1
MỞ ĐẦU
1. Tính cấp thiết của luận n
Phân cụm bán giám sát mờ là một mở rộng của phân cụm mờ bằng
cách sử dụng các thông tin biết trước làm tăng chất lượng của cụm. Các
thông tin biết trước hay còn gọi là các thông tin bổ trợ nhằm mục đích
hướng dẫn, giám sát và điều khiển quá trình phân cụm.
Mô hình mạng nơron min-max mờ (FMNN) do giáo sư Patrick K.
Simpson đề xuất dựa trên những ưu điểm của việc kết hợp logic mờ,
mạng nơron nhân tạo, lý thuyết min-max mờ để giải quyết bài toán phân
lớp và phân cụm. FMNN là mô hình học gia tăng dựa trên các tập siêu
hộp mờ cho khả năng xử lý các bộ dữ liệu quy mô lớn.
Chẩn đoán bệnh gan dựa trên số liệu của kết quả xét nghiệm men
gan có thể được hình thành như là một vấn đề nhận dạng mẫu. Việc sử
dụng FMNN được coi là một cách tiếp cận có hiệu quả. Một trong
những lý do để FMNN được sử dụng trong y tế là khả năng sinh các luật
quyết định if .. then rất đơn giản. Mỗi siêu hộp của FMNN chuyển thành
một luật được mô tả bằng cách định lượng các giá trị min và max của
các thuộc tính dữ liệu.
Tuy nhiên, bản thân FMNN vẫn còn tồn tại nhiều nhược điểm dẫn
tới những khó khăn và khả năng ứng dụng thực tiễn bị hạn chế. Các
nghiên cứu chính cải tiến FMNN thường tập trung vào các hướng chính
như cải tiến cấu trúc mạng, tối ưu hóa các tham số, hàm thuộc, giảm
thiểu số siêu hộp trong mạng, cải tiến phương pháp học hay kết hợp với
phương thức khác để cải thiện chất lượng.
Trên cơ sở nghiên cứu quá trình phát triển của FMNN, để nâng cao
hiệu năng của FMNN, đề tài luận án tập trung vào việc đề xuất, cải tiến
phương pháp học bằng phương pháp học bán giám sát. Trong các
phương pháp mới trình bày trong luận án, thông tin bổ trợ được xác
định là nhãn được gán cho một phần dữ liệu để hướng dẫn và giám sát
