Luận án tiến hành nghiên cứu và phát triển các phương pháp xây dựng mô hình RBF thưa với số lượng tối thiểu các hàm cơ sở trên các tập dữ liệu lớn theo hai hướng tiếp cận khác nhau là hàm quyết định với lề cực đại (maximummargin) và mô hình xác suất Baysian (sparse Baysian learning). | ĐẠI HỌC QUỐC GIA HÀ NỘI TRƯỜNG ĐẠI HỌC CÔNG NGHỆ Phạm Quốc Thắng NÂNG CAO HIỆU NĂNG CÁC PHƯƠNG PHÁP PHÂN LOẠI ĐỐI TƯỢNG TRONG ẢNH Chuyên ngành Khoa học máy tính Mã số TÓM TẮT LUẬN ÁN TIẾN SĨ CÔNG NGHỆ THÔNG TIN Hà Nội 2020 Công trình được hoàn thành tại Trường Đại học Công nghệ Đại học Quốc gia Hà Nội Người hướng dẫn khoa học Nguyễn Thanh Thủy Nguyễn Đức Dũng Phản biện . . Phản biện . . Phản biện . . Luận án sẽ được bảo vệ trước Hội đồng cấp Đại học Quốc gia chấm luận án tiến sĩ họp tại . vào hồi giờ ngày tháng năm Có thể tìm hiểu luận án tại - Thư viện Quốc gia Việt Nam - Trung tâm Thông tin - Thư viện Đại học Quốc gia Hà Nội Mở đầu Tính cấp thiết của đề tài nghiên cứu Phân loại phân lớp classfication là một tiến trình xử lý nhằm xếp các dữ liệu hay các đối tượng nào đó vào một trong các lớp đã được định nghĩa trước. Nhìn chung trong các bài toán phân loại đối tượng như nhận dạng ngôn ngữ ký hiệu cử chỉ hành động biển báo giao thông. yêu cầu đặt ra thường là đạt được kết quả nhận dạng chính xác cao thời gian thực hiện nhanh thì hệ thống ứng dụng mới có ý nghĩa thực tiễn. Mô hình hàm cơ sở radial basis function models - RBF là một trong những mô hình được sử dụng rộng rãi trong nhiều ứng dụng khác nhau như phân loại xấp xỉ hàm dự đoán dữ liệu theo thời gian. Trong thực tế các mô hình RBF đã đạt được hiệu năng dự đoán tiên tiến nhất trong nhiều ứng dụng như nhận dạng hình ảnh nhận dạng chữ số viết tay và nhận dạng cử chỉ của con người. Một mục tiêu chung của những phương pháp được đề xuất trong thời gian gần đây là tìm kiếm các mô hình RBF có cấu trúc đơn giản với số lượng ít các hàm cơ sở mô hình RBF thưa . Tốc độ tính toán của mô hình RBF thưa liên quan trực tiếp đến số lượng các hàm cơ sở. Với càng ít hàm cơ sở mô hình RBF thưa cho kết quả càng nhanh và hệ thống có thể xử lý một lương thông tin nhiều hơn trong cùng một đơn vị thời gian. Sự đơn giản của các mô hình RBF thưa mang ý nghĩa thực tế quan trọng trong các ứng dụng với yêu cầu xử
