Luận án Tiến sĩ Khoa học máy tính: Phương pháp lựa chọn thuộc tính và kỹ thuật gom cụm dữ liệu phân loại sử dụng tập thô

Phương pháp lựa chọn thuộc tính và kỹ thuật gom cụm dữ liệu phân loại sử dụng tập thô

Tác giả: Đỗ Sĩ Trường

Lĩnh vực: Khoa học Máy tính

Nội dung tài liệu:

Luận án này tập trung nghiên cứu về hai vấn đề quan trọng trong khám phá tri thức từ cơ sở dữ liệu (CSDL) sử dụng lý thuyết tập thô: lựa chọn thuộc tính và gom cụm dữ liệu phân loại. Với sự gia tăng không ngừng của dữ liệu, việc xử lý hiệu quả trở nên thách thức. Luận án đề xuất phương pháp lựa chọn thuộc tính nhằm loại bỏ hiệu quả các thuộc tính không liên quan và dư thừa, cải thiện độ chính xác của mô hình học máy. Đồng thời, luận án cũng cải tiến các thuật toán gom cụm dữ liệu phân loại, đặc biệt là trong việc lựa chọn thuộc tính, nhằm nâng cao hiệu quả và độ chính xác so với các thuật toán hiện có. Nghiên cứu tập trung vào các hệ thông tin và bảng quyết định có thể chứa dữ liệu mơ hồ hoặc không chắc chắn.

Mục lục chi tiết:

• Chương 1: Mở đầu
• Chương 2: Khái quát về lý thuyết tập thô và ứng dụng trong khai phá dữ liệu
• Chương 3: Lựa chọn thuộc tính sử dụng lý thuyết tập thô
• Chương 4: Gom cụm dữ liệu sử dụng lý thuyết tập thô
• Chương 5: Kết luận và hướng phát triển