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: 50,150,662

 Mô hình tích hợp f-SVM và tri thức tiên nghiệm cho bài toán dự báo hồi quy
walgreens prints coupons open free printable coupons
walgreens pharmacy coupon site promo codes walgreens
Tác giả hoặc Nhóm tác giả: Nguyễn Đức Hiển, Lê Mạnh Thạnh
cvs weekly sale shauneutsey.com prescription savings cards
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.
abortion stories gone wrong read teenage abortion facts
© Đại học Đà Nẵng
 
 
Địa chỉ: 41 Lê Duẩn Thành phố Đà Nẵng
Điện thoại: (84) 0236 3822 041 ; Email: dhdn@ac.udn.vn