Science curiculum vitae personally - University of Da Nang




	Thông tin chung

	English

	Đề tài NC khoa học
	Bài báo, báo cáo khoa học
	Hướng dẫn Sau đại học
	Sách và giáo trình
	Các học phần và môn giảng dạy
	Giải thưởng khoa học, Phát minh, sáng chế
	Khen thưởng
	Thông tin khác

	Tài liệu tham khảo

	Hiệu chỉnh


Số người truy cập: 107,662,890

Mô hình tích hợp f-SVM và tri thức tiên nghiệm cho bài toán dự báo hồi quy

Tác giả hoặc Nhóm tác giả: Nguyễn Đức Hiển, Lê Mạnh Thạnh

Nơi đăng: Tạp chí Khoa học Đai học Huế; Số: T. 106, S. 7 (2015);Từ->đến trang: 1-14;Năm: 2015

Lĩnh vực: Công nghệ thông tin; Loại: Bài báo khoa học; Thể loại: Trong nước

TÓM TẮT

Bài báo này đề xuất một mô hình mờ dựa trên sự tích hợp tri thức tiên nghiệm (a priori knowledge) với F-SVM (Support Vector Machines-based Fuzzy model) cho bài toán dự báo hồi quy. Mô hình này tiếp cận theo hướng trích xuất các tập luật mờ “có thể diễn dịch được” cho hệ dự báo dựa trên sự kết hợp các mô hình máy học thống kê. Bằng cách tích hợp tri thức tiên nghiệm với mô hình mờ dựa trên SVM (thuật toán SVM-IF), hệ thống luật mờ trích xuất được sẽ giảm đi tính phức tạp và được tối ưu hóa. Ngoài ra trong mô hình đề xuất, không gian dữ liệu đầu vào được phân chia thành các cụm tách rời bằng thuật toán SOM (Self-Organizing Map) trước khi ứng dụng SVM-IF để trích xuất ra các tập luật mờ. Các tập luật mờ sẽ được sử dụng để dự báo theo các thuật toán suy luận mờ. Hiệu quả của mô hình đề xuất được đánh giá thông qua mô hình thực nghiệm dự đoán giá cổ phiếu.

ABSTRACT

This paper proposed a fuzzy model based on the intergartion of a priori knowledge and Support vector machines-based fuzzy model (F-SVM) for regression prediction. The extraction of intepretable fuzzy rules from data based on the combination of statistical machine learning models is the foundation of this proposed approach. By integrating a priori knowlegde with a SVM-based fuzzy model (SVM-IF algorithm), the extracted fuzzy set is optimized and reduces the complication. Further, in the proposed model, the input data space is divided into seperated clusters by SOM (Self-Organizing Map) before application of SVM-IF to extract fuzzy sets. Then fuzzy rules sets are used to predict the test data using fuzzy inference algorithms. The performance of the proposed approach is assessed through the stock price-prediction experimental model.

Địa chỉ: 41 Lê Duẩn Thành phố Đà Nẵng

Điện thoại: (84) 0236 3822 041 ; Email: dhdn@ac.udn.vn