Nghiên cứu này đề xuất một giải pháp trích xuất tập luật mờ TSK từ máy học véc tơ hỗ trợ, trong đó có kết hợp giải pháp phân cụm K-Means để rút gọn tập luật. Hiệu quả của giải pháp đề xuất được đánh giá thông qua các kết quả thực nghiệm và có sự so sánh với kết quả của một số thực nghệm trên mô hình khác. | 230 KỶ YẾU HỘI THẢO KHOA HỌC QUỐC GIA CITA 2017 CNTT VÀ ỨNG DỤNG TRONG CÁC LĨNH VỰC Rút gọn tập luật mờ trích xuất từ máy học Véc-tơ hỗ trợ bằng cách tích hợp thuật toán phân cụm k-Means Nguyễn Đức Hiển1 1 Trường Cao đẳng Công nghệ thông tin Đại học Đà Nẵng ndhien@ Tóm tắt. Mô hình mờ TSK và mô hình máy học véc-tơ hỗ trợ hồi quy có sự tương đương nhau trong một số điều kiện nhất định. Bằng cách thỏa mãn các điều kiện đề đồng nhất các hàm đầu ra của mô hình mờ TSK và máy học véc-tơ hỗ trợ hồi quy chúng ta có thể xây dựng một thuật toán cho phép trích xuất mô hình mờ TSK từ máy học véc-tơ hỗ trợ. nghiên cứu này đề xuất một giải pháp trích xuất tập luật mờ TSK từ máy học véc tơ hỗ trợ trong đó có kết hợp giải pháp phân cụm K-Means để rút gọn tập luật. Hiệu quả của giải pháp đề xuất được đánh giá thông qua các kết quả thực nghiệm và có sự so sánh với kết quả của một số thực nghệm trên mô hình khác. Từ khóa Mô hình mờ TSK Máy học Véc-tơ hỗ trợ Mô hình mờ hướng dữ liệu. 1 Đặt vấn đề Mô hình mờ được biết đến như là một mô hình khá hiệu quả trong việc xử lý những thông tin mơ hồ và không chắc đó chắn đồng thời nó cũng thể hiện những lợi thế rõ ràng trong việc biểu diễn và xử lý tri thức. Hoạt động của mô hình mờ phụ thuộc nhiều vào hệ thống các luật mờ và quá trình suy diễn trên tập luật mờ đó. Đã có nhiều tác giả nghiên cứu và đề xuất các phương thức để xây dựng các mô hình mờ hướng dữ liệu 3 4 5 6 7 8 9 10 . Vấn đề trích xuất mô hình mờ từ máy học véc-tơ hỗ trợ SVM - Support Vector Machine được nhóm tác giả Chiang và P. Y Hao nghiên cứu và công bố lần đầu tiên trong 3 . Một trong những vấn đề của máy học véc-tơ hỗ trợ là tính chính xác của mô hình thu được tỷ lệ thuận với số lượng support-vector Sv sinh ra điều này đồng nghĩa với việc số lượng luật mờ của mô hình mờ trích xuất được sẽ tăng lên. Nói cách khác là khi tăng hiệu suất của mô hình thì đồng nghĩa với việc làm giảm tính sáng sủa tính có thể hiểu được của mô hình. Như vậy vấn đề đặt ra là làm thế
