Đối với lý thuyết mô hình hóa mờ (fuzzy modelling) và máy học véc-tơ hỗ trợ, đề tài đã nghiên cứu những lý thuyết toán học cơ bản của mô hình mờ TSK, và của mô hình máy học SVM cho bài toán phân lớp và bài toán tối ưu hóa hồi quy.

Đối với giải pháp tối ưu hóa mô hình mờ hướng dữ liệu dựa trên máy học véc-tơ hỗ trợ hồi quy, đề tài đã nghiên cứu những giải pháp tối ưu hóa tham số các hàm thành viên mờ, rút gọn tập luật mờ trích xuất được bằng kỹ thuật phân cụm k-Means.

Đối với việc xây dựng mô hình mờ giải quyết bài toán dự báo hồi quy, đề tài đã đề xuất một mô hình xuyên suốt từ việc phân cụm dữ liệu đầu cho đến việc xác định giá trị tham số tối ưu và thử nghiệm dự báo dựa vào mô hình.

Hiệu quả về mặt giáo dục - đào tạo: Kỹ thuật trích xuất luật mờ từ dữ liệu dựa trên máy học véc-tơ hỗ trợ với thuật toán fm-SVM* và mô hình tích hợp nhiều giai đoạn cho bài toán dự báo dữ liệu chuỗi thời gian là một hướng để sinh viên ngành CNTT có thể phát triển các ứng dụng khai phá dữ liệu, hệ chuyên gia dự báo, ...

Hiệu quả về mặt khoa học: đóng góp của đề tài là đề xuất thuật toán – fm-SVM* cho phép trích xuất mô hình mờ từ máy học véc-tơ hỗ trợ và mô hình mờ hướng dữ liệu tích hợp nhiều giai đoạn cho bài toán dự báo dữ liệu chuỗi thời gian.
Về sản phẩm ứng dụng: Mô hình đề xuất là một thiết kế cho việc xây dựng mô hình mờ hướng dữ liệu để giải quyết các bài toán phân tích dữ liệu tài chính, hệ chuyên gia dự đoán, dự báo.