Bài thuyết trình Ứng dụng khai thác dữ liệu (Data Mining and Application): Density-based Method giới thiệu về nhóm phương pháp phân cụm dựa trên mật độ trong khai thác dữ liệu. Bài thuyết trình phân tích khái niệm, đặc điểm, chỉ số đánh giá và ứng dụng thực tế của nhóm phương pháp này. Đây là hướng tiếp cận hiệu quả để phát hiện các cụm có hình dạng phức tạp và không đồng đều. Mời các bạn cùng tham khảo để biết thêm chi tiết!

Bài thuyết trình Ứng dụng khai thác dữ liệu (Data Mining and Application): Hierarchical Clustering tập trung trình bày các phương pháp phân cụm phân cấp trong khai phá dữ liệu. Nội dung bao gồm phân cụm kết tụ (agglomerative), phân cụm phân chia (divisive), đo lường độ tương đồng, thuật toán BIRCH và phương pháp phân cụm phân cấp xác suất. Đây là phương pháp quan trọng giúp khám phá cấu trúc phân cấp tự nhiên trong dữ liệu. Mời các bạn cùng tham khảo để biết thêm chi tiết!

Bài thuyết trình Ứng dụng khai thác dữ liệu (Data Mining and Application): Partitioning Method K-Means trình bày phương pháp phân cụm K-Means – một trong những thuật toán phổ biến nhất trong khai thác dữ liệu không giám sát. Bài thuyết trình giới thiệu nguyên lý hoạt động, quy trình thực hiện, cách chọn số cụm và tổng kết các đặc điểm của phương pháp. K-Means là công cụ hiệu quả để khám phá cấu trúc ẩn trong dữ liệu lớn. Mời các bạn cùng tham khảo để biết thêm chi tiết!

Luận văn Thạc sĩ Hệ thống thông tin "Nghiên cứu ứng dụng mô hình lọc cộng tác và phân cụm mờ xây dựng hệ thống gợi ý phim dựa trên thông tin đánh giá của người dùng" trình bày các nội dung: Tổng quan về hệ thống gợi ý; Hệ gợi ý dựa trên lọc cộng tác và các phương pháp phân cụm; Lựa chọn mô hình hệ gợi ý sử dụng phương pháp phân cụm mờ; Cài đặt, thử nghiệm mô hình đã lựa chọn.

Bài viết "Ứng dụng phương pháp phân cụm k-means để xác định điểm tắc nghẽn trong sản xuất" tiến hành phân tích dữ liệu được phân nhóm dựa trên chuỗi thời gian đại diện cho mỗi nhóm để phát hiện các điểm nghẽn trong sản xuất.

Nhằm giúp các bạn có thêm tài liệu ôn tập, củng cố lại kiến thức đã học và rèn luyện kỹ năng làm bài tập, mời các bạn cùng tham khảo Đề thi kết thúc học phần học kì 3 môn Phân tích dữ liệu lớn năm 2021-2022 - Trường ĐH Văn Lang dưới đây. Hy vọng sẽ giúp các bạn tự tin hơn trong kỳ thi sắp tới.

Luận văn Thạc sĩ Toán học "Phương pháp tối thiểu luân phiên và ứng dụng" trình bày các nội dung chính sau: Khái niệm và ký hiệu cơ bản trong lý thuyết tối ưu; Nghiên cứu ứng dụng của phương pháp tối thiểu luân phiên trong bài toán phân cụm K-Trung Bình, bao gồm việc so sánh với thuật toán Lloyd truyền thống; Giới thiệu và áp dụng thuật toán bài toán khôi phục ma trận, trình bày một phiên bản nhanh của thuật toán luân phiên phân tích sự hội tụ và độ phức tạp tính toán của thuật toán.

Bài viết này đề xuất giải pháp đánh giá tình trạng cấu trúc cầu đường bộ dựa trên phân tích tập dữ liệu chuyển vị kết cấu với thuật toán học không giám sát K-means. Trạng thái công trình được quan trắc bởi mạng cảm biến đo lường biên độ rung, gia tốc, và độ uốn của các trụ cầu.

Bài viết trình bày tổng quan về phân cụm dữ liệu ứng dụng cho phân tích protein, một bước khảo sát ban đầu rất có ý nghĩa đối với nghiên cứu thực nghiệm phân tích hệ gen, giúp giảm thiểu số lượng thí nghiệm nhận biết và từng bước hoàn thiện chức năng Protein.

Bài viết đề xuất một phương pháp để nâng cao hiệu quả phân lớp dữ liệu không cân bằng. Đóng góp chính của phương pháp là kết hợp thuật toán phân cụm K-means và kỹ thuật sinh mẫu thiểu số VCIR để tạo ra các mẫu nhân tạo có tính đại diện sát với đặc trưng của dữ liệu thực tế.

Bài nghiên cứu tập trung vào việc sử dụng các chỉ số tài chính để phân tích phân cụm các doanh nghiệp, sử dụng phương pháp phân tích dữ liệu đa hợp (CoDA). Với dữ liệu lấy từ báo cáo tài chính của 300 doanh nghiệp lớn tại Thái Lan, Indonesia và Việt Nam, bài nghiên cứu hướng đến việc phân cụm các doanh nghiệp và từ đó tìm hiểu được đặc tính của từng phân cụm cũng như sự dịch chuyển của doanh nghiệp giữa các cụm trong giai đoạn từ năm 2018 đến 2022.

Bài giảng Tìm kiếm và trình diễn thông tin - Bài 13: Phân cụm văn bản. Bài này cung cấp cho sinh viên những nội dung gồm: bài toán chia cụm; ứng dụng chia cụm trong tìm kiếm; giải thuật K-means;... Mời các bạn cùng tham khảo chi tiết nội dung bài giảng!

Bài giảng Tìm kiếm và trình diễn thông tin - Bài 14: Phân cụm văn bản (2). Bài này cung cấp cho sinh viên những nội dung gồm: tính hội tụ của K-means; tính tối ưu của K-means; đánh giá kết quả chia cụm;... Mời các bạn cùng tham khảo chi tiết nội dung bài giảng!

Luận văn được chia thành bốn chương: Chương 1 Kiến thức chuẩn bị; Chương 2 Thuật toán phân cụm trên đồ thị lớn; Chương 3 Thuật toán phân cụm trên đồ thị lớn hai phần; Chương 4 Một số thí nghiệm.

Luận án Tiến sĩ Toán học "Một số phương pháp phân cụm mờ theo nhóm cho bài toán dữ liệu đa nguồn, nhiều đặc trưng" trình bày các nội dung chính sau: Mô hình giải pháp tâm cụm tối ưu cho thuật toán đồng phân cụm mờ cải tiến và thuật toán phân cụm mờ theo nhóm tiếp cận theo hướng phân tích dữ liệu đa nguồn; Đề xuất mô hình phân cụm mờ theo nhóm tiếp cận theo hướng phân tích dữ liệu đa nguồn, gọi là mô hình cải tiến phân cụm mờ theo nhóm đa hàm mục tiêu.

Tóm tắt Luận án Tiến sĩ Toán học "Một số phương pháp phân cụm mờ theo nhóm cho bài toán dữ liệu đa nguồn, nhiều đặc trưng" được nghiên cứu với mục tiêu: Nghiên cứu phát triển các thuật toán phân cụm mờ, luận án tập trung cải tiến để đưa ra một số giải pháp bao gồm: Cải tiến nâng cao hiệu suất của đồng phân cụm mờ dữ liệu nhiều đặc trưng, đề xuất các mô hình, thuật toán phân cụm mờ theo nhóm tiếp cận theo hướng ứng dụng phân tích dữ liệu đa nguồn.

Luận án Tiến sĩ Máy tính "Một số kỹ thuật nâng cao hiệu quả tra cứu ảnh theo nội dung dựa trên độ đo khoảng cách thích nghi và phân cụm phổ" trình bày các nội dung chính sau: Tổng quan về tra cứu dựa trên nội dung; Nâng cao hiệu quả của việc tra cứu ảnh dựa trên nội dung bằng cách kết hợp tối ưu khoảng cách của tra cứu ảnh và phân tích phân biệt tuyến tính; Cải thiện hiệu quả của tra cứu ảnh dựa trên nội dung sử dụng phân hoạch đô thị.

Tóm tắt Luận án Tiến sĩ Máy tính "Một số kỹ thuật nâng cao hiệu quả tra cứu ảnh theo nội dung dựa trên độ đo khoảng cách thích nghi và phân cụm phổ" được nghiên cứu với mục tiêu: Cải tiến phương pháp tra cứu ảnh bằng phương pháp ODLDA thông qua tìm một phép đo khoảng cách tối ưu, mà giảm khoảng cách giữa các cặp ảnh có độ tương tự cao và tối đa hóa khoảng cách giữa các cặp ảnh có độ tương tự thấp; Đề xuất phương pháp tra cứu ảnh dựa trên lý thuyết cắt đồ thị, mà không phải tính ma trận Laplacian, các giá trị riêng và các véc tơ riêng.

Luận án Tiến sĩ Khoa học máy tính "Nghiên cứu phát triển phương pháp phân cụm bán giám sát mờ an toàn ứng dụng cho bài toán quản lý cảng biển" trình bày các nội dung chính sau: Nghiên cứu đề xuất phương pháp phân cụm bán giám sát mờ mới cho phân vùng dữ liệu với độ tin cậy; Nghiên cứu đề xuất phương pháp phân cụm bán giám sát mờ an toàn mới với nhiều tham số mờ cho phân vùng dữ liệu với độ tin cậy và dữ liệu nhiễu; Ứng dụng các phương pháp đề xuất để phát hiện tàu biển từ ảnh vệ tinh trong bài toán cảng biển.

Tóm tắt Luận án Tiến sĩ Khoa học máy tính "Nghiên cứu phát triển phương pháp phân cụm bán giám sát mờ an toàn ứng dụng cho bài toán quản lý cảng biển" được nghiên cứu với mục tiêu là: Tổng quan về phân cụm bán giám sát mờ và quản lý cảng biển; Phương pháp phân cụm bán giám sát mờ an toàn mới cho phân vùng dữ liệu với độ tin cậy; Phương pháp phân cụm bán giám sát mờ an toàn mới trên tập mờ viễn cảnh cho phân vùng dữ liệu với độ tin cậy và dữ liệu nhiễu.