CẢI THIỆN MÔ HÌNH MỜ HƯỚNG DỮ LIỆU VỚI TRI THỨC TIÊN NGHIỆM

Abstract

Bằng cách thỏa mãn các điều kiện đề đồng nhất các hàm đầu ra của mô hình mờ TSK và máy học véc-tơ hỗ trợ hồi quy, chúng ta có thể xây dựng một thuật toán cho phép trích xuất mô hình mờ TSK từ máy học véc-tơ hỗ trợ. Những nghiên cứu trước đây cho thấy mô hình mờ trích xuất được vẫn tồn tại những hạn chế chất định. Nghiên cứu này đề xuất một mô hình mờ dựa trên sự tích hợp tri thức tiên nghiệm (a priori knowledge) với mô hình mờ TSK trích xuất từ máy học véc-tơ hỗ trợ (support vector machines-based fuzzy model) cho bài toán dự báo hồi quy. Mô hình này tiếp cận theo hướng trích xuất các tập luật mờ “có thể diễn dịch được” cho hệ dự báo dựa trên sự kết hợp các mô hình máy học thống kê. Bằng cách tích hợp tri thức tiên nghiệm với mô hình mờ dựa trên SVM, hệ thống luật mờ trích xuất được sẽ giảm đi tính phức tạp và được tối ưu hóa. Hiệu quả của giải pháp đề xuất được đánh giá thông qua các kết quả thực nghiệm và có sự so sánh với kết quả của một số mô hình khác