Trong nội dung của bài viết này, tác giả trình bày một số khái niệm lí thuyết về quan hệ mờ quan trọng; chỉ ra có thể vận dụng tính chất của nó để đề xuất thuật toán phân cụm theo khoảng cách độ đo và tiến hành triển khai tường minh các bước giải thuật phân cụm theo khoảng cách độ đo. | JOURNAL OF SCIENCE OF HNUE Natural Sci. 2014 Vol. 59 No. 4 pp. 96-105 This paper is available online at http MỐI LIÊN QUAN GIỮA KHÁI NIỆM TÍNH BAO ĐÓNG BẮC CẦU MIN - MAX VỚI THUẬT TOÁN PHÂN CỤM THEO KHOẢNG CÁCH ĐỘ ĐO Phạm Thanh Huyền Bộ môn Tin học Khoa Tự nhiên Trường Cao Đẳng Sư phạm Quảng Ninh Tóm tắt. Điểm giống nhau mà hầu hết các thuật toán phân cụm theo độ đo khoảng cách thuật toán k-means thuật toán c-means là đều phụ thuộc vào khả năng chọn số cụm và tập tâm cụm ban đầu. Điều này ảnh hưởng lớn đến hiệu quả thực hiện của thuật toán thậm chí dẫn đến kết quả thu được không có chất lượng. Trong bài báo này chúng tôi xây dựng thuật toán phân cụm dựa vào khoảng cách Min - Max tạm đặt tên là thuật toán phân cụm theo khoảng cách Min - Max . Thuật toán này được đảm bảo hiệu quả dựa vào tính chất độ đo khoảng cách Euclide hoặc khoảng cách Hamming và vận dụng khái niệm tính bao đóng Min - Max. Nói cách khác chúng tôi đề xuất xây dựng thuật toán phân cụm theo khoảng cách Min - Max không phụ thuộc vào việc lựa chọn trước tập tâm cụm mà chỉ phụ thuộc vào n đối tượng cần phân cụm và việc xác định độ đo giữa các đối tượng đó. Từ khóa Phân cụm độ đo khoảng cách bao đóng Min - Max 1. Mở đầu Phân cụm Clustering là sắp xếp các đối tượng theo từng cụm dữ liệu tự nhiên tức là số lượng và tên cụm chưa được biết trước. Các đối tượng được gom cụm sao cho mức độ tượng tự giữa các đối tượng trong cùng một cụm là lớn nhất và mức độ tương tự giữa các đối tượng nằm trong các cụm khác nhau là nhỏ nhất. Phân cụm được sử dụng rộng rãi trong nhiều ứng dụng như nhận dạng mẫu phân tích dữ liệu xử lí ảnh nghiên cứu vũ trụ nén ảnh và phân khúc ảnh. Trong thực tế người ta đã áp dụng lí thuyết tập mờ trong phân cụm dữ liệu để giải quyết những kiểu đối tượng này 2 . Phân cụm phân tích các đối tượng dữ liệu khi chưa biết nhãn của lớp. Nhãn của các lớp không tồn tại trong suốt quá trình huấn luyện dữ liệu. Việc phân cụm sẽ xác định nhãn của lớp. Mỗi cụm được tạo thành có thể xem .
