Số hóa bởi Trung tâm Học liệu http://www.lrc-tnu.edu.vn/ 1 ĐẠI HỌC THÁI NGUYÊN TRƢỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG TIN & TRUYỀN THÔNG LÊ TRƢỜNG GIANG PHƢƠNG PHÁP GIA TĂNG RÚT GỌN THUỘC TÍNH TRONG BẢNG QUYẾT ĐỊNH SỬ DỤNG ĐỘ ĐO KHOẢNG CÁCH LUẬN VĂN THẠC SĨ KỸ THUẬT Thái Nguyên - 2014 Số hóa bởi Trung tâm Học liệu http://www.lrc-tnu.edu.vn/ 2 LỜI CẢM ƠN Lời cảm ơn trân trọng đầu tiên em muốn dành tới TS. Nguyễn Long Giang, người thầy đã dìu dắt và hướng dẫn tôi trong suốt quá trình làm luận văn, sự chỉ bảo và định hướng của thầy giúp tôi tự tin nghiên cứu những vấn đề mới và giải quyết bài toán một cách khoa học. Em xin trân trọng cảm ơn Ban giám hiệu và các thầy cô Trường Đại học Công nghệ Thông tin và Truyền thông, Đại học Thái nguyên đã tạo các điều kiện cho chúng tôi được học tập và làm khóa luận một cách thuận lợi. Lời cảm ơn sâu sắc muốn được gửi tới các thầy giáo Viện Công nghệ Thông tin - Viện hàn lâm khoa học và Công nghệ Việt Nam, những người thầy đã dạy dỗ và mở ra cho chúng tôi thấy chân trời tri thức mới, hướng dẫn chúng tôi cách khám phá và làm chủ công nghệ mới. Xin được cảm ơn Trung tâm Quản lý Chất lượng – Trường Đại học Công nghiệp Hà Nội đã tạo mọi điều kiện để tôi được đi học và hoàn thành tốt khoá học Mặc dù đã cố gắng rất nhiều, nhưng chắc chắn trong quá trình học tập cũng như luận văn không khỏi những thiếu sót. Em rất mong được sự thông cảm và chỉ bảo tận tình của các thầy cô và các bạn. Thái Nguyên, tháng …… năm 2014 Lê Trƣờng Giang Số hóa bởi Trung tâm Học liệu http://www.lrc-tnu.edu.vn/ 3 MỤC LỤC MỤC LỤC 3 Danh mục các thuật ngữ 5 Bảng các ký hiệu, từ viết tắt 6 Danh sách bảng 7 MỞ ĐẦU 8 Chương 1. RÚT GỌN THUỘC TÍNH THEO TIẾP CẬN LÝ THUYẾT TẬP THÔ 11 1.1. Các khái niệm cơ bản trong lý thuyết tập thô 11 1.1.1. Hệ thông tin và tập thô 11 1.1.2. Bảng quyết định 14 1.2. Rút gọn thuộc tính trong bảng quyết định theo tiếp cận lý thuyết tập thô 16 1.2.1. Tổng kết về các phương pháp rút gọn thuộc tính trong bảng quyết định 16 1.2.2. Kết quả phân nhóm các phương pháp rút gọn thuộc tính dựa vào tập rút gọn 20 1.2.3. Kết quả lựa chọn, so sánh, đánh giá các phương pháp 21 Chương 2. RÚT GỌN THUỘC TÍNH TRONG BẢNG QUYẾT ĐỊNH THAY ĐỔI SỬ DỤNG KHOẢNG CÁCH 24 2.1. Phương pháp rút gọn thuộc tính sử dụng khoảng cách 24 2.1.1. Khoảng cách giữa hai tập hợp hữu hạn 24 2.1.2. Khoảng cách giữa hai tri thức và các tính chất 25 2.1.3. Tập rút gọn của bảng quyết định dựa trên khoảng cách 28 2.1.4. Thuật toán tìm tập rút gọn sử dụng khoảng cách 29 2.2. Thuật toán gia tăng tìm tập rút gọn sử dụng khoảng cách khi bổ sung đối tượng 33 2.2.1. Công thức gia tăng tính khoảng cách khi bổ sung đối tượng 33 2.2.2. Thuật toán gia tăng tìm tập rút gọn khi bổ sung đối tượng 35 Số hóa bởi Trung tâm Học liệu http://www.lrc-tnu.edu.vn/ 4 2.3. Thuật toán tìm tập rút gọn sử dụng khoảng cách khi loại bỏ đối tượng 38 2.3.1. Công thức tính khoảng cách khi loại bỏ đối tượng 38 2.3.2. Thuật toán tìm tập rút gọn khi loại bỏ đối tượng 40 Chương 3. THỬ NGHIỆM VÀ ĐÁNH GIÁ KẾT QUẢ 41 3.1. Bài toán 41 3.2. Phân tích, lựa chọn công cụ 42 3.2.1. Thuật toán rút gọn thuộc tính sử dụng entropy Liang 42 3.2.2. Mô tả thuật toán gia tăng tìm tập rút gọn khi bổ sung tập đối tượng . 43 3.2.3. Lựa chọn công cụ cài đặt 44 3.3. Một số kết quả thử nghiệm 44 3.3.1. Kết quả thử nghiệm thuật toán tìm tập rút gọn sử dụng khoảng cách 44 3.3.2. Kết quả thử nghiệm thuật toán gia tăng rút gọn thuộc tính sử dụng khoảng cách 47 KẾT LUẬN 51 Tài liệu tham khảo 52 Danh mục các công trình của tác giả 54 Phụ lục 55 Số hóa bởi Trung tâm Học liệu http://www.lrc-tnu.edu.vn/ 5 Danh mục các thuật ngữ Thuật ngữ tiếng Việt Thuật ngữ tiếng Anh Tập thô Rough Set Hệ thông tin Information System Bảng quyết định Decision Table Bảng quyết định nhất quán Consistent Decision Table Bảng quyết định không nhất quán Inconsistent Decision Table Quan hệ không phân biệt được Indiscernibility Relation Xấp xỉ dưới Lower Approximation Xấp xỉ trên Upper Approximation Rút gọn thuộc tính Attribute Reduction Tập rút gọn Reduct Tập lõi Core Ma trận phân biệt Indiscernibility Matrix Hàm phân biệt Indiscernibility Function Luật quyết định Decision Rule Khoảng cách Distance Số hóa bởi Trung tâm Học liệu http://www.lrc-tnu.edu.vn/ 6 Bảng các ký hiệu, từ viết tắt Ký hiệu, từ viết tắt Diễn giải ,,,IS U A V f Hệ thông tin , , ,DS U C D V f Bảng quyết định U Số đối tượng C Số thuộc tính điều kiện trong bảng quyết định A Số thuộc tính trong hệ thông tin ua Giá trị của đối tượng u tại thuộc tính a IND B Quan hệ B không phân biệt B u Lớp tương đương chứa u của quan hệ IND B /UB Phân hoạch của U sinh bởi tập thuộc tính B . BX B xấp xỉ dưới của X BX B xấp xỉ trên của X B BN X B - miền biên của X B POS D B miền dương của D RED C Họ tất cả các tập rút gọn của bảng quyết định CORE C Tập lõi của bảng quyết định KP Tri thức sinh bởi tập thuộc tính P trong hệ thông tin. Số hóa bởi Trung tâm Học liệu http://www.lrc-tnu.edu.vn/ 7 Danh sách bảng Bảng 1.1. Bảng thông tin về bệnh cúm 13 Bảng 1.2: Bảng quyết định về bệnh cúm 15 Bảng 1.3. Bảng quyết định về bệnh cúm 18 Bảng 1.4. Ký hiệu các tập rút gọn của bảng quyết định 20 Bảng 2.1. Bảng quyết định minh họa thuật toán tìm tập rút gọn 31 Bảng 3.1. Kết quả thực hiện Thuật toán NEBAR và Thuật toán DBAR 45 Bảng 3.2. Tập rút gọn của Thuật toán NEBAR và Thuật toán DBAR 45 Bảng 3.3. Kết quả thực hiện Thuật toán NEBAK và Thuật toán DBAK 46 trên các bộ số liệu lớn 46 Bảng 3.4. 04 bộ số liệu thử nghiệm 47 Bảng 3.5. Kết quả thực hiện thuật toán DBAR trên bộ số liệu ban đầu 48 Bảng 3.6. Kết quả thực hiện thuật toán DBAR và thuật toán gia tăng OSIDBAR 49 Số hóa bởi Trung tâm Học liệu http://www.lrc-tnu.edu.vn/ 8 MỞ ĐẦU Lựa chọn thuộc tính, còn gọi là trích chọn đặc trưng, là một trong những bài toán quan trọng trong khai phá dữ liệu và học máy. Lựa chọn thuộc tính sử dụng lý thuyết tập thô [9] được gọi là rút gọn thuộc tính. Rút gọn thuộc tính trong bảng quyết định là bài toán tìm tập con nhỏ nhất của tập thuộc tính điều kiện mà bảo toàn thông tin phân lớp của bảng quyết định, gọi là tập rút gọn. Trong hai thập kỷ trở lại đây, chủ đề nghiên cứu về rút gọn thuộc tính theo tiếp cận lý thuyết tập thô đã thu hút đông đảo cộng đồng nghiên cứu về tập thô tham gia [1]. Có rất nhiều phương pháp rút gọn thuộc tính khác nhau đã được đề xuất sử dụng các độ đo khác nhau như miền dương, ma trận phân biệt, các độ đo entropy trong lý thuyết thông tin, các độ đo trong tính toán hạt, độ đo khoảng cách. Tuy nhiên, hầu hết các nghiên cứu về rút gọn thuộc tính đều được thực hiện trên các bảng quyết định với tập đối tượng và tập thuộc tính cố định, không thay đổi. Trong thực tế, các bảng quyết định luôn bị cập nhật và thay đổi với các trường hợp: bổ sung hoặc loại bỏ tập đối tượng, bổ sung hoặc loại bỏ tập thuộc tính, cập nhật tập đối tượng đã tồn tại. Mỗi khi thay đổi như vậy, chúng ta lại phải thực hiện lại các thuật toán tìm tập rút gọn trên toàn bộ tập đối tượng, do đó chi phí về thời gian thực hiện thuật toán tìm tập rút gọn sẽ rất lớn. Trong mấy năm gần đây, một số công trình nghiên cứu đã xây dựng các phương pháp gia tăng rút gọn thuộc tính trên bảng quyết định thay đổi dựa trên các độ đo khác nhau [3, 4, 6, 10, 11, 12]. Trong [3, 4, 12], các tác giả đã xây dựng phương pháp gia tăng tìm tập rút gọn dựa trên miền dương và ma trận phân biệt khi bổ sung tập đối tượng mới. Trong [10], các tác giả đã xây dựng các công thức tính các độ đo entropy (entropy Shannon, entropy Liang, entropy kết hợp) khi bổ sung, loại bỏ các thuộc tính. Tuy nhiên, các công thức tính toán entropy trong [10] còn phức tạp. Về hướng tiếp cận rút gọn thuộc Số hóa bởi Trung tâm Học liệu http://www.lrc-tnu.edu.vn/ 9 tính sử dụng độ đo khoảng cách được định nghĩa qua các khái niệm trong lý thuyết tập thô, trong [1, 7] tác giả đã sử dụng độ đo khoảng cách Jaccard để giải quyết bài toán rút gọn thuộc tính trong bảng quyết đinh. Tuy nhiên, tác giả trong [1, 7] mới giải quyết bài toán rút gọn thuộc tính trong trường hợp bảng quyết định cố định, không thay đổi. Mục tiêu của luận văn là xây dựng phương pháp rút gọn thuộc tính trong bảng quyết định thay đổi dựa vào độ đo khoảng cách trong hai trường hợp: bổ sung đối tượng mới và loại bỏ đối tượng đã có. Đối tƣợng nghiên cứu của luận văn là các bảng quyết định với dữ liệu thay đổi khi bổ sung và loại bỏ các đối tượng. Phạm vi nghiên cứu: Với công cụ là lý thuyết tập thô, đề tài tập trung nghiên cứu phương pháp gia tăng tìm tập rút gọn của bảng quyết định khi bổ sung và loại bỏ tập đối tượng. Phƣơng pháp nghiên cứu của đề tài là nghiên cứu lý thuyết và nghiên cứu thực nghiệm. Về nghiên cứu lý thuyết: Nghiên cứu các kết quả đã công bố và xây dựng các công thức tính toán gia tăng khi bổ sung và loại bỏ đối tượng, trên cơ sở đó đề xuất các thuật toán hiệu quả. Về nghiên cứu thực nghiệm: Cài đặt và thử nghiệm các thuật toán, các thuật toán gia tăng tìm tập rút gọn sử dụng khoảng cách trên các bộ số liệu mẫu lấy từ kho dữ liệu UCI [14] nhằm đánh giá tính hiệu quả của phương pháp gia tăng so với phương pháp truyền thống. Bố cục của luận văn gồm phần mở đầu, ba chương nội dung, phần kết luận và các mục tài liệu tham khảo. Chương 1: Trình bày một số khái niệm cơ bản trong lý thuyết tập thô và các kết quả nghiên cứu về các phương pháp rút gọn thuộc tính trong bảng Số hóa bởi Trung tâm Học liệu http://www.lrc-tnu.edu.vn/ 10 quyết định theo tiếp cận heuristic, các kết quả nghiên cứu về phân nhóm, so sánh và đánh giá các phương pháp. Chương 2: Trình bày các bước xây dựng phương pháp rút gọn thuộc tính sử dụng độ đo khoảng cách, bao gồm định nghĩa độ đo khoảng cách, định nghĩa tập rút gọn và độ quan trọng của thuộc tính dựa trên khoảng cách và thuật toán heuristic tìm một tập rút gọn tốt nhất sử dụng khoảng cách. Trên cơ sở đó, chương 2 trình bày nội dung chính là xây dựng thuật toán tìm tập rút gọn của bảng quyết định thay đổi trong trường hợp bổ sung và loại bỏ đối tượng theo hướng tiếp cận tính toán gia tăng. Chương 3: Trình bày kết quả thử nghiệm và đánh giá các thuật toán tìm tập rút gọn theo hướng tiếp cận gia tăng trong trường hợp bổ sung và loại bỏ đối tượng. So sánh kết quả thực hiện so với các phương pháp truyền thống là tính toán lại tập rút gọn trên toàn bộ tập đối tượng để thấy rõ tính hiệu quả của phương pháp gia tăng. Phần kết luận: Tóm tắt kết quả đạt được của luận văn và hướng phát triển tiếp theo của tác giả luận văn. [...]... lượng phân lớp của tập rút gọn Từ các kết quả nghiên cứu đã công bố về các phương pháp rút gọn thuộc tính trong bảng quyết định nêu trên, chương 2 của luận văn đề xuất phương pháp rút gọn thuộc tính trong bảng quyết định sử dụng khoảng cách Khoảng cách trong luận văn sử dụng là cải tiến của khoảng cách Jaccard trong [1, 7] Trên cơ sở đó, luận văn xây dựng các công thức tính khoảng cách khi bổ sung, loại... định lượng, rút gọn thuộc tính trong bảng quyết định là tìm tập con nhỏ nhất của tập thuộc tính điều kiện mà bảo toàn độ chắc chắn của tất cả các luật phân lớp vào các lớp quyết định Do đó, các phương pháp rút gọn thuộc tính được gọi là phù hợp nếu tập rút gọn tìm được phải bảo toàn độ chắc chắn của tập luật quyết định hay độ chắc chắn của bảng quyết định Để đánh giá các phương pháp rút gọn thuộc tính, ... như các phương pháp khác, phương pháp rút gọn thuộc tính dựa trên khoảng cách cũng thực hiện các bước: đưa ra khái niệm tập rút gọn dựa trên khoảng cách, độ quan trọng của thuộc tính dựa trên khoảng cách và xây dựng thuật toán heuristic tìm một tập rút gọn tốt nhất dựa trên độ quan trọng của thuộc tính 2.1.3 Tập rút gọn của bảng quyết định dựa trên khoảng cách Định nghĩa 2.1 Cho bảng quyết định DS... cách khi bổ sung, loại bỏ đối tượng và xây dựng phương pháp rút gọn sử dụng khoảng cách trong hai trường hợp này Số hóa bởi Trung tâm Học liệu http://www.lrc-tnu.edu.vn/ 24 Chƣơng 2 RÚT GỌN THUỘC TÍNH TRONG BẢNG QUYẾT ĐỊNH THAY ĐỔI SỬ DỤNG KHOẢNG CÁCH 2.1 Phƣơng pháp rút gọn thuộc tính sử dụng khoảng cách 2.1.1 Khoảng cách giữa hai tập hợp hữu hạn Một khoảng cách trên tập hợp U là một ánh xạ d : U U thỏa... thấy tập rút gọn RP ít thuộc tính nhất, các tập rút gọn RF , RH , RM nhiều thuộc tính hơn và các tập rút gọn RK , RE , RS nhiều thuộc tính nhất Từ mối liên hệ giữa các tập rút gọn, các phương pháp rút gọn thuộc tính cũng được phân thành 3 nhóm tương ứng: Nhóm 1: Bao gồm phương pháp tìm tập rút gọn Pawlak Nhóm 2: Bao gồm phương pháp sử dụng entropy Shannon, phương pháp sử dụng các phép toán trong đại... gọn của các phương pháp thuộc Nhóm 1 (tập rút gọn miền dương) làm giảm độ chắc chắn, độ nhất quán và tăng độ hỗ trợ của tập luật quyết định 2) Tập rút gọn của các phương pháp thuộc Nhóm 2 bảo toàn độ chắc chắn, độ nhất quán và tăng độ hỗ trợ của tập luật quyết định 3) Tập rút gọn của các phương pháp thuộc Nhóm 3 bảo toàn độ chắc chắn, độ nhất quán và tăng độ hỗ trợ của tập luật quyết định Từ kết quả nghiên... đặt ra Do đó, các phương pháp rút gọn thuộc tính sử dụng cận tập thô đều thực hiện theo hướng tiếp cận heuristic Các phương pháp này đều có các điểm chung như sau: - Đưa ra khái niệm tập rút gọn của phương pháp dựa trên một độ đo được chọn Các phương pháp khác nhau có độ đo khác nhau, điển hình là các độ đo trong tính toán hạt (granunal computing), độ đo entropy, độ đo khoảng cách, sử dụng ma trận… -... và phương pháp sử dụng metric Nhóm 3: Bao gồm phương pháp sử dụng entropy Liang, phương pháp sử dụng ma trận phân biệt, phương pháp sử dụng độ khác biệt của tri thức 1.2.3 Kết quả lựa chọn, so sánh, đánh giá các phƣơng pháp Như đã trình bày trong mục 1.2.1, rút gọn thuộc tính trong bảng quyết định là tìm tập con nhỏ nhất của tập thuộc tính điều kiện mà bảo toàn khả năng phân lớp của bảng quyết định. .. attribute) Thuộc tính lõi là thuộc tính không thể thiếu trong việc phân lớp chính xác tập dữ liệu Thuộc tính lõi xuất hiện trong tất cả các tập rút gọn của bảng quyết định Thuộc tính dư thừa là những thuộc tính mà việc loại bỏ chúng không ảnh hưởng đến việc phân lớp tập dữ liệu, thuộc tính dư thừa không xuất hiện trong bất kỳ tập rút gọn nào của bảng quyết định Thuộc tính rút gọn là thuộc tính xuất hiện trong. .. tập rút gọn dựa trên miền dương (tập rút gọn nguyên thủy theo định nghĩa của Pawlak) 2) Phương pháp sử dụng ma trận phân biệt và hàm phân biệt của Skowron tìm tập rút gọn dựa trên ma trận phân biệt 3) Phương pháp sử dụng entropy Shannon tìm tập rút gọn dựa trên entropy Shannon 4) Phương pháp sử dụng các phép toán trong đại số quan hệ tìm tập rút gọn 5) Phương pháp sử dụng tính toán hạt tìm tập rút gọn . giá các phương pháp. Chương 2: Trình bày các bước xây dựng phương pháp rút gọn thuộc tính sử dụng độ đo khoảng cách, bao gồm định nghĩa độ đo khoảng cách, định nghĩa tập rút gọn và độ quan. 1.2. Rút gọn thuộc tính trong bảng quyết định theo tiếp cận lý thuyết tập thô 1.2.1. Tổng kết về các phƣơng pháp rút gọn thuộc tính trong bảng quyết định Mục tiêu của rút gọn thuộc tính trong. giả đã sử dụng độ đo khoảng cách Jaccard để giải quyết bài toán rút gọn thuộc tính trong bảng quyết đinh. Tuy nhiên, tác giả trong [1, 7] mới giải quyết bài toán rút gọn thuộc tính trong trường