NHỮNG ĐÓNG GÓP MỚI CỦA LUẬN ÁN
Tên luận án: Một số mở rộng của hệ suy diễn mờ phức cho bài toán hỗ trợ ra quyết định.
Mã số: 9 48 01 01
Chuyên ngành: Khoa học máy tính
Họ và tên NCS: Lương Thị Hồng Lan
Khóa đào tạo: 2017-2021
Chức danh, học vị, họ và tên người hướng dẫn:
1. PGS.TS Lê Hoàng Sơn
2. PGS.TS. Nguyễn Long Giang
Tên cơ sở đào tạo: Học viện Khoa học và Công nghệ – Viện Hàn lâm Khoa học và Công nghệ Việt Nam
Nội dung: Luận án có các đóng góp mới như sau:
1- Đề xuất hệ suy diễn mờ phức theo mô hình Mamdani (M-CFIS): Dựa trên mô hình hệ suy diễn mờ cổ điển Mamdani, luận án phát triển mô hình suy diễn Mamdani trên tập mờ phức. Tính mới của mô hình chính ở cách chọn toán từ tổ hợp, phương pháp xác định độ tăng trưởng luật và phương pháp giải mờ. Thêm nữa, các toán tử t-chuẩn, t-đối chuẩn mờ phức cũng được đề xuất và ứng dụng trong bài toán hỗ trợ ra quyết định.
2- Đề xuất hệ suy diễn mờ phức M-CFIS-R: là mô hình hệ suy diễn mờ phức Mamdani với hệ luật được giảm sử dụng độ đo mờ phức và tính toán hạt. Các độ đo tương tự mờ phức như độ đo tương tự mờ phức Cosine (CFCSM), độ đo tương tự mờ phức Dice (CFDSM) và độ đo tương tự mờ phức Jaccard (CFJSM) cùng với các phiên bản có trọng số của các độ đo mờ phức được giới thiệu. Những độ đo này được tích hợp vào trong mô hình M-CFIS-R bằng ý tưởng sử dụng tính toán để giải quyết vấn đề tinh giảm hệ luật tsao cho chỉ giữ lại những luật quan trọng và có độ bao phủ lớn trong mô hình.
3- Đề xuất bốn mở rộng của mô hình M-CFIS-R bao gồm: Hệ suy diễn mờ phức Sugeno (S-CFIS-R), hệ suy diễn mờ phức Tsukamoto (T-CFIS-R), độ đo mờ phức và tích phân mờ phức trong mô hình M-CFIS-R. Bên cạnh đó thì một mô hình suy diễn mờ phức mamdani kết hợp với đồ thị tri thức mờ(M-CFIS-FKG) cũng được đề xuất. Trong mô hình này, lần đầu tiên đồ thị trì thưucs mờ được đề xuất dùng để biểu diễn các hệ luật trong giai đoạn Training theo nhãn ngôn ngữ và mối liên kết giữa chúng trong luật. Sau đó, trong giai đoạn testing thì từng bản ghi sẽ được kểm tra trên đồ thị trì thức mờ bởi phương pháp suy luận xấp xỉ với tên gọi thuật toán suy diễn nhanh được đề xuất áp dụng trong mô hình M-CFIS-FKG
