Báo cáo hệ chuyên gia Dự báo thời tiết ID3

41 1.2K 20
Báo cáo hệ chuyên gia  Dự báo thời tiết ID3

Đang tải... (xem toàn văn)

Tài liệu hạn chế xem trước, để xem đầy đủ mời bạn chọn Tải xuống

Thông tin tài liệu

Giải thuật quy nạp cây ID3 (gọi tắt là ID3) là một giải thuật học đơn giản nhưng tỏ ra thành công trong nhiều lĩnh vực. ID3 là một giải thuật hay vì cách biểu diễn tri thức học được của nó, tiếp cận của nó trong việc quản lý tính phức tạp, heuristic của nó dùng cho việc chọn lựa các khái niệm ứng viên, và tiềm năng của nó đối với việc xử lý dữ liệu nhiễu.ID3 biểu diễn các khái niệm (concept) ở dạng các cây quyết định (decision tree). Biểu diễn này cho phép chúng ta xác định phân loại của một đối tượng bằng cách kiểm tra các giá trị của nó trên một số thuộc tính nào đó.Như vậy, nhiệm vụ của giải thuật ID3 là học cây quyết định từ một tập các ví dụ rèn luyện (training example) hay còn gọi là dữ liệu rèn luyện (training data). Hay nói khác hơn, giải thuật có:•Đầu vào: Một tập hợp các ví dụ. Mỗi ví dụ bao gồm các thuộc tính mô tả một tình huống, hay một đối tượng nào đó, và một giá trị phân loại của nó.•Đầu ra: Cây quyết định có khả năng phân loại đúng đắn các ví dụ trong tập dữ liệu rèn luyện, và hy vọng là phân loại đúng cho cả các ví dụ chưa gặp trong tương lai.Có chương trình viết bằng c

TRƯỜNG ĐẠI HỌC CÔNG NGHIỆP HÀ NỘI KHOA CÔNG NGHỆ THÔNG TIN  BÀI TẬP LỚN HỆ CHUYÊN GIA ĐỀ TÀI: Dự báo bão sử dụng đinh ID3 Giảng viên hướng dẫn: Cô Lê Thị Thủy Nhóm thực hiện: Nhóm Lớp: ĐH HTTT1_K8 Hà Nội 2016 TRƯỜNG ĐẠI HỌC CÔNG NGHIỆP HÀ NỘI KHOA CÔNG NGHỆ THÔNG TIN  BÀI TẬP LỚN HỆ CHUYÊN GIA ĐỀ TÀI:Dự báo bão sử dụng đinh ID3 Giảng viên hướng dẫn: Cô Lê Thị Thủy Nhóm thực hiện: Nhóm Lớp: ĐH HTTT1_K8 THÀNH VIÊN TRONG NHÓM: Đặng Xuân Thiên Nguyễn Thị Thơm Trần Thị Hương BoBBi Hà Nội 2016 Chương 1: Khái Niệm Cơ Bản Về Dự Báo Bão I Tổng Quan Về Bão Bão trạng thái nhiễu động khí loại thời tiết cực đoạn Ở Việt Nam, thuật ngữ "bão" thường hiểu bão nhiệt đới, tượng thời tiết đặc biệt nguy hiểm xuất vùng biến nhiệt đới, thường có gió mạnh mưa lớn Tuy thế, thuật ngữ rộng bao gồm dông tượng khác gặp Việt Nam bão tuyết, bão cát, bão bụi Bão xoáy thuận quy mô synop (500-1000 km) front, phát triển miền biển nhiệt đới hay cận nhiệt đới mực có hoàn lưu xác định Trong không gian ba chiều, bão cột xoáy khổng lồ, tầng thấp (khoảng 0-3km) không khí nóng ẩm chuyển động xoắn trôn ốc ngược chiều kim đồng hồ (ở Bắc Bán Cầu) hội tụ vào tâm, chuyển động thẳng đứng lên thành mắt bão toả đỉnh theo chiều ngược lại Ở trung tâm bão không khí chuyển động giáng xuống, tạo nên vùng quang mây mắt bão Các thành phần bão bao gồm dải mưa rìa ngoài, mắt bão nằm thành mắt bão nằm sát mắt bão Giá trị khí áp nhỏ tâm bão tăng dần phía rìa bão Càng vào gần tâm, cường độ gió bão mạnh, khu vực tốc độ gió mạnh cách tâm bão khoảng vài chục km Vào vùng mắt bão gió đột ngột yếu hẳn, tốc độ gió gần không Khi qua khỏi vùng mắt bão gió lại đột ngột mạnh lên có hướng ngược lại, tính chất ảnh hưởng nguy hiểm bão II Bão nhiệt đới Các bão thường hình thành tâm áp thấp phát triển với hệ thống áp cao xung quanh Sự kết hợp lực đối nghịch sinh gió hình thành đám mây bão, chẳng hạn mây vũ tích Một định nghĩa khí tượng chặt bão có cấp gió Beauifort lớn 10, (89 km/h) Ở Việt Nam, gió xoáy có cấp Beaufort từ đến diện rộng gọi áp thấp nhiệt đới Gió xoáy từ cấp trở lên diện rộng, kèm theo mưa lớn gọi chung bão Ngoài thang sức gió Beauifort , dùng thang khác thang bão Saffir-Simpson Ở Việt Nam, bão mạnh đến mức cần sử dụng thang bão Saffir-Simpson, nên người ta cần sử dụng thang sức gió Beaufort để mô tả sức mạnh chúng đủ Các thang sức gió giúp phân loại bão theo cường độ gió kéo dài, theo áp suất tâm bão, theo mức độ tàn phá, mức độ gây ngập lụt III Cấp độ bão nhiệt đới ảnh hưởng Thang bão Saffir-Simpson thang phân loại bão sử dụng nhiều cho xoáy thuận nhiệt đới Tây bán cầu có cường độ vượt cường độ áp thấp nhiệt đới trận bão nhiệt đới Thang chia bão thành cấp phân biệt theo cường độ sức gió kéo dài Để phân loại bão, xoáy thuận nhiệt đới phải có sức gió kéo dài tối đa 33 mét giây; hay 119 kilômét Cao thang bão cấp bão có sức gió 69 m/s; 249 km/h) Cấp 1:119-153km/h Không có thiệt hại thực cho cấu trúc xây dựng Thiệt hại chủ yếu cho nhà cửa di động không néo chặt, cối bụi rậm Thiệt hại nhỏ cho cầu cảng gây ngập lụt Cấp 2: 154-177 km/h Làm hư hỏng số mái nhà, cửa cửa sổ Thiệt hại đáng kể cho trồng, nhà cửa có cấu trúc Có thể gây ngập lụt cầu cảng tàu thuyền nhỏ không cột bảo vệ bị gẫy Cấp 3: 178-209 km/h Một số thiệt hại cấu trúc nhà cửa nhỏ công trình xây dựng khác, số cửa (bằng nhôm) bị gẫy Nhà cửa di động bị phá sập Ngập lụt ven biển phá hủy kết cấu xây dựng nhỏ, công trình xây dựng lớn bị hư hại mảnh vụn ngập lụt tạo Cấp 4:210247 km/h, cửa gẫy đổ nhiều hơn, mái nhà nhỏ bị phá hỏng Xói mòn mạnh ven biển Ngập lụt đất liền Cấp 5: ≥ 250 km/h Các nhà nhỏ công trình xây dựng công nghiệp bị bay mái Các công trình nhỏ bị bay, thiệt hại nặng nề cho công trình lớn Ngập lụt gây thiệt hại cho tầng thấp công trình ven biển Có thể phải di tản IV Nguồn gốc Bão nhiệt đới Nhờ đối lưu nói mà không khí nóng ẩm từ bề mặt đại dương không ngừng bay lên cao ngưng tạo thành đám mây giông mưa Hơi ấm đông đặc tỏa nhiệt làm ấm không khí xung quanh khiến chúng nhẹ bốc lên cao Lớp không khí ấm ẩm từ sát bề mặt đại dương tràn tới choán chỗ Chu trình bốc ngưng tụ lúc gia tăng khiến không khí ẩm nóng từ mặt biển bị hút lên lúc nhiều mạnh gây luồng gió xoáy Nhưng để luồng mây giông gió xoáy biển phát triển thành bão cần kết hợp với số điều kiện khác Lốc xoáy sinh luồng gió hội tụ gặp đẩy không khí nóng ẩm lên cao làm gia tăng tốc độ bốc sinh gió mạnh Trong đó, có gió thổi qua độ cao cao (lên đến 9.000 mét) nóng bốc lên từ trung tâm luồng xoáy bị thổi giúp trì bốc liên tục luồng khí ấm ẩm bão hình thành Thậm chí chênh lệch áp suất không khí độ cao 9.000 mét mặt biển loại bỏ nhiệt từ không khí nóng bốc lên khiến, đẩy không khí chu kỳ bốc mạnh thúc đẩy sức mạnh bão V Cấu Trúc Của Một Cơn Bão Nhiệt Đới Bão hình thành khu vực biển ấm vùng nhiệt đới nơi nhiệt độ nước thấp 27 độ C Chúng cần không khí ẩm gió hội tụ gần xích đạo để hoạt động - Mắt bão: vùng áp suất thấp tương đối yên bình nằm trung tâm bão - Rìa mắt bão: vùng sát mắt bão, nơi gió xoáy mạnh - Vòng mưa: dải mây xoay quanh phía mắt bão mang mưa Đây kết trình bốc ngưng tụ trước hình thành nên bão Vòng xoay bão hệ lực Coriolis, tượng tự nhiên làm dòng chảy vật chuyển động bị lệch phải Bắc bán cầu lệch trái Nam bán cầu Vì vậy, Bắc bán cầu, gió bị lệch sang bên phải làm bão Bắc bán cầu xoay ngược chiều kim đồng hồ ngược lại Nam bán cầu Lực Coriolis làm ảnh hưởng đên hướng di chuyển bão Các bão có xu hướng quẹo phải (theo chiều kim đồng hồ) Bắc bán cầu quẹo trái (ngược chiều kim đồng hồ) Nam bán cầu Một bão thường hình thành từ rối loạn mây giông nhiệt đới biển Hầu hết rối loạn suy yếu tan dần, số phát triển thành bão sau Trong trường hợp này, đề cập đến gió xoáy trên, đám mây giông khu vực nhiễu loạn tỏa nhiệt bốc ngưng tụ Điều làm cho mật độ không khí bên nhiễu loạn giảm qua làm giảm áp lực bề mặt Tốc độ gió tăng lên không khí lạnh đổ dồn tới choán chỗ lớp không khí ấm bốc lên cao Dưới tác động Coriolis, nhiễu loạn khí bắt đầu xoay vòng Hơn vùng có khí ấp thấp nên hút không khí từ có áp suất cao, khiến sức gió ngày gia tăng, giống nước lũ đổ vào chỗ trũng VI Vòng Đời Của Bão Mỗi bão khác kích thước vật lý Một số bão nhỏ có vài dải mây mưa bao quanh Nhưng có bão khác rộng bao phủ vùng rộng lớn diện tích tới hàng trăm hàng ngàn dặm Các cấp độ bão chia làm nhiều loại tùy theo nước chia làm ba cấp độ sau: - Áp thấp nhiệt đới: có tốc độ gió xoáy nhỏ 61 km/giờ - Bão nhiệt đới: tốc độ gió từ 62-118 km/giờ - Siêu bão: tốc độ gió vượt 120 km/h Bão sinh vật sống, cần cung cấp khí ấm ẩm Và nhiễu động nhiệt đới tìm đủ nguồn "thức ăn" gặp điều kiện thuận lợi gió áp suất, thấy quái vật biển Quá trình để nhiễu động nhiệt đới phát triển thành bão vài tiếng đồng hồ vài ngày Tuy nhiên bão nhanh chóng suy yếu không tìm nhiệt ẩm để gia tăng sức mạnh Khi bão di chuyển vào vùng nước lạnh vĩ độ cao hơn, áp lực giảm đi, sức gió suy giảm Bên cạnh đổ bộ, ngưng tụ bốc yếu đi, kết hợp với ma sát mặt đất khiến bão suy giảm sức mạnh nhanh chóng thành vùng áp thấp nhiệt đới biến sau vài ngày VII Phân Loại Bão Nhiệt Đới Bão gây thiệt hại to lớn cho nơi mà chúng quét qua Vì nhà khoa học xây dựng hệ thống phân loại thang đo để đưa dự báo làm để giới chức quản lý người dân có biện pháp chủ động phòng chống kịp thời Hiện có hai thang đo sức mạnh bão Thang đo sức gió Beaufort thang bão thang bão Saffir-Simpson Việt Nam sử dụng thang đo Beaufort VIII Theo Dõi Và Cách Đặt Tên Bão Để giám sát theo dõi phát triển hành trình di chuyển bão, khí tượng học dựa cảm biến từ xa vệ tinh, liệu thu thập máy bay trang bị đặc biệt Dưới mặt đất, có mạng lưới trung tâm khí tượng khu vực đạo Tổ chức Khí tượng Thế giới, có nhiệm vụ theo dõi thông báo tượng thời tiết cực đoan Vệ tinh thời tiết sử dụng cảm biến để thu thập thông tin bão, theo dõi đám mây mô hình tuần hoàn không khí, radar đo lường tốc độ mưa gió, lượng mưa Cảm biến hồng ngoại phát khác biệt nhiệt độ quan trọng bão, chiều cao đám mây Dựa liệu thống kê liệu khứ, nhà khoa học dự báo đường cường độ trước bão đổ vào đất liền begin tạo nhánh gán nhãn V; Đặt vào phân_vùngV ví dụ tập_ví_dụ có giá trị V thuộc tính P; Gọi induce_tree(phân_vùngV, tập_thuộc_tính), gắn kết vào nhánh V end end end ID3 áp dụng hàm induce_tree cách đệ quy cho phân vùng Ví dụ, phân vùng nhánh “Âm u” có ví dụ toàn dương, hay thuộc lớp ‘Có’, nên ID3 tạo nút với nhãn lớp ‘Có’ Còn phân vùng hai nhánh lại vừa có ví dụ âm, vừa có ví dụ dương Nên tiếp tục chọn thuộc tính “Độ ẩm” để làm trắc nghiệm cho nhánh Nắng, thuộc tính Gió cho nhánh Mưa, ví dụ phân vùng nhánh thuộc lớp, nên giải thuật ID3 kết thúc ta có QĐ hình 4.3 Hình 4.3 Lưu ý, để phân loại ví dụ, có QĐ không cần sử dụng tất thuộc tính cho, phân loại tất ví dụ * Các khả có phân vùng (partition): Trong trình xây dựng QĐ, phân vùng nhánh có dạng sau: • Có ví dụ thuộc lớp khác nhau, chẳng hạn có ví dụ âm dương phân vùng “Quang cảnh = Nắng” ví dụ => giải thuật phải tiếp tục tách lần • Tất ví dụ thuộc lớp, chẳng hạn toàn âm toàn dương phân vùng “Quang cảnh = Âm u” ví dụ => giải thuật trả nút với nhãn lớp • Không ví dụ => giải thuật trả • Không thuộc tính => nghĩa liệu bị nhiễu, giải thuật phải sử dụng luật để xử lý, chẳng hạn luật đa số (lớp có nhiều ví dụ dùng để gán nhãn cho nút trả về) Từ nhận xét này, ta thấy để có QĐ đơn giản, hay có chiều cao thấp, ta nên chọn thuộc tính cho tạo nhiều phân vùng chứa ví dụ thuộc lớp tốt Một phân vùng có ví dụ thuộc lớp, ta nói phân vùng có tính Vậy, để chọn thuộc tính kiểm tra giảm thiểu chiều sâu QĐ, ta cần phép đo để đo tính phân vùng, chọn thuộc tính kiểm tra tạo nhiều phân vùng tốt ID3 sử dụng lý thuyết thông tin để thực điều c Thuộc tính thuộc tính dùng để phân loại tốt nhất? Quinlan (1983) người đề xuất việc sử dụng lý thuyết thông tin để tạo định công trình ông sở cho phần trình bày Lý thuyết thông tin Shannon (1948) cung cấp khái niệm entropy để đo tính (hay ngược lại độ pha trộn) tập hợp Một tập hợp tất phần tử tập hợp thuộc loại, ta nói tập hợp có độ pha trộn thấp Trong trường hợp tập ví dụ, tập ví dụ tất ví dụgiá trị phân loại Khi tập ví dụ nói: ta biết chắn giá trị phân loại ví dụ thuộc tập này, hay ta có lượng thông tin tập cao Khi tập ví dụ có độ pha trộn cao nhất, nghĩa số lượng ví dụgiá trị phân loại cho loại tương đương nhau, ta đoán xác ví dụgiá trị phân loại gì, hay nói khác hơn, lượng thông tin ta có tập Vậy, điều ta mong muốn chọn thuộc tính để hỏi cho chia tập ví dụ ban đầu thành tập ví dụ nhanh tốt Vậy trước hết, ta cần có phép đo để đo độ tập hợp, từ so sánh tập ví dụ tốt Phần trình bày công thức tính entropy tập hợp d Entropy đo tính tập ví dụ Khái niệm entropy tập S định nghĩa Lý thuyết thông tin số lượng mong đợi bít cần thiết để mã hóa thông tin lớp thành viên rút cách ngẫu nhiên từ tập S Trong trường hợp tối ưu, mã có độ dài ngắn Theo lý thuyết thông tin, mã có độ dài tối ưu mã gán –log2p bits cho thông điệp có xác suất p Trong trường hợp S tập ví dụ, thành viên S ví dụ, ví dụ thuộc lớp hay có giá trị phân loại Entropy có giá trị nằm khoảng [0 1], Entropy(S) = tập ví dụ S toàn ví dụ thuộc loại, hay S Entropy(S) = tập ví dụ S có ví dụ thuộc loại khác với độ pha trộn cao < Entropy(S) < tập ví dụ S có số lượng ví dụ thuộc loại khác không nhau.⌠1 Để đơn giản ta xét trường hợp ví dụ S thuộc loại âm (-) dương (+) Hình 4.4 minh họa phụ thuộc giá trị entropy vào xác suất xuất ví dụ dương Hình 4.4 Cho trước: • Tập S tập liệu rèn luyện, thuộc tính phân loại có hai giá trị, giả sử âm (-) dương (+) • p+ phần ví dụ dương tập S • p_ phần ví dụ âm tập S Khi đó, entropy đo độ pha trộn tập S theo công thức sau: Một cách tổng quát hơn, ví dụ tập S thuộc nhiều hai loại, giả sử có c giá trị phân loại công thức entropy tổng quát là: Entropy Entropy(S) = e Lượng thông tin thu đo mức độ giảm entropy mong đợi Entropy số đo đo độ pha trộn tập ví dụ, định nghĩa phép đo hiệu suất phân loại ví dụ thuộc tính Phép đo gọi lượng thông tin thu được, đơn giản lượng giảm entropy mong đợi gây việc phân chia ví dụ theo thuộc tính Một cách xác hơn, Gain(S,A) thuộc tính A, tập S, định nghĩa sau: Trong Values(A) tập hợp có giá trị thuộc tính A, Sv tập S chứa ví dụ có thuộc tính A mang giá trị v f Tìm kiếm không gian giả thuyết ID3 Cũng phương pháp học quy nạp khác, ID3 tìm kiếm không gian giả thuyết giả thuyết phù hợp với tập liệu rèn luyện Không gian giả thuyết mà ID3 tìm kiếm tập hợp định có ID3 thực phép tìm kiếm từ đơn giản đến phức tạp, theo giải thuật leo-núi (hill climbing), rỗng, sau xem xét giả thuyết phức tạp mà phân loại ví dụ rèn luyện Hàm đánh giá dùng để hướng dẫn tìm kiếm leo núi phép đo lượng thông tin thu Không gian giả thuyết định ID3 không gian đầy đủ định thuộc tính cho tập rèn luyện Điều có nghĩa không gian mà ID3 tìm kiếm chắn có chứa định cần tìm Trong tìm kiếm, ID3 trì giả thuyết Vì vậy, giải thuật khả biểu diễn tất định khác có khả phân loại liệu có Giải thuật ID3 khả quay lui tìm kiếm Vì vậy, gặp phải hạn chế giống giải thuật leo núi, hội tụ cực tiểu địa phương Vì ID3 sử dụng tất ví dụ bước để đưa định dựa thống kê, nên kết tìm kiếm ID3 bị ảnh hưởng vài liệu sai (hay liệu nhiễu) Trong trình tìm kiếm, giải thuật ID3 có xu hướng chọn định ngắn định dài Đây tính chất thiên lệch quy nạp ID3 g Đánh giá hiệu xuất định ID3 sử dụng ID3 Một định sinh ID3 đánh giá tốt có khả phân loại trường hợp hay ví dụ gặp tương lai, hay cụ thể có khả phân loại ví dụ không nằm tập liệu rèn luyện Để đánh giá hiệu suất định người ta thường sử dụng tập ví dụ tách rời, tập khác với tập liệu rèn luyện, để đánh giá khả phân loại ví dụ tập Tập liệu gọi tập kiểm tra (validation set) Thông thường, tập liệu sẵn có chia thành hai tập: tập rèn luyện thường chiếm 2/3 số ví dụ tập kiểm tra chiếm 1/3 Giải thuật ID3 giải thuật học đơn giản phù hợp với lớp toán hay vấn đề biểu diễn ký hiệu Chính vậy, giải thuật thuộc tiếp cận giải vấn đề dựa ký hiệu (symbol – based approach) Tập liệu rèn luyện bao gồm ví dụ mô tả cặp “Thuộc tính – giá trị”, ví dụ ‘Chơi tennis’ trình bày suốt chương này, ‘Gió – mạnh’, hay ‘Gió – nhẹ’,… ví dụ có thuộc tính phân loại, ví dụ ‘chơi_tennis’, thuộc tính phải có giá trị rời rạc, có, không Tuy nhiên, khác với số giải thuật khác thuộc tiếp cận này, ID3 sử dụng ví dụ rèn luyện dạng xác suất nên có ưu điểm bị ảnh hưởng vài liệu nhiễu Vì vậy, tập liệu rèn luyện chứa lỗi thiếu vài giá trị số thuộc tính Một giải pháp thường áp dụng liệu bị thiếu sử dụng luật đa số, chương trình tiền xử lý liệu điền vào vị trí trống giá trị có tần số xuất cao thuộc tính Bên cạnh vấn đề trình bày phần này, ID3 thảo luận nhiều vấn đề liên quan để tránh cho định không bị ảnh hưởng nhiều (overfitting) vào liệu rèn luyện, để tổng quát hơn, phân loại cho trường hợp chưa gặp Có nhiều giải pháp đưa cắt tỉa lại định sau học, cắt tỉa luật sau chuyển dạng luật Một vấn đề khác vài thuộc tính có giá trị liên tục Giải vấn đề dẫn đến việc sinh nhiều hệ sau ID3, giải thuật bật số C4.5 (Quinlan 1996) Ngoài ra, số kỹ thuật tạo để thao tác liệu nhằm tạo định khác tập liệu rèn luyện cho kỹ thuật bagging and boosting CHƯƠNG 3: Áp Dụng Giải Thuật ID3 Xây Dựng Chương Trình Dự Báo Bão I Cây Quyết Định ID3 Hướng Giải Quyết Bài Toán Sử dụng định giải toán Từ hệ sở chi thức cho sử dụng ID3 để tạo luật dùng để dự báo Ta tính Entropy thuộc tính Entropy tổng Sau tính Gain thuộc tính để tìm nút định Sau từ định tìm luật dùng để dự báo Khi xây dựng chương trình dự báo ta bám vào thứ tự từ nút gốc xuống kết luận II Cơ Sở Tri Thức Các thuộc tính sử dụng để dự báo bão Thuộc Tính - Nhiệt độ Trạng Thái -Cao -Trung Bình - Thấp - Độ ẩm -Cao -Trung Bình -Thấp - Gió -Mạnh -Trung Bình -Yếu - Mây -Ít -Nhiều Hệ sở Tri thức dùng để sinh định Số Lầ n Nhiệt Độ Độ ẩm Gió Mây Bão L1 Cao Cao Yếu Ít Có L2 Cao Cao Yếu Nhiề u Có L3 Cao Cao Trung Bình Ít Có L4 Cao Cao Trung Bình Nhiề u Khôn g L5 Cao Cao Mạnh Ít Có L6 Cao Cao Mạnh Nhiề u Khôn g L7 Cao Trung Bình Yếu Ít Có L8 Cao Trung Bình Yếu Nhiề u Có L9 Cao Trung Bình Trung Bình Ít Có L10 Cao Trung Bình Trung Bình Nhiề u L11 Cao Trung Bình Mạnh Ít L12 Cao Trung Bình Mạnh Nhiề u Không Có Không L13 Cao Thấp Yếu Ít L14 Cao Thấp Yếu Nhiề u Không Có L15 Cao Thấp Trung Bình Ít Không L16 Cao Thấp Trung Bình Nhiề u Không L17 Cao Thấp Mạnh Ít L18 Cao Thấp Mạnh Nhiề u L19 L20 L21 L22 L23 L24 L25 Trung Bình Cao Trung Bình Cao Trung Bình Cao Trung Bình Cao Trung Bình Cao Trung Bình Cao Trung Bình Trung Bình Yếu Có Không Ít Có Yếu Trung Bình Nhiề u Không Ít Không Trung Bình Mạnh Nhiề u Không Ít Không Mạnh Yếu Nhiề u Có Ít Không L26 Trung Bình Trung Bình Trung Bình Trung Bình Trung Bình Trung Bình Trung Bình Trung Bình Trung Bình Trung Bình Trung Bình Thấp Trung Bình Thấp Trung Bình Thấp Trung Bình Thấp Trung Bình Thấp Trung Bình Thấp L37 Thấp Cao L38 Thấp Cao L27 L28 L29 L30 L31 L32 L33 L34 L35 L36 Yếu Trung Bình Nhiề u Không Ít Có Trung Bình Mạnh Nhiề u Không Ít Không Mạnh Yếu Nhiề u Không Ít Có Yếu Trung Bình Nhiề u Không Ít Không Trung Bình Mạnh Nhiề u Không Ít Không Mạnh Nhiề u Không Yếu Ít Không Yếu Nhiề u Không L39 Thấp Cao Trung Bình Ít Không L40 Thấp Cao Trung Bình Nhiề u Không L41 Thấp Cao Mạnh Ít Không L42 Thấp Cao Mạnh Nhiề u Không L43 Thấp Trung Bình Yếu Ít Không L44 Thấp Trung Bình Yếu Nhiề u Không L45 Thấp Trung Bình Trung Bình Ít Không L46 Thấp Trung Bình Trung Bình Nhiề u Không L47 Thấp Trung Bình Mạnh Ít Không L48 Thấp Trung Bình Mạnh Nhiề u Không L49 Thấp Cao Yếu Ít Không L50 Thấp Cao Yếu Nhiề u Không L51 Thấp Cao Trung Bình Ít Không L52 Thấp Cao Trung Bình Nhiề u Không L53 Thấp Cao Mạnh Ít Không L54 Thấp Cao Mạnh Nhiề u Không Nhiệt Độ Kiểu Nhiệt Độ >= 35˚C >=20 ˚C =40% < 80% 38 Kiểu gió Yếu Trung Bình Mạnh Tập Luật Thu Được Sau Khi Sử Dụng ID3: IF Nhiệt độ(cao) And Mây(ít) And Độ ẩm(cao) Then Có IF Nhiệt độ(cao) And Mây(ít) And Độ ẩm(trungbình) Then Có IF Nhiệt độ(cao) And Mây(ít) And Độ ẩm(thấp) And Gió(yếu) Then Có IF Nhiệt độ(cao) And Mây(ít) And Độ ẩm(thấp) And Gió(trungbình) Then Không IF Nhiệt độ(cao) And Mây(ít) And Độ ẩm(thấp) And Gió(mạnh) Then Có IF Nhiệt độ (cao) And Mây(nhiều) Then Không IF Nhiệt độ(trungbình) Then Không IF Nhiệt độ(thấp) Then Không Chương 4: Chương Trình Dự Báo Bão I II Môi Trường Xây Dựng Phần Mềm  Hệ điều hành: Windows  Nền Tảng: NetFramework 4.5  Giải thuật ID3  XML  Ngôn ngữ cài đặt: C#,SQL Server Giao Diện Chương Trình Kết Luận Sự kết hợp tình “Dự báo Bão” khái niệm đại mẻ “Hệ chuyên gia” tạo công cụ hữu ích phục vụ đắc lực cho người việc “Dự báo Báo” Từ đó, phần giúp người có giải pháp đề phòng có biện pháp tránh bão kịp thời tránh gây thiệt hại không đáng có Với giúp đỡ bảo cặn kẽ cô Lê Thị Thủy, sở kiến thức có trình học tập thời gian nghiên cứu vừa qua nhóm em hoàn thành tập lớn môn Hệ chuyên gia tiến độ Một lần em xin chân thành cám ơn bạn, đặc biệt cô Lê Thị Thủy tận tình bảo, giúp đỡ để em hoàn thành đề tài Tài Liệu Tham Khảo Giáo trình Hệ Chuyên Gia : Trần Hùng Cường ,NXB Khoa Học Kỹ Thuật https://www.youtube.com/watch?v=vo_OhWn8iqU https://www.youtube.com/watch?v=Qkl6DDSZzUk https://voer.edu.vn/m/tiep-can-ky-hieu-giai-thuat-quy-nap-cay-quyet-dinhid3/cb4f35f8 http://baigiang.violet.vn/present/show/entry_id/9630902

Ngày đăng: 03/05/2017, 17:01

Từ khóa liên quan

Mục lục

  • Chương 2: Hệ chuyên gia

    • I. Tổng quan

      • 1. Hệ chuyên gia là gì ?

      • 2. Đặc trưng và ưu điểm của hệ chuyên gia

      • 3. Các lĩnh vực ứng dụng của hệ chuyên gia

      • 4. Cấu trúc của hệ chuyên gia

      • 5. Một số mô hình kiến trúc hệ chuyên gia

    • II. Cơ sở tri thức

      • 1. Phân biệt tri thức và dữ liệu

      • 2. Phân loại tri thức

      • 3. Các cấp độ tri thức

      • 4. Giải thuật quy nạp cây quyết định ID3

      • a. Giới thiệu

Tài liệu cùng người dùng

  • Đang cập nhật ...

Tài liệu liên quan