 35 1.4 Ket lu¾n chương 36 Chương Tù trnc cám g®p tù trnc cỏm37 2.1 Tắp tự trnc cóm v mđt so phộp toán bãn 38 2.2 Toán tu g®p tù trnc cãm 42 2.2.1 Giá tr% lán nhat giá tr% nhõ nhat cua tù trnc cãm 42 2.2.2 Trung v% cua tù trnc cãm .44 2.2.3 Tő hap loi cua tù trnc cãm 46 2.2.4 Toán tu OWA cho tù trnc cãm .48 2.2.5 Các tốn tu g®p cho tù trnc cãm mã r®ng 50 2.2.6 Úng dnng tốn tu g®p cho tù trnc cãm vào toán quyet đ%nh 53 2.3 So sánh tù trnc cãm vái giá tr% ngôn ngu trnc cãm so ngôn ngu trnc cãm 59 2.3.1 So sánh phương di¾n lý thuyet 59 2.3.2 So sánh phương di¾n thnc hành 68 2.4 Ket lu¾n chương 71 Chương M®t so đ® tương tn úng dnng vào tốn phân láp thơng tin73 3.1 Đ® tương tn tù, đ® tương tn véc-tơ tù úng dnng 74 3.1.1 Đ® tương tn tù 75 3.1.2 Đ® tương tn véc-tơ tù 76 3.1.3 Úng dnng cho tốn phân láp vái thơng tin cho bang tù.81 3.2 Đ® tương tn giá tr% mà trnc cãm, đ® tương tn véc-tơ mà trnc cãm úng dnng 85 3.2.1 Đ® tương tn giá tr% mà trnc cãm 86 3.2.2 Đ® tương tn véc-tơ mà trnc cãm .87 3.2.3 Úng dnng cho toán phân láp 88 3.3 Thnc nghi¾m .93 3.3.1 Thnc nghiắm vỏi bđ du liắu Car Evaluation 95 3.3.2 Thnc nghiắm vỏi bđ du liắu Mushroom 98 3.3.3 Thnc nghiắm vỏi bđ du liắu Iris 99 3.4 Ket lu¾n chương 102 Ket lu¾n kien ngh%108 Danh mnc cơng trình khoa HQC cúa tác giá liên quan đen lu¾n án111 Tài li¾u tham kháo112 Danh sách hình ve 1.1 Bien ngôn ngu “He%ght” 11 1.2 Tắp tự mó rđng 20 1.3 Các bưác cua tốn quyet đ%nh t¾p the 26 1.4 CW toán quyet đinh t¾p the .26 2.1 So sánh thài gian thnc thi (giây) Quy trình1.1 và2.1 Trnc hồnh the hi¾n so phương án (đong thài so chuyên gia), trnc tung the hi¾n thài gian tính tốn (tính bang giây) 70 2.2 So sánh thài gian thnc thi (giây) Quy trình1.2 và2.2 Trnc hồnh the hi¾n so phương án (cũng so tiêu chí, so chun gia), trnc tung the hi¾n thài gian tính tốn (tính bang giây) 71 3.1 So sánh thu¾t tốn LCA vái thu¾t tốn NFS, RBFNN ANFIS trờn bđ du liắu Car Evaluation Trnc tung the hiắn giá tr% cua chi so recall, fp-rate, precision f-measure (lay trung bình láp) vái đơn v% phan trăm (%) 97 3.2 So sánh thu¾t tốn LCA vái thu¾t tốn NFS, RBFNN ANFIS bđ du liắu Mushroom Trnc tung the hiắn giỏ tr% cua chi so recall, fp-rate, precision f-measure (lay trung bình láp) vái đơn v% phan trăm (%) 99 3.3 So sánh thu¾t tốn LCA IFVSM vái thu¾t tốn NFS, RBFNN v ANFIS trờn bđ du liắu Iris Trnc tung the hi¾n giá tr% cua chi so recall, fp-rate, precision f-measure (lay trung bình láp) vái đơn v% phan trăm (%) 101 Danh sách bang 1.1 1.2 1.3 Ma tr¾n quyet đ%nh R1 30 Ma tr¾n quyet đ%nh R2 31 Ma tr¾n quyet đ%nh R3 31 phương xki (inam = 1, 2, 3,i, ;kk = 1,đánh 2, 3giá ) 31 i án α 1.4 ã hàng c®t tőng hap cua chuyên gia dk ve 2.1 Ma tr¾n quyet đ%nh P˜1 55 2.2 Ma tr¾n quyet đ%nh P˜2 55 2.3 Ma tr¾n P˜ 55 2.4 Ma tr¾n quyet đ%nh R˜ 2.5 Ma tr¾n quyet đ%nh R˜˜ 2.6 Ma tr¾n quyet đ%nh R 2.7 Đánh giá tőng hap α˜ i 57 57 58 k ve phương án xi cho bãi chuyên gia dk (i = 1, 2, 3, 4; k = 1, 2, 3) 58 2.8 So sánh thài gian thnc thi (giây) Quy trình1.1và2.1 69 2.9 So sánh thài gian thnc thi (giây) Quy trình1.2và2.2 70 3.1 Bđ du liắu Car Evaluation 74 3.2 Ví dn cho thu¾t tốn LCA .84 3.3 Ví dn cho thu¾t tốn IFVSM .91 3.4 Gán nhãn cho du li¾u Car Evaluation 96 3.5 So sánh thu¾t tốn LCA vái thu¾t toỏn NFS, RBFNN v ANFIS trờn bđ du liắu Car Evaluation 97 3.6 So sánh chi tiet thu¾t tốn LCA vỏi cỏc thuắt toỏn NFS, RBFNN v ANFIS trờn bđ du li¾u Car Evaluation (%) 104 3.7 Bđ du liắu Mushroom 105 K€T LU¾N VÀ KI€N NGH± Lu¾n án liên quan đen cơng trình khoa HQC CUA tác giã, bao gom đóng góp sau 1.Nghiên cúu quy trình g®p thơng tin cho bang tù, có yeu to trnc cãm Trong phan này, tác giã lu¾n án đe xuat khái ni¾m tù trnc cãm (ILL) Các tốn tu g®p ILL cung cap sã lý thuyet cho toán quyet đ %nh vái thơng tin tù có yeu to trnc cãm đưac bieu dien dưái dang ILL Khi so sánh ILL vái bieu dien thông tin cho bang tù có yeu to trnc cãm giá tr% ngơn ngu trnc cãm (ILV) so ngôn ngu trnc cãm (ILN), ta cũn thay: ã Thỳ nhat, khỏi niắm ILL tương đương vái ILV ILN Đieu có nghĩa là, tốn quyet đ%nh, thay ILV hay ILN, ta hồn tồn có the dùng ILL; • Thú hai, toán quyet đ%nh, su dnng ILL cho ket quã hoàn toàn tương tn thài gian ngan so vái ILV hay ILN 2.Đe xuat đ® tương tn tù véc-tơ tù Các khái ni¾m mái đưac su dnng đe xây dnng thu¾t tốn LCA (linguistic classification algorithm) giúp phân loai thơng tin cho bang tù LCA đưac thnc nghi¾m du li¾u rài rac có thú tn, du li¾u rài rac chưa có thú tn du li¾u liên tnc 3.Đưa đ® tương tn giá tr% mà trnc cãm véc-tơ mà trnc cãm Thu¾t tốn IFVSM (Intuitionistic Fuzzy Vector Similarity Measure Based Classification Algorithm) đưac đe xuat úng dnng tốn phân láp vái thơng tin liên tnc Trên sã ket quã đat đưac cua nghiên cúu liên quan đen lu¾n án, nghiên cúu sinh se tiep tnc hon thiắn v mó rđng ket quã theo hưáng sau 1.Trưác het nhung van đe chưa giãi quyet ve m¾t thnc nghi¾m Chương Trong q trình tính tốn có the có sai so, dan đen quy trình có the cho ket quã khác so vái lý thuyet Đánh giá, so sánh sai so dùng ILL, ILV ILN quy trình quyet đ%nh se làm cho nghiên cúu đay đu thuyet phnc Đây van đe ton ĐQNG, can giãi quyet tiep 2.Van Chương 2, tác giã nh¾n thay sn han che cua ILL so sánh vái ILN Đoi vái ILN, t¾p tù S đóng vai trị khơng gian nen Cịn đoi vái ILL, t¾p tù S lai mien chõn lý, the hiắn đ thuđc v đ khụng thuđc Do đó, giua ILN ILL, khó có sn tương đương ve nghĩa m¾c dù có sn tương đương ve m¾t tốn HQC Câu hõi đ¾t là, t¾p S phãi thõa mãn đieu phãi xây dnng t¾p S the đe chuyen ILN thành ILL, ILL van có nghĩa Đây van đe chưa đưac xem xét lu¾n án can đưac nghiên cúu tiep 3.Trong thuắt toỏn LCA v IFVSM (Chng 3), mđt van đe can nghiên cúu tiep phân tích mői liên quan giua các tham so cua thu¾t tốn (cỏc đ o, chi so k) vỏi du liắu can phõn lỏp, tự ú xõy dnng mđt phng phỏp hiắu quã đe xác đ%nh đ® tương tn k thớch hap vỏi tựng bđ du liắu 4.Cng Chng 3, ta thay sn thieu tőng quát áp dnng thu¾t tốn LCA IFVSM đe phân láp du li¾u Như nêu ã Nh¾n xét3.2 (Trang96),3.3(Trang98) v3.4(Trang101), vỏi mi bđ du liắu, tựy vo ắc tớnh cua nó, ta lai có m®t cách thnc thi thu¾t tốn khác liên quan đen vi¾c gán nhãn cho giá tr% cua thu®c tính Van đe gán nhãn cho du li¾u thnc sn can phãi đưac tiep tnc nghiên cúu sâu Vi¾c gán nhán chi thu¾n vái thông tin cho bang tù tőng quát thơng tin có thú tn Bài tốn phân láp du li¾u vái đ¾c trưng phi tuyen có the vưat ngồi pham vi úng dnng cua thu¾t tốn đưac đưa lu¾n án 5.Van Chương 3, vái thu¾t tốn IFVSM, ta chuyen mői giá tr% thnc thnh mđt vộc-t m trnc cóm Viắc chuyen nh vắy ac thnc hiắn thụng qua mđt bien ngụn ngu, mői tù cua bien ngôn ngu đưac gán vái mđt cắp hm: hm thuđc v hm khụng thuđc l so mà dang hình thang Ta can bàn thêm m®t so điem sau: • Nên CHQN bien ngơn ngu cú bao nhiờu tự; ã Hm thuđc v hm khụng thu®c úng vái mői tù nên CHQN the Luắn ỏn mỏi chi co %nh mđt bien ngụn ngu thnc thi thu¾t tốn IFVSM, chưa bàn tái ãnh hưãng cua vi¾c CHQN bien ngơn ngu đen chat lưang cua thu¾t tốn Tương tn, áp dnng thu¾t tốn LCA cho bđ du liắu Iris, chỳng tụi chuyen du li¾u so thành tù nhà hàm LABEL [5] Vi¾c su dnng hàm chuyen khác phân tích ãnh hưãng cua tái chat lưang thu¾t tốn van chưa đưac quan tâm tái Đây van đe can nghiên cúu thêm DANH MUC CƠNG TRÌNH KHOA HOC CÚA TÁC GIÁ LIÊN QUAN Đ€N LU¾N ÁN CT B C Cuong, P H Phong, New composition of intuitionistic fuzzy relations, Advances in Intelligent Systems and Computing 244, 123-136, 2014 (Proceedings of the Fifth International Conference KSE 2013, Springer) CT B C Cuong, P H Phong, Max - composition of linguistic intuitionistic fuzzy relations and application in medical diagnosis, VNU Journal of Science: Com- puter Science and Communication Engineering 30 (4), 57-65, 2014 CT D T Tuan, P H Phong, R T Ngan, Linguistic Approach in Medical Diagnosis, Proceedings of the Eighth International Conference on Knowledge and Systems Engineering, 37-42, 2016 (IEEE) CT L H Son, P H Phong, On the performance evaluation of intuitionistic vector similarity measures for medical diagnosis, Journal of Intelligent and Fuzzy Systems 31 (3), 1597-1608, 2016 (SCIE) CT 5.P H Phong , B C Cuong, Some intuitionistic linguistic aggregation operators, Journal of Computer Science and Cybernetics 30 (3), 216-226, 2014 CT 6.P H Phong , B C Cuong, Symbolic computational models for intuitionistic linguistic information, Journal of Computer Science and Cybernetics 32 (1), 30-44, 2016 CT 7.P H Phong , B C Cuong, L T T Thuy, Intuitionistic linguistic label: an equivalent form of intuitionistic linguistic number, Proceedings of the 3rd National Foundation for Science and Technology Development Conference on Information and Computer Science, 119-124, 2016 (IEEE) CT 8.P H Phong , B C Cuong, Multi-criteria Group Decision Making with Picture Linguistic Numbers, VNU Journal of Science: Computer Science and Communica- tion Engineering 32 (3), 38-51, 2016 CT 9.P H Phong , L H Son, Linguistic vector similarity measures and applications to linguistic information classification, International Journal of Intelligent Systems 32 (1), 67-81, 2017 (SCIE) Tài li¾u tham khao [1]L Abdullah, L Najib, A new type-2 fuzzy set of linguistic variables for the fuzzy analytic hierarchy process, Expert Systems with Applications 41 (7), 3297-3305, 2014 [2]K T Atanassov, Intuitionistic fuzzy sets, Fuzzy Sets and Systems 20, 87-96, 1986 [3]L Baccour, A M Alimi, R I John, Some Notes on Fuzzy Similarity Measures and Application to Classification of Shapes, Recognition of Arabic Sentences and Mosaic, IAENG International Journal of Computer Science 41 (2), 81-90, 2014 [4]L Baccour, A M Alimi, R I John, Intuitionistic Fuzzy Similarity Measures and Their Role in Classification, Journal of Intelligent Systems 25 (2), 221237, 2016 [5]G Bordogna, G Pasi, A fuzzy linguistic approach generalizing boolean informa- tion retrieval: a model and its evaluation, Journal of the American Society for Information Science 44 (2), 70-82, 1993 [6]P P Bonissone, K S Decker, Selecting uncertainty calculi and granularity: An experiment in trading-off precision and complexity, in: Uncertainty in artificial intelligence (Eds L H Kanal and J F Lemmer), Amsterdam: NorthHolland, 217-247, 1986 [7]K S Candan, W S Li, M L Priya, Similarity-based ranking and query processing in multimedia databases, Data & Knowledge Engineering 35, 259-298, 2000 [8]P Chang, Y Chen, A fuzzy multicriteria decision making method for technology transfer strategy selection in biotechnology, Fuzzy Sets and Systems 63, 131139, 1994 [9]S M Chen, J M Tan, Handling multicriteria fuzzy decision-making problems based on vague set theory, Fuzzy Sets and Systems 67, 163-172, 1994 [10]Z C Chen, P H Liu, Z Pei, An approach to multiple attribute group decision making based on linguistic intuitionistic fuzzy numbers, International Journal of Computational Intelligence Systems (4), 747 - 760, 2015 [11]F Chiclana, F Herrera, E Herrera-Viedma, Integrating multiplicative preference relations in a multipurpose decision-making model based on fuzzy preference relations, Fuzzy Sets and Systems 122, 277-291, 2001 [12]B C Cuong, On group decision making under linguistic assessments, Interna- tional Journal of Uncertainty, Fuzziness and Knowledge-Based Systems (4), 301-308, 1999 [13]B C Cuong, D T Long, N T Huy, P H Phong, New computing procedure in multi-criteria analysis, using fuzzy collective solution, Proceeding of The 10th International Conference on Intelligent Technologies, Guangxi Normal Uni- versity, Guilin, China, Dec 12-15, 2009 [14]B C Cuong, V Kreinovich, Picture fuzzy sets - a new concept for computational intelligence problems, Proceedings of The 3rd world congress on information and communication technologies, 1-6, 2013 [15]M Delgado, J L Verdegay, M A Vila, On aggregation operators of linguistic labels, International Journal of Intelligent Systems 8, 351-370, 1993 [16]M Delgado, F Herrera, E Herrera-Viedma, Combining numerical and linguistic information in group decision making, Information Sciences 107, 177-194, 1998 [17]S Ghosh, S Biswas, D.Sarkar, P P Sarkar, A novel Neuro-fuzzy classification technique for data mining, Egyptian Informatics Journal 15, 129-147, 2014 [18]F Herrera, J L Verdegay, Linguistic assessments in group decision, in: Proceed- ings of the First European Congress on Fuzzy and Intelligent Technologies, Aachen, 941-948, 1993 [19]F Herrera, E Herrera-Viedma, Aggregation operators for linguistic weighted in- formation, IEEE Transactions on Systems, Man, and Cybernetics-Part A 27, 646-656, 1997 [20]F Herrera F, L Martínez, A 2-tuple fuzzy linguistic representation model for computing with words, IEEE Transactions on Fuzzy Systems 8, 746-752, 2000 [21]F Herrera , E Herrera-Viedma, Choice functions and mechanisms for linguistic preference relations, European Journal of Operational Research 120, 144-161, 2000 [22]F Herrera, E Herrera-Viedma, Linguistic decision analysis: Steps for solving decision problems under lingusitic information, Fuzzy Sets and Systems 115, 67- 82, 2000 [23]E Herrera-Viedma, Modelling the retrieval process for an information retrieval system using an ordinal fuzzy linguistic approach, Journal of the American Society for Information Science and Technology 52 (6), 460-475, 2001 [24]D H Hong, C H Choi, Multicriteria fuzzy decision-making problems based on vague set theory, Fuzzy Sets and Systems 114, 103-113, 2000 [25]V T Hue, H T M Chau, P H Phong, Fuzzy Linguistic Number and Fuzzy Linguistic Vector: New Concepts for Computational Intelligence, Proc of 4th IN- DIA 2017, 806-815, 2017 (Springer) [26]V T Hue, P H Phong, Similarity measures for intuitionistic linguistic numbers, intuitionistic linguistic vectors and application, Proceedings of the 4th National Foundation for Science and Technology Development Conference on Infor- mation and Computer Science, 1-6, 2017 (IEEE) [27]V T Hue, P H Phong, On integration linguistic factors to fuzzy similarity measures and intuitionistic fuzzy similarity measures, International Journal of Synthetic Emotions, 2018 (accepted) [28]K J Hunt , R Haas, R Murray-Smith, Extending the functional equivalence of radial basis function networks and fuzzy inference systems, IEEE Trans Neural Networks (3), 776-781, 1996 [29]C M Hwang, M S Yang, W L Hung, M G Lee, A similarity measure of intuitionistic fuzzy sets based on the Sugeno integral with its application to pattern recognition, Information Sciences 189, 93-109, 2012 [30]SR Jang , CT Sun , E Mizutani, Neuro-fuzzy and soft computing: a computational approach to learning and machine intelligence, USA: Prentice Hall, 333393, 1997 [31]P Julian, K C Hung, S J Lin, On the Mitchell similarity measure and its application to pattern recognition, Pattern Recognition Letters 33, 1219-1223, 2012 [32]C Kahramana, B Oă ztaysia, I Ucal, S E Turanogˇ lu, Fuzzy analytic hierarchy process with interval type-2 fuzzy sets, Knowledge-Based Systems 59, 48-57, 2014 [33]G J Klir, B Yuan, Fuzzy sets and fuzzy logic: theory and applications, published by Prentice Hall PTR, 1995 [34]C K Law, Using fuzzy numbers in educational grading systems, Fuzzy Sets and Systems 83, 311-323, 1996 [35]H M Lee, Applying fuzzy set theory to evaluate the rate of aggregative risk in software development, Fuzzy Sets and Systems 80, 323-336, 1996 [36]P D Liu, X Y Qin, Maclaurin symmetric mean operators of linguistic intuitionis- tic fuzzy numbers and their application to multiple attribute decision making, Jour- nal of Experimental & Theoretical Artificial Intelligence 29 (6), 1173-1202, 2017 [37]P D Liu, P Wang, Some Improved Linguistic Intuitionistic Fuzzy Aggregation Operators and Their Applications to Multiple-Attribute Decision Making, Interna- tional Journal of Information Technology & Decision Making 16 (3), 817-850, 2017 [38]J M Mendel, A comparison of three approaches for estimating (synthesizing) an interval type-2 fuzzy set model of a linguistic term for computing with words, Gran- ular Computing (1), 59-69, 2016 [39]S C Ngan, A type-2 linguistic set theory and its application to multi-criteria decision making, Computers & Industrial Engineering 64, 721-730, 2013 [40]R X Nie, J Q Wang, L Li, A shareholder voting method for proxy advisory firm selection based on 2-tuple linguistic picture preference relation, Applied Soft Computing 60, 520-539, 2017 [41]R M Rodríguez, L Martínez, F Herrera, Hesitant fuzzy linguistic terms sets for decision making, IEEE Transactions on Fuzzy Systems 20, 109-119, 2012 [42]E Szmidt, J Kacprzyk, Medical diagnostic reasoning using a similarity measure for intuitionistic fuzzy sets, Notes on intuitionistic fuzzy sets 10 (4), 61-69, 2004 [43]T Tanino, On Group Decision Making Under Fuzzy Preferences, in: Multiperson Decision Making Using Fuzzy Sets and Possibility Theory, J Kacprzyk and M Fedrizzi (Eds.), Kluwer Academic Publishers, Dordrecht, 172-185, 1990 [44]V Torra, Hesitant fuzzy sets, International Journal of Intelligent Systems 25 (6), 529-539, 2010 [45]I B Turksen , Z Zhong, An approximate analogical reasoning approach based on similarity measures, IEEE Transactions on Systems, Man, and Cybernetics 18, 1049-1056, 1988 [46]J Q Wang, H B Li, Multi-criteria decision-making method based on aggregation operators for intuitionistic linguistic fuzzy numbers, Control and Decision 25 (10), 1571-1574, 1584, 2010 [47]X F Wang, J Q Wang, W E Yang, Multi-criteria group decision making method based on intuitionistic linguistic aggregation operators, Journal of Intelligent and Fuzzy Systems 26, 115-125, 2014 [48]J Wang, J Q Wang, H Y Zhang, X H Chen, Multi-criteria decision-making based on hesitant fuzzy linguistic term sets: An outranking approach, KnowledgeBased Systems 86, 224-236, 2015 [49]H Wang, Z S Xu, X J Zeng, Hesitant fuzzy linguistic term sets for linguistic decision making: Current developments, issues and challenges, Information Fusion 43, 1-12, 2018 [50]C P Wei , N Zhao, X J Tang, Operators and Comparisons of Hesitant Fuzzy Linguistic Term Sets, IEEE Transactions on Fuzzy Systems 22 (3), 575 - 585, 2014 [51]G W Wei, Picture 2-Tuple Linguistic Bonferroni Mean Operators and Their Application to Multiple Attribute Decision Making, International Journal of Fuzzy Systems 19 (4), 997-1010, 2017 [52]M M Xia, Z .S Xu, Managing hesitant information in GDM problems under fuzzy and multiplicative preference relations, International Journal of Uncertainty, Fuzziness and Knowledge-based Systems 21, 865-897, 2013 [53]Z S Xu, Uncertain Multiple Attribute Decision Making: Methods and Applica- tions, Tsinghua University Press, Beijing, China, 2004 [54]Z S Xu, A method based on linguistic aggregation operators for group decision making with linguistic preference relations, Information Sciences 166, 19-30, 2004 [55]Z S Xu, An overview of methods for determining OWA weights, International Journal of Intelligent Systems 20, 843-865, 2005 [56]Z S Xu, On generalized induced linguistic aggregation operators, International Journal of General Systems 35, 17-28, 2006 [57]Z S Xu, R R Yager, Some geometric aggregation operators based on intuitionistic fuzzy sets, International Journal of General Systems 35, 417-433, 2006 [58]Z S Xu, Intuitionistic fuzzy aggregation operators, IEEE Transactions on Fuzzy Systems 15, 1179-1187, 2007 [59]Z S Xu, Intuitionistic preference relations and their application in group decision making, Information Sciences 177, 2363-2379, 2007 [60]Z S Xu, Some similarity measures of intuitionistic fuzzy sets and their applications to multiple attribute decision making, Fuzzy Optimum Decision Making 6, 109- 121, 2007 [61]R R Yager, A new methodology for ordinal multi objective decisions based on fuzzy sets, Decision Sciences 12, 589-600, 1981 [62]R R Yager, On ordered weighted averaging aggregation operators in multicriteria decision making, IEEE Transactions on Systems, Man, and Cybernetics 18, 183-190, 1988 [63]R R Yager, Applications and extensions of OWA aggregations, International Journal of Man-Machine Studied 37, 103-132, 1992 [64]R R Yager, L S Goldstein, E Mendels, FUZMAR: An approach to aggregating market research data based on fuzzy reasoning, Fuzzy Sets and Systems 68, 1-11, 1994 [65]R R Yager, An approach to ordinal decision making, International Journal of Approximate Reasoning 12, 237-261, 1995 [66]R R Yager, A Rybalov, Understanding the median as a fusion operator, Interna- tional Journal of General Systems 26, 239-263, 1997 [67]R R Yager, Fusion of ordinal information using weighted median aggregation, International Journal of Approximate Reasoning 18, 35-52, 1998 [68]L A Zadeh, Fuzzy sets, Information and Control 8, 338-353, 1965 [69]L A Zadeh, Outline of a new approach to the analysis of complex systems and decision processes, IEEE Transactions on Systems, Man and Cybernetics SMC- 3(1), 28-44, 1973 [70]L A Zadeh, The concept of a linguistic variable and its application to approximate reasoning – I, Information Information Sciences 8, 199-249, 1975 [71]Y Zhang, H X Ma, B H Liu, J Liu, Group decision making with 2-tuple intuitionistic fuzzy linguistic preference relations, Soft Computing 16, 14391446, 2012 [72]M Bohanec’s Data, 1997 (http://archive.ics.uci.edu/ml/machine-learningdatabases/car/car.data) [73]J Schlimmer’s Data, 1987 (http://archive.ics.uci.edu/ml/machine- learning-databases/mushroom/agaricus-lepiota.data) [74]R A Fisher’s Data, 1988 (http://archive.ics.uci.edu/ml/machine-learningdatabases/iris/iris.data) ... TRƯèNG ĐAI HOC KHOA HOC TU NHIÊN Pham Hong Phong M®T SO PHƯƠNG PHÁP TÍNH TỐN DUA TRÊN TÙ NGƠN NGU TRUC CÁM VÀ ÚNG DUNG Chuyên ngành: Cơ sá Toán cho Tin HQC Mã so: 62.46.01.10 LU¾N ÁN TI€N SĨ TỐN... CW toán quyet đinh t¾p the .26 2.1 So sánh thài gian thnc thi (giây) Quy trình1.1 và2 .1 Trnc hồnh the hi¾n so phương án (đong thài so chun gia), trnc tung the hi¾n thài gian tính tốn (tính. .. đ%nh lưang, ta can quan tâm đen chi tiêu đ%nh tính Ví dn đoi vái dn án cơng ngh¾ thơng tin, m®t so chi tiêu đ%nh tính tính may rui, tính khã thi tính tương thích Ngồi vi¾c đánh giá HQC sinh theo