Mục tiêu của luận án là đề xuất các thuật toán học bằng cây quyết định mờ nhằm đạt hiệu quả trong dự đoán và đơn giản đối với người dùng. Để đáp ứng cho các mục tiêu nghiên cứu trên, luận án tập trung nghiên cứu các nội dung chính sau: Nghiên cứu các thuật toán học cây truyền thống CART, ID3, , , SLIQ, SPRINT trên mỗi tập mẫu huấn luyện để tìm một phương pháp học phù hợp. | Tóm tắt Luận án tiến sĩ: Phân lớp dữ liệu bằng cây quyết định mờ dựa trên đại số gia tử ĐẠI HỌC HUẾ TRƢỜNG ĐẠI HỌC KHOA HỌC LÊ VĂN TƢỜNG LÂN PHÂN LỚP DỮ LIỆU BẰNG CÂY QUYẾT ĐỊNH MỜ DỰA TRÊN ĐẠI SỐ GIA TỬ CHUYÊN NGÀNH: KHOA HỌC MÁY TÍNH MÃ SỐ: TÓM TẮT LUẬN ÁN TIẾN SĨ KHOA HỌC MÁY TÍNH Ngƣời hƣớng dẫn khoa học 1. . Nguyễn Mậu Hân 2. TS. Nguyễn Công Hào HUẾ – NĂM 2018 MỞ ĐẦU 1. Lý do chọn đề tài Trong thực tế, các khái niệm mờ luôn tồn tại nên với việc quan niệm các đối tượng được sử dụng phải luôn rõ ràng ở trong logic cổ điển sẽ không không đủ miêu tả các vấn đề của thế giới thực. Năm 1965, L. A. Zadeh đã đề xuất hình thức hóa toán học của khái niệm mờ, từ đó lý thuyết tập mờ được hình thành và ngày càng thu hút sự nghiên cứu của nhiều tác giả. Năm 1990, . Ho & W. Wechsler đã khởi xướng phương pháp tiếp cận đại số đến cấu trúc tự nhiên của miền giá trị của các biến ngôn ngữ. Theo cách tiếp cận này, mỗi giá trị ngôn ngữ của một biến ngôn ngữ nằm trong một cấu trúc đại số gọi là đại số gia tử (ĐSGT). Trên cơ sở đó, đã có nhiều nghiên cứu của nhiều tác giả trong các lĩnh vực: điều khiển mờ và lập luận mờ, cơ sở dữ liệu mờ, phân lớp mờ, và đã cho chúng ta nhiều kết quả rất khả quan, có khả năng ứng dụng tốt. Hiện nay, khai phá dữ liệu là bài toán cần ưu tiên cần giải quyết mà phân lớp dữ liệu là một quá trình quan trọng của khai phá dữ liệu. Đó là quá trình chia các đối tượng dữ liệu thành các lớp dựa trên các nét đặc trưng của tập dữ liệu. Các phương pháp thường được sử dụng trong quá trình học phân lớp như: thống kê, mạng nơron, cây quyết định, trong đó cây quyết định là một giải pháp hữu hữu hiệu. Đã có nhiều nghiên cứu để xây dựng nó mà nổi bật là các thuật toán học quy nạp như CART, ID3, , SLIQ, SPRINT, LDT, LID3,. Tuy vậy, các cách tiếp cận cho việc học phân lớp bằng cây quyết định hiện nay vẫn còn nhiều vấn đề cần giải quyết: - Xây dựng cây quyết định dựa .
