Home
- Giảm 10% phí tải tài liệu khi like và share website
- Tặng 1 bộ slide thuyết trình khi tải tài liệu
- Giảm 5% dịch vụ viết thuê luận văn thạc sĩ của Luận Văn A-Z
- Giảm 2% dịch vụ viết thuê luận án tiến sĩ của Luận Văn A-Z
Nghiên Cứu Phát Triển Các Phương Pháp Cập Nhật Bảng Quyết Định Phủ Động Và Xử Lý Mất Cân Bằng Dữ Liệu Dựa Trên Tập Thô Mờ
100.000 VNĐ
Luận án tập trung vào nghiên cứu và phát triển các phương pháp cập nhật bảng quyết định phủ động và xử lý mất cân bằng dữ liệu dựa trên tập thô mờ. Nghiên cứu các bài toán cập nhật tăng cường các quyết định ba nhánh và tập xấp xỉ trong hệ thông tin đầy đủ và không đầy đủ động, cùng với các kỹ thuật cân bằng dữ liệu đối với các tập dữ liệu mất cân bằng. Đề xuất hai phương pháp cập nhật tăng cường trong không gian xấp xỉ và không gian xấp xỉ phủ động, đồng thời cải tiến thuật toán cân bằng dữ liệu và tối ưu hóa ngưỡng để việc cân bằng dữ liệu đạt hiệu quả cao hơn.
1. Thông tin Luận án
- Tên Luận án: NGHIÊN CỨU PHÁT TRIỂN CÁC PHƯƠNG PHÁP CẬP NHẬT BẢNG QUYẾT ĐỊNH PHỦ ĐỘNG VÀ XỬ LÝ MẤT CÂN BẰNG DỮ LIỆU DỰA TRÊN TẬP THÔ MỜ
- Tác giả: TRẦN THỊ THANH HUYỀN
- Số trang file pdf: 126
- Năm: 2025
- Nơi xuất bản: Hà Nội
- Chuyên ngành học: Cơ sở toán học cho tin học
- Từ khoá: Tập thô, Tập thô mờ, Quyết định ba nhánh, Cập nhật tăng cường, Dữ liệu mất cân bằng, Không gian xấp xỉ phủ động
Luận Văn AZ giới thiệu đến bạn thông tin chi tiết về một luận án nghiên cứu khoa học xuất sắc. Để bài thuyết trình luận văn tốt nghiệp thêm phần sinh động, bạn có thể tham khảo các mẫu slide trình bày đẹp mắt. Với số trang file pdf là 126, luận án này cung cấp một lượng kiến thức chuyên sâu và chi tiết.
2. Nội dung chính
Luận án tập trung vào hai vấn đề chính: cập nhật tăng cường bảng quyết định phủ động và xử lý mất cân bằng dữ liệu, cả hai đều dựa trên lý thuyết tập thô mờ. Về cập nhật bảng quyết định, luận án đề xuất phương pháp cập nhật các quyết định ba nhánh trong hệ thống thông tin không đầy đủ khi tập đối tượng thay đổi đồng thời do việc thêm và xóa các đối tượng, cũng như khi các giá trị thuộc tính của đối tượng thay đổi. Mục tiêu là tối ưu hóa thời gian và công sức tính toán bằng cách tận dụng các thông tin đã có trước đó thay vì tính toán lại từ đầu. Luận án cũng đề xuất phương pháp cập nhật các tập xấp xỉ phân cấp trong không gian xấp xỉ phủ động, dựa trên việc khảo sát sự thay đổi của hàm thành viên thô dạng ba.
Trong lĩnh vực xử lý mất cân bằng dữ liệu, luận án cải tiến các thuật toán trích chọn dữ liệu dựa trên tập thô mờ để giảm sự mất cân bằng dữ liệu trong bảng quyết định. Luận án đề xuất một thuật toán mới, MFRIS3, và một thuật toán tối ưu hóa ngưỡng. Các thuật toán này được thiết kế để giữ lại các đối tượng quan trọng từ lớp thiểu số và hiệu quả loại bỏ các đối tượng không liên quan hoặc nhiễu từ lớp đa số. Mục tiêu là nâng cao hiệu suất phân loại và cải thiện độ chính xác của các mô hình học máy trên dữ liệu mất cân bằng.
Luận án trình bày chi tiết về các khái niệm cơ bản của lý thuyết tập thô, bao gồm hệ thống thông tin đầy đủ và không đầy đủ, quan hệ dung sai, tập mờ, tập thô mờ, không gian xấp xỉ phủ, và quyết định ba nhánh. Luận án cũng khảo sát các nghiên cứu trước đây về cập nhật tăng cường trong các hệ thống thông tin động và các phương pháp cân bằng dữ liệu bằng tập thô mờ. Từ đó xác định những vấn đề còn tồn tại và đề xuất các giải pháp mới. Luận án sử dụng cả phương pháp nghiên cứu lý thuyết và thực nghiệm để giải quyết các vấn đề nghiên cứu. Về lý thuyết, luận án đưa ra các định lý và mệnh đề được chứng minh chặt chẽ. Về thực nghiệm, luận án thực hiện cài đặt các thuật toán, thử nghiệm trên các bộ dữ liệu chuẩn từ UCI và KEEL, đồng thời so sánh hiệu suất của các thuật toán đề xuất với các thuật toán hiện có.
Luận án đóng góp vào lĩnh vực lý thuyết tập thô và các ứng dụng của nó trong khai phá dữ liệu và học máy. Phương pháp cập nhật tăng cường giúp xử lý dữ liệu động một cách hiệu quả, trong khi các thuật toán cân bằng dữ liệu cải thiện hiệu suất phân loại trên dữ liệu mất cân bằng. Các kết quả nghiên cứu có thể được áp dụng trong nhiều lĩnh vực khác nhau, từ y học, kinh tế đến kỹ thuật, nơi dữ liệu thường xuyên thay đổi và không cân bằng. Hướng nghiên cứu tiếp theo có thể tập trung vào việc xây dựng thuật toán cho các phương pháp cập nhật đã đề xuất, thử nghiệm thuật toán cân bằng dữ liệu trên hệ thống thông tin không đầy đủ và khám phá các ứng dụng thực tế khác của các phương pháp này.
