ĐẠI HỌC ĐÀ NẴNG
TRƯỜNG CĐ CÔNG NGHỆ THÔNG TIN
BÁO CÁO TỔNG KẾT
ĐỀ TÀI KHOA HỌC VÀ CÔNG NGHỆ
CẤP CƠ SỞ
MÔ HÌNH DỰ BÁO GIÁ CỔ PHIẾU
DỰA TRÊN VIỆC TÍCH HỢP MÔ HÌNH MỜ TSK
VÀ TRI THỨC TIÊN NGHIỆM
Mã số: T2017-07-02
Xác nhận của cơ quan chủ trì đề tài Chủ nhiệm đề tài
Nguyễn Đức Hiển
Đà Nẵng, 12/2017
i
MC LC
MC LC .............................................................................................................................. i
DANH MC HÌNH VẼ ....................................................................................................... iii
DANH MC BẢNG BIỂU .................................................................................................. iv
DANH MC CÁC TỪ VIẾT TẮT ....................................................................................... v
THÔNG TIN KẾT QUẢ NGHIÊN CỨU ............................................................................ vi
MỞ ĐẦU ............................................................................................................................... 1
1. Tổng quan ................................................................................................................... 1
2. Tính cấp thiết của đề tài .............................................................................................. 2
3. Mục tiêu đề tài ............................................................................................................ 2
4. Cách tiếp cận và phương pháp nghiên cứu ................................................................. 3
5. Đối tượng và phạm vi nghiên cứu .............................................................................. 4
6. Nội dung nghiên cứu .................................................................................................. 4
Chương 1. CƠ SỞ L THUYẾT MÔ HÌNH MỜ TSK VÀ MÁY HỌC VC-TƠ .............. 6
1.1. Mô hình mờ ............................................................................................................. 6
1.1.1. Mô hình mờ Mamdani ....................................................................................... 13
1.1.2. Mô hình mờ Takagi-Sugeno .............................................................................. 14
1.2. Cơ sở lý thuyết Máy học Véc-tơ hỗ trợ ................................................................ 15
1.2.1. Máy học Véc-tơ hỗ trợ ...................................................................................... 15
1.2.2. Máy học Véc-tơ hỗ trợ cho vấn đề tối ưu hóa hồi qui ...................................... 17
1.3. Sự tương tự giữa máy học Véc-tơ hỗ trợ và mô hình mờ ..................................... 18
1.4. Trích xuất luật mờ t dữ liu dựa trên sự kết hợp máy học SVM và mô hình ..... 20
Chương 2. VIỆC HỌC MÔ HÌNH MỜ VỚI TRI THỨC TIÊN NGHIỆM ................. Error!
Bookmark not defined.
2.1. Vai trò của tri thức tiên nghim .................................Error! Bookmark not defined.
2.2. Học dựa trên sự giải thích (EBL) ..............................Error! Bookmark not defined.
2.3. Học dựa trên sự thích hợp (RBL) ..............................Error! Bookmark not defined.
2.4. Học quy nạp dựa trên tri thức (KBIL) .......................Error! Bookmark not defined.
Chương 3. TÍCH HỢP TRI THỨC TIÊN NGHIỆM VÀO QUÁ TRÌNH HỌC ................ 22
3.1. Điều kin đảm bảo tính “có thể diễn dịch được” của mô hình mờ ........................... 22
ii
3.2. Tích hợp tri thức tiên nghim trong mô hình mờ dựa trên máy học véc-tơ hỗ trợ ... 24
Chương 4. MỘT SỐ KẾT QUẢ THỰC NGHỆM .............................................................. 27
4.1. Ví dụ hồi quy phi tuyến tính ......................................Error! Bookmark not defined.
4.2. Chuỗi thời gian hỗn loạn Mackey-Glass ...................Error! Bookmark not defined.
4.3. H thống Lorenz ........................................................Error! Bookmark not defined.
KẾT LUẬN VÀ KIẾN NGHỊ ............................................................................................. 33
TÀI LIỆU THAM KHẢO ...................................................................................................... i
iii
DANH MC HÌNH VẼ
Hình 1. Cấu trúc của một mô hình mờ .......................................................................... 6
Hình 2. Hình ảnh phân lớp với SVM ........................................................................... 11
Hình 3. Sự tương đương giữa SVM và Mô hình mờ .................................................. 14
Hình 4. Sơ đồ khối thuật toán f-SVM .............................................................................. .16
Hình 5. Mô hình học EBL .............................................................................................. 18
Hình 6. Mô hình học RBL .............................................................................................. 19
Hình 7. Mô hình học KBIL ............................................................................................ 20
Hình 8. Thuật toán SVM-IF ......................................................................................... 25
Hình 9. Kết quả mô hình đã tối ưu hóa (RMSE = 0.0183) ...................................... 28
Hình 10. Kết quả dự đoán trên 200 mẫu dữ liệu thử nghiệm (RMSE = 0.0092) .. 31
Hình 11. (a) Kết quả mô hình đã tối ưu hóa (RMSE = 0.0043), (b)(c)(d) Các hàm thành
viên tương ứng x(t-1), y(t-1) và x(t-1) ............................................................................. 33
iv
DANH MC BẢNG BIỂU
Bảng 1. Tập luật trích xuất được từ mô hình đã tối ưu hóa – 4.1 ........................... 28
Bảng 2. So sánh kết quả các mô hình qua thông số RMSE – 4.1 ............................ 28
Bảng 3. Diễn dịch ngôn ngữ cho các luật ở bảng 1 .................................................. 29
Bảng 4. Tập luật trích xuất được 800 mẫu dữ liệu huấn luyện – 4.2 ..................... 30
Bảng 5. So sánh kết quả các mô hình qua thông số RMSE – 4.2 ............................ 31
Bảng 6. Tập luật trích xuất được 500 mẫu dữ liệu huấn luyện – 4.3 ..................... 32
Bảng 7. So sánh kết quả các mô hình qua thông số RMSE – 4.3 ............................ 34