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: 106,992,996

 Tối ưu hóa tập luật mờ hướng dữ liệu bằng giải pháp rút gọn tập thuộc tính dữ liệu đầu vào
Tác giả hoặc Nhóm tác giả: Nguyễn Đức Hiển
Nơi đăng: Kỷ yếu Hội thảo khoa học quốc gia CITA 2019; Số: ISBN: 978-604-84-4453-2;Từ->đến trang: 230-238;Năm: 2019
Lĩnh vực: Công nghệ thông tin; Loại: Bài báo khoa học; Thể loại: Trong nước
TÓM TẮT
Trích xuất tập luật mờ từ dữ liệu bằng công cụ máy học là hướng tiếp cận phổ biến để xây dựng cơ sở luật cho các mô hình mờ. Vấn đề tối ưu hóa các tập luật mờ trích xuất từ dữ liệu vẫn đang được tiếp tục quan tâm nghiên cứu giải quyết, đặc biệt là tăng tính diễn dịch của tập luật. Trong bài báo này, tác giả đề xuất kết hợp giải pháp lựa chọn tập thuộc tính mRMR (minimal-redundancy-maximal-relevance criterion) trong quá trình xử lý dữ liệu để có thể cải thiện tính diễn dịch của tập luật trích xuất được. Giải pháp đề xuất được đưa vào để xây dựng một mô hình nhiều giai đoạn ứng dụng giải quyết một bài toán dự báo cụ thể và được thực nghiệm trên dữ liệu thật để chứng tỏ hiệu quả dự báo.
ABSTRACT
© Đại học Đà Nẵng
 
 
Địa chỉ: 41 Lê Duẩn Thành phố Đà Nẵng
Điện thoại: (84) 0236 3822 041 ; Email: dhdn@ac.udn.vn