ĐẠI HỌC ĐÀ NẴNG
TRƯỜNG CĐ CÔNG NGHỆ THÔNG TIN
BÁO CÁO TỔNG KẾT
ĐỀ TÀI KHOA HỌC VÀ CÔNG NGHỆ
CẤP CƠ SỞ
NGHIÊN CỨU GIẢI PHÁP TÍCH HỢP CÁC KIỂU
KHÁC NHAU CỦA TRI THỨC ĐỂ CẢI TIẾN
MÔ HÌNH MỜ TSK TRÍCH XUẤT TỪ MÁY HỌC
VÉC-TƠ HỖ TRỢ
Mã số: T2016-07-02
Xác nhận của cơ quan chủ trì đề tài Chủ nhiệm đề tài
Nguyễn Đức Hiển
Đà Nẵng, 12/2016
i
M C C
C C .............................................................................................................................. i
NH C H NH ....................................................................................................... iii
NH C NG I .................................................................................................. iv
NH C C C I ....................................................................................... v
HÔNG IN K Q NGHIÊN CỨ ............................................................................ vi
Ở ĐẦ ............................................................................................................................... 1
1. ổng quan ................................................................................................................... 1
2. ính cấp thiết của đề tài .............................................................................................. 2
3. ục tiêu đề tài ............................................................................................................ 3
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 C Ở H Ô H NH K À HỌC C- .............. 6
1.1. ô hình mờ ............................................................................................................. 6
1.1.1. ô hình mờ amdani ......................................................................................... 8
1.1.2. ô hình mờ akagi-Sugeno ................................................................................ 9
1.2. Cơ sở lý thuyết áy học éc-tơ hỗ trợ ................................................................ 10
1.2.1. áy học éc-tơ hỗ trợ ...................................................................................... 10
1.2.2. áy học éc-tơ hỗ trợ cho vấn đề tối ưu hóa hồi qui ...................................... 12
1.3. ự tương tự giữa máy học éc-tơ hỗ trợ và mô hình mờ ..................................... 13
1.4. rích uất luật mờ t dữ li u dựa trên sự kết hợp máy học và mô hình ..... 15
Chương 2 IỆC HỌC Ô H NH ỚI RI HỨC IÊN NGHIỆ ........................ 17
2 ai trò của tri thức tiên nghi m ................................................................................ 17
2 2 Học dựa trên sự giải thích (EBL) ............................................................................. 18
2 3 Học dựa trên sự thích hợp (R ) ............................................................................. 19
2 4 Học quy nạp dựa trên tri thức (K I ) ...................................................................... 20
Chương 3 ÍCH HỢP RI HỨC IÊN NGHIỆ ÀO Q R NH HỌC ................ 22
3 Điều ki n đảm bảo tính “có thể diễn dịch được” của mô hình mờ ........................... 22
3 2 ích hợp tri thức tiên nghi m trong mô hình mờ dựa trên máy học véc-tơ hỗ trợ ... 24
Chương 4 Ộ Ố K Q HỰC NGHỆ .............................................................. 27
ii
4 í dụ hồi quy phi tuyến tính ..................................................................................... 27
4 2 Chuỗi thời gian hỗn loạn ackey-Glass .................................................................. 29
4 3 H thống orenz ....................................................................................................... 32
K ẬN À KI N NGHỊ ............................................................................................. 35
ÀI IỆ H KH O ...................................................................................................... i
iii
DANH M C 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 M C BẢNG BIỂU
ảng Tập luật trích xuất được từ mô hình đã tối ưu hóa – 4.1 ........................... 28
ảng 2 So sánh kết quả các mô hình qua thông số RMSE – 4.1 ............................ 28
ảng 3 Diễn dịch ngôn ngữ cho các luật ở bảng 1 .................................................. 29
ảng 4 Tập luật trích xuất được 800 mẫu dữ liệu huấn luyện – 4.2 ..................... 30
ảng 5 So sánh kết quả các mô hình qua thông số RMSE – 4.2 ............................ 31
ảng 6 Tập luật trích xuất được 500 mẫu dữ liệu huấn luyện – 4.3 ..................... 32
ảng 7 So sánh kết quả các mô hình qua thông số RMSE – 4.3 ............................ 34