Home
Giới thiệu
Tài khoản
Đăng nhập
Quên mật khẩu
Đổi mật khẩu
Đăng ký tạo tài khoản
Liệt kê
Công trình khoa học
Bài báo trong nước
Bài báo quốc tế
Sách và giáo trình
Thống kê
Công trình khoa học
Bài báo khoa học
Sách và giáo trình
Giáo sư
Phó giáo sư
Tiến sĩ
Thạc sĩ
Lĩnh vực nghiên cứu
Tìm kiếm
Cá nhân
Nội dung
Góp ý
Hiệu chỉnh lý lịch
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: 107,639,778
ỨNG DỤNG MÔ HÌNH MÁY HỌC VÉC-TƠ TỰA (SVM) TRONG PHÂN TÍCH DỮ LIỆU ĐIỂM SINH VIÊN
Tác giả hoặc Nhóm tác giả:
Nguyễn Đức Hiển
Nơi đăng:
Tạp chí Khoa học và Công nghệ - Đại học Đà Nẵng;
S
ố:
12(73).2013;
Từ->đến trang
: 33-37;
Năm:
2013
Lĩnh vực:
Công nghệ thông tin;
Loại:
Bài báo khoa học;
Thể loại:
Trong nước
TÓM TẮT
Bài báo này đề xuất ứng dụng mô hình kết hợp máy học véc-tơ tựa và hệ thống mờ trong việc trích xuất luật mờ từ dữ liệu điểm sinh viên. Máy học Véc-tơ tựa (SVMs) và hệ thống luật mờ có sự tương đương nhau với một số điều kiện nhất định. Trên cơ sở phân tích sự tương đương giữa mô hình máy học Véc-tơ tựa với mô hình mờ (Fuzzy model), chúng tôi đề xuất một mô hình tích hợp SVMs và Fuzzy model để trích xuất luật mờ từ kết quả huấn luyện SVMs. Thuật toán f-SVM cho phép sản xuất được các luật mờ từ dữ liệu huấn luyện. Dữ liệu điểm thực tế của sinh viên được sử dụng để kiểm tra khả năng thực hiện của mô hình đề xuất. Tập luật mờ trích xuất được từ tập dữ liệu huấn luyện bằng thuật toán f-SVM, sẽ được sử dụng để suy luận trên tập dữ liệu thử nghiệm.
Từ khóa: Máy học véc-tơ tựa; mô hình mờ; khai phá luật kết hợp; khai phá dữ liệu; luật mờ
walgreens pharmacy coupon
walgreen online coupons
promo codes walgreens
ABSTRACT
This paper proposed an application of a combining model based on the support vector machine and fuzzy system to extract fuzzy rules from the student score data. The support vector machines and fuzzy rule systems are functionally equivalent under some conditions. Based on the discussions about the equivalence between SVMs and the Fuzzy model, we proposed a combining model for extracting fuzzy rules from the trained SVMs. The f-SVM algorithm allows us to extract the fuzzy rules from the training data set. The real data sets of student scores were used to examine the performance of the proposed model. The fuzzy rules obtained from the training data using f-SVM algorithm is tested on the testing data.
Key words: support vector machine; Fuzzy model; Association Rule Discovery / Association Rule mining; data mining; fuzzy rules
© Đại học Đà Nẵng
Địa chỉ: 41 Lê Duẩn Thành phố Đà Nẵng
Điện thoại: (84) 0236 3822 041 ; Email: dhdn@ac.udn.vn