1.2. HỆ DỰA TRÊN LUẬT NGƠN NGỮ MỜ
1.2.3. Những vấn đề tồn tại
Hệ phân lớp dựa trên luật ngơn ngữ mờ được cộng đồng các nhà khoa học quan tâm nghiên cứu rộng rãi và đã đạt được kết quả khá tốt so với các tiếp cận khác. Trong hướng nghiên cứu này vẫn cịn nhiều vấn đề tồn tại cần phải nghiên cứu, giải quyết.
- Hầu hết các phương pháp thiết kế FLRBC được đề xuất đều sinh các luật ngơn ngữ mờ dựa trên các phân hoạch mờ với các tập mờ được thiết kế sẵn. Mặc dù cĩ một số kỹ thuật sinh tự động các phân hoạch mờ dựa trên cơng nghệ tính tốn hạt (granular computing) nhưng vẫn là tiếp cận hiệu chỉnh các tham số của hàm thuộc thích nghi với dữ liệu. Do vậy, các đề xuất theo hướng tiếp cận lý thuyết tập mờ vẫn thiếu một cơ chế hình thức liên kết giữa ngữ nghĩa vốn cĩ của các từ ngơn ngữ với các tập mờ tương ứng của chúng; thiếu một cơ sở hình thức hĩa tốn học trong thiết kế tự động ngữ nghĩa tính tốn dựa trên tập mờ từ ngữ nghĩa vốn cĩ của các từ ngơn ngữ, dẫn đến hệ phân lớp thu được khơng là kết quả của sự tương tác giữa ngữ nghĩa của các từ ngơn ngữ với dữ liệu.
- Do các từ ngơn ngữ được gán cho các tập mờ dựa trên cảm nhận trực giác của người thiết kế nên chưa cĩ cơ chế hình thức đánh giá tính khái quát và tính cụ thể của các từ ngơn ngữ và bài tốn thiết kế các thể hạt (granularity) cho các phân hoạch mờ trên miền các thuộc tính đảm bảo sự cân bằng giữa tính khái quát và tính cụ thể của các từ ngơn ngữ chưa được đặt ra.
- Tồn tại nhiều dạng bài tốn phân lớp khác nhau đang được các nhà nghiên cứu quan tâm giải quyết bằng FLRBC, do phải cần cĩ những kỹ thuật xử lý riêng như: bài tốn phân lớp đối với các tập dữ liệu lớn, các tập dữ liệu cĩ số chiều lớn, các tập dữ liệu cĩ nhiều mẫu dữ liệu, các tập dữ liệu thiếu thơng tin, các tập dữ liệu cĩ số mẫu dữ liệu khơng cân bằng đối với các nhãn lớp; bài tốn học nửa giám sát (semi-supervised learning); bài tốn học với dữ liệu trực tuyến.