Xem trước tài liệu

Đang tải tài liệu...

Thông tin chi tiết tài liệu

Định dạng: PDF
Số trang: 68 trang
Dung lượng: 1 MB

Giới thiệu nội dung

Ứng dụng kỹ thuật đa mục tiêu vào phân cụm dữ liệu

Tác giả: Chế Thị Hằng

Lĩnh vực: Công nghệ Thông tin

Nội dung tài liệu:

Luận văn Thạc sĩ này tập trung vào việc ứng dụng kỹ thuật đa mục tiêu vào bài toán phân cụm dữ liệu. Phân cụm dữ liệu là một kỹ thuật quan trọng trong lĩnh vực học máy không giám sát, có nhiệm vụ tổ chức các đối tượng dữ liệu thành các cụm dựa trên sự tương đồng. Luận văn đi sâu vào trình bày tổng quan về phân cụm dữ liệu, bao gồm các khái niệm cơ bản, ý nghĩa trong thực tiễn, cùng các phương pháp và thuật toán điển hình. Đặc biệt, nghiên cứu tập trung vào phân cụm dữ liệu đa mục tiêu, một hướng tiếp cận tiên tiến, và các kỹ thuật tối ưu hóa cụm liên quan, bao gồm thuật toán mô phỏng luyện kim (SA) và thuật toán VAMOSA. Cuối cùng, luận văn trình bày kết quả thử nghiệm của thuật toán đề xuất trên ba bộ dữ liệu khác nhau.

Mục lục chi tiết:

  • Lời cảm ơn
  • Lời cam đoan
  • Mục lục
  • Danh mục các ký hiệu, từ viết tắt
  • Danh mục các hình vẽ
  • Mở đầu
  • Chương I: Phân cụm dữ liệu
    • 1.1. Phân cụm dữ liệu
    • 1.2. Các phương pháp và các thuật toán phân cụm dữ liệu [2]
      • 1.2.1. Các phương pháp phân vùng
      • 1.2.2. Các phương pháp phân cấp
      • 1.2.3. Phương pháp dựa trên mật độ
      • 1.2.4. Các phương pháp dựa trên lưới
  • Chương II: Phân cụm dữ liệu đa mục tiêu và một số kỹ thuật tối ưu hóa cụm
    • 2.1. Phân cụm dữ liệu đơn mục tiêu và phân cụm dữ liệu đa mục tiêu [1]
    • 2.2. Một số giải thuật tối ưu hóa cụm
      • 2.2.1. Giải thuật di truyền (Genetic Algorithm)
      • 2.2.2. Kỹ thuật mô phỏng luyện kim dựa trên thuật toán tối ưu nhiều mục tiêu (SA) VAMOSA
  • Chương III: Thuật toán VAMOSA – Thuật toán phân cụm dựa trên tính đối xứng
    • 3.1. Giới thiệu
    • 3.2. Thuật toán tối ưu đa mục tiêu dựa vào SA: AMOSA
    • 3.3. Khoảng cách đối xứng
    • 3.4. Phương pháp đề xuất để phân cụm đa mục tiêu
      • 3.4.1. Trình bày chuỗi và khởi tạo kho lưu trữ
      • 3.4.2. Phân cụm các điểm dữ liệu
      • 3.4.3. Tính toán các hàm mục tiêu phù hợp
      • 3.4.4. Một số phương pháp nhiễu các phương án
      • 3.4.5. Điều kiện dừng của thuật toán
      • 3.4.6. Lựa chọn giải pháp
  • Chương IV: Kết quả thử nghiệm
    • 4.1. Giới thiệu
    • 4.2. Chương trình và dữ liệu thử nghiệm
      • 4.2.1. Chương trình
      • 4.2.2. Dữ liệu thử nghiệm
    • 4.3. Kết quả thí nghiệm
  • Kết luận và hướng phát triển
  • Tài liệu tham khảo