CƠ SỞ DỮ LIỆU MỜ VÀ LUẬT KẾT HỢP MỜ

1MỞ ĐẦU1. Tính cấp thiết của đề tàiHơn một thập niên trở lại đây, khai phá dữ liệu đã trở thànhmột trong những hướng nghiên cứu chính trong lĩnh vực khoa họcmáy tính và công nghệ tri thức. Hàng loạt nghiên cứu, đề xuất rađời đã được thử nghiệm và ứng dụng thành công vào đời sống.[1] Khai phá[r]

3.3.2. Phát hiện luật kết hợp nhiều chiều mờ từ CSDL nhiều chiều mờ loại 2........................................................................................................................ 863.4. Phát hiện luật kết hợp từ CSDL tác vụ nhiều chiều loại 3[r]

tiếp cận nghiên cứu CSDL HĐT mờ với ngữ nghĩa dựa trên đại số gia tử vẫn có thểđược xem là một vấn đề nghiên cứu mới. Trong phần sau, một số khái niệm ĐSGTvà ĐSGT tuyến tính đầy đủ, các mệnh đề, định lý liên quan được trình bày làmcơ sở nghiên cứu trên mô hình này.2. Thông tin không đầy đủ tr[r]

KHAI PHÁ LUẬT KẾT HỢP CHO CƠ SỞ DỮ LIỆU GIA TĂNG
Chương 1: Trình bày tổng quan về khám phá tri thức và khai phá dữ liệu, trong đó có đềcập đến khái niệm tri thức, dữ liệu, quá trình khám phá tri thức, nhiệm vụ và các kỹ thuật khám phá tri thức.

Chương 2: Trình bày về luật kết hợp, trong đó trình bà[r]

MÔ HÌNH CƠ SỞ DỮ LIỆU HƯỚNG ĐỐI TƯỢNG MỜ
Sự kết hợp thông tin mờ trong các mô hình cơ sở dữ liệu đã trở thành một chủ đề nghiên cứu cơ sở dữ liệu quan trọng bởi vì thông tin như vậy thực tế tồn tại trong các ứng dụng tri thức và dữ liệu, trong đó dữ liệu mờ đóng vai trò là đầu vào về bản chất. Đã c[r]

Ta xét một vídụ kinh điển về logic mờ, đó là ví dụ về nhiệt độ, trong đó ta có cácđại lượng như là:Lạnh, mát, ấm, nóng và rất nóng.Mỗi giá trị ngôn ngữ trên của biến nhiệt độ xác định một tập mờ được địnhnghĩa trên nền các số thực chỉ giá trị của nhiệt độ (đơn vị là oC) của biến nhiệt[r]

MỤC LỤC
I. LỜI MỞ ĐẦU 2
II. CƠ SỞ LÝ THUYẾT TẬP THÔ LIÊN QUAN 3
1. Khai phá trí thức trong csdl (Knowdlege Discovery in Databases – KDD) 3
2. Tập thô trong khai phá trí thức 3
3. Mô tả các bước khai phá dữ liệu sử dụng lý thuyết tập thô 4
3.1. Hiệu chỉnh dữ liệu: 4
3.2. Rút gọn tập thuộc tính: 4
3.3[r]

Cơ sở của logic mờ là việc ánh xạ từ các biến x đầu vào thuộc tập A thành cácbiến y đầu ra thuộc tập B.Nói cách khác, giá trị x=a không được xác định rõ là có thuộc hay không thuộctập B, và khái niệm mờ được đưa ra để làm nền tảng cho logic mờ và điều khiển mờsau này.Cơ c[r]

MỞ ĐẦU
Trong nhiều thập kỷ qua, logic mô tả và chương trình logic được nhiều nhà
khoa học quan tâm nghiên cứu và đã có nhiều ứng dụng trong thực tế. Logic mô
tả là họ ngôn ngữ biểu diễn tri thức của một miền ứng dụng theo một cách có
cấu trúc. Tuy nhiên, logic mô tả và chương trình logic vẫn cò[r]

MỞ ĐẦU
Chúng ta biết rằng con người nhận biết thế giới thực, giao tiếp với nhau,
tư duy lập luận để làm các quyết định dựa trên công cụ nền tảng là ngôn ngữ tự
nhiên và cơ sở tri thức được biểu diễn dưới dạng mệnh đề ngôn ngữ. Các mệnh
đề này được hình thành trong quá trình tồn tại và phát triể[r]

các kỹ sư. Nó đã và đang được tiếp tục nghiên cứu rất mạnh mẽ. Hệ suydiễn mờ áp dụng cho lập luận xấp xỉ được phát triển dựa trên lý thuyết tậpmờ, với những ràng buộc nhất định, được xem như là một bộ xấp xỉ vạnnăng . Hơn nữa, thế mạnh của hệ mờ là có thể xấp xỉ các hành vi hệ thốngmà[r]

NGHIÊN CỨU MỘT SỐ KỸ THUẬT KHAI PHÁ DỮ LIỆU MỜ VÀ ỨNG DỤNG
Tìm hiểu các vấn đề trong khai phá luật kết hợp đối với thuộc tính số, ĐSGT
Tìm hiểu thuật toán khai phá luật kết hợp mờ tổng quát
Nghiên cứu thuật toán khai phá luật kết hợp mờ tổng quát theo hướng tiếp cận ĐSGT

Tóm tắt
Các hệ thống mờ có ứng dụng rộng rãi trong nhiều lĩnh vực, đặc biệt là trong lĩnh vực mô phỏng quá trình
và điều khiển. Thông thường việc thiết kế các hệ thống mờ có thể được thiết kế từ tri thức chuyên gia
hoặc từ dữ liệu. Tiếp cận mỗi một phương pháp thiết kế đều có những thuận lợi và h[r]

thời từ đó giải quyết dễ dàng một số bài toán NP - đầy đủ (NP - Complete).Các luật học đóng vai trò quan trọng trong việc xác định một mạng nơron nhân tạo. Một cách đơn giản về khái niệm học của mạng nơ-ron là cậpnhật trọng số trên cơ sở các mẫu. Theo nghĩa rộng thì học có thể được chiathành[r]

Trong bài báo này, đầu tiên chúng tôi sẽ đưa ra một kiến trúc của mạng nơron mờ với những trọng số mờ tam giác. Mạng nơron được đưa ra có thể sử dụng các vectơ vào mờ cũng như là các vectơ vào thực. Trong cả hai trường hợp, dữ liệu ra của mạng nơron mờ đều là các vectơ mờ. Mối quan hệ giữa input và[r]