Luận Án Tiến Sĩ Nghiên Cứu Cải Tiến Các Kỹ Thuật Rút Gọn Đặc Trưng Cho Phân Lớp Dữ Liệu

Đề xuất phương pháp lựa chọn đặc trưng (FRFE) dựa trên hướng tiếp cận đóng gói dựa trên cơ sở áp dụng chiến lược loại bỏ đặc trưng đệ quy và việc cải tiến hàm đánh giá đặc trưng. Hàm đánh giá đặc trưng đề xuất có đặc điểm là giúp tránh được hiện tượng quá khớp, tăng hiệu quả phân lớp và giúp cho kết quả này được ổn định hơn. Thủ tục loại bỏ đệ quy giúp thuật toán không chỉ quan tâm tới mối liên quan của các đặc trưng mà còn quan tâm tới mối tương quan giữa các đặc trưng với bộ phân lớp. Thuật toán học đề xuất nhằm tự động tìm ra tập con đặc trưng tối ưu cho mỗi bộ dữ liệu. Nhằm giải quyết vấn đề chi phí tính toán lớn, luận án đề xuất sử dụng bộ phân lớp rừng ngẫu nhiên (random forest) với khả năng xử lý song song nhằm làm giảm thời gian thực hiện của phương pháp đề xuất. Tính hiệu quả của phương pháp lựa chọn đặc trưng đề xuất đã được lý giải và kiểm chứng bằng thực nghiệm trên bộ dữ liệu tín dụng.

• Luận án tiến sĩ tin học
• Chuyên ngành Hệ thống thông tin
• Người hướng dẫn khoa học: PGS.TS. Nguyễn Hà Nam và PGS.TS. Nguyễn Hải Châu
• Tác giả: Hà Văn Sang
• Số trang: 119
• Kiểu file: PDF
• Ngôn ngữ: Tiếng Việt
• Đại học Quốc gia Hà Nội 2018

Link Download
http://repository.vnu.edu.vn/handle/VNU_123/62833
https://drive.google.com/uc?id=1RcZ67NrNqIlZVBdeysd2xQTj6zVnD-q5
https://drive.google.com/drive/folders/1yLBzZ1rSQoNjmWeJTM6cEZ3WGQHg04L1