TRANG THÔNG TIN LUẬN ÁN TIẾN SĨ

Tên luận án: "Nghiên cứu phát triển phương pháp phân cụm bám giám sát mờ an toàn ứng dụng cho bài toán quản lý cảng biển"

Nghiên cứu sinh: Phùng Thế Huân

Cán bộ hướng dẫn khoa học:

1. TS. Vũ Đức Thái

2. PGS.TS. Lê Hoàng Sơn

Chuyên ngành: Khoa học máy tính          Mã số: 9480101

Tên đơn vị đào tạo: Trường Đại học Công nghệ Thông tin và Truyền thông - Đại học Thái Nguyên

1. Mục đích và đối tượng nghiên cứu của luận án

Nghiên cứu nhằm đề xuất cải tiến cho phương pháp phân cụm mờ bán giám sát an toàn cho bài toán quản lý cảng biển. Các mục tiêu của nghiên cứu bao gồm:

- Đề xuất một phương pháp phân cụm mờ bán giám sát an toàn mới cho phân chia dữ liệu với độ tin cậy cao.

- Đề xuất một phương pháp phân cụm mờ bán giám sát an toàn mới cho phân chia dữ liệu với thông tin nhiễu.

- Đề xuất cải tiến cho phương pháp phân cụm mờ bán giám sát tiêu chuẩn bằng cách sử dụng nhiều hàm mờ hóa để tăng chất lượng cụm.

- Áp dụng các phương pháp đề xuất để phát hiện tàu biển từ ảnh vệ tinh trong bài toán quản lý cảng biển.

2. Các phương pháp nghiên cứu đã sử dụng

Luận án đã sử dụng các phương pháp khoa học sau trong quá trình thực hiện:

- Nghiên cứu: Khảo sát các phương pháp liên quan đến phân cụm mờ bán giám sát.

- Nghiên cứu tăng dần: Cải tiến và mở rộng phương pháp gom cụm mờ bán giám sát an toàn cho phân cụm dữ liệu với độ tin cậy và thông tin nhiễu.

- Nghiên cứu lý thuyết: Phân tích và chứng minh tính đúng đắn của thuật toán đề xuất.

- Nghiên cứu áp dụng: Áp dụng thuật toán đề xuất vào bài toán hiện tàu biển từ ảnh vệ tinh trong bài toán quản lý cảng biển.

3. Các kết quả chính và kết luận

3.1. Các kết quả chính

- Đề xuất một phương pháp phân cụm mờ bán giám sát an toàn mới cho phân chia dữ liệu với độ tin cậy cao.

- Đề xuất một phương pháp phân cụm mờ bán giám sát an toàn mới cho phân chia dữ liệu với thông tin nhiễu.

- Đề xuất cải tiến cho phương pháp phân cụm mờ bán giám sát tiêu chuẩn bằng cách sử dụng nhiều hàm mờ hóa để tăng chất lượng cụm.

3.2. Kết luận

Với mục tiêu nghiên cứu đề xuất một số phương pháp phân cụm bán giám sát mờ an toàn ứng dụng phát hiện tàu biển từ ảnh vệ tinh trong bài toán quản lý cảng biển. Luận án đã đạt được một số kết quả như sau:    

- Đề xuất phương pháp TS3FCM là phương pháp phân cụm bán giám sát mờ an toàn mới cho phân vùng dữ liệu với độ tin cậy, kết quả thực nghiệm trên các bộ dữ liệu UCI và bộ dữ liệu ảnh vệ tinh tàu biển cho thấy phương pháp đề xuất có kết quả tốt so với các phương pháp liên quan.

- Đề xuất phương pháp PTS3FCM là phương pháp phân cụm bán giám sát mờ an toàn mới trên tập mờ viễn cảnh cho phân vùng dữ liệu với độ tin cậy và dữ liệu nhiễu, kết quả thực nghiệm trên các bộ dữ liệu UCI và bộ dữ liệu nhiễu cho thấy phương pháp đề xuất có kết quả tốt so với các phương pháp liên quan.

- Đề xuất phương pháp cải tiến của SSFCM, trong đó sử dụng phân cụm bán giám sát mờ với các giá trị khác nhau của tham số mờ (MCSSFC-P), bằng cách áp dụng thuật toán SSFCM trong trường hợp sử dụng nhiều tham số mờ đối với từng điểm dữ liệu. Mặt khác phương pháp MCSSFC-P được kết hợp với phương pháp TS3FCM để đề xuất nên phương pháp phân cụm bán giám sát mờ an toàn với nhiều tham số mờ có tên gọi TS3MFCM. Kết quả thực nghiệm trên các bộ dữ liệu UCI, dữ liệu nhiễu và bộ dữ liệu ảnh vệ tinh tàu biển cho thấy các phương pháp đề xuất đạt hiệu quả tốt so với các phương pháp liên quan.

THE ABSTRACT OF DOTORAL THESIS

Thesis title: "Research and proposal an improvement of safe semi-supervised fuzzy clustering for seaport management problem"

The author’s name: Phung The Huan

Supervisors:

1. Dr. Vu Duc Thai

2. Assoc. Prof. Le Hoang Son

Major: Computer Science           Code: 9480101

The name of postgraduate training institution: University of Information and Communication Technology, Thai Nguyen University

1. Thesis purpose and objectives

The research aims to propose an improvement to the safe semi-supervised fuzzy clustering method for the seaport management problem. The research objectives are as follows:

- Proposed a new safe semi-supervised fuzzy clustering method for data partition with high confidence.

- Proposed a new picture safe semi-supervised fuzzy clustering method for data partition with noisy information.

- Propose the improvements of standard semi-supervised fuzzy clustering by using multiple fuzzifiers to increase clusters quality.

- Applying the proposed methods to detect ships from satellite images in the seaport management problem.

2. Research methods

The thesis has used the following scientific approaches in the process of implementing the topic:

- Research: Investigate methods related to semi-supervised fuzzy clustering.

- Incremental research: Improving and expanding the safe semi-supervised fuzzy clustering for data partition with high confidence  and noisy information.

- Theoretical research: Analyze and prove the correctness of the proposed algorithm.

- Applied research: Applying the proposed methods to detect ships from satellite images in the seaport management problem

3. Major results and conclusions

3.1. The major results

- Proposed a new safe semi-supervised fuzzy clustering method for data partition with high confidence.

- Proposed a new picture safe semi-supervised fuzzy clustering method for data partition with noisy information.

- Propose the improvements of standard semi-supervised fuzzy clustering by using multiple fuzzifiers to increase clusters quality.

3.2. Conclusions

With the goal of researching and proposing to improve the safe semi-supervised fuzzy clustering algorithm and applying the proposed methods to detect ships from satellite images in the seaport management problem, the research results and the specific contributions of the topic are as follows:

- Propose a new algorithm for the Data partition with confidence problem named as Trusted Safe Semi-Supervised Fuzzy Clustering Method (TS3FCM). The experimental results on the benchmark UCI Machine Learning datasets and Satellite Image DataSets of Ships show that TS3FCM has better performance comparing to selected methods on the same datasets.

- Propose a new algorithm named as Picture Trusted Safe Semi-Supervised Fuzzy Clustering, shorten as PTS3FCM, to handle the problem of data partition with noisy information. The experimental results on the benchmark UCI Machine Learning datasets and Outlier Detection DataSets show that PTS3FCM has better performance comparing to selected methods on the same datasets.

- Propose the improvements of semi-supervised standard fuzzy C-Mean clustering (SSFCM) by using multiple fuzzifiers to increase clusters quality named as MCSSFC-P. The propose method uses different fuzzifiers for each data point. On the other hand, the MCSSFC-P method is combined with the TS3FCM method to proposed an improvement algorithm for the data partition with confidence problem using semi-supervised clustering and multiple fuzzifiers named as TS3MFCM. The experimental results on the benchmark UCI Machine Learning datasets, Outlier Detection DataSets and  Satellite Image DataSets of Ships show that the propose methods has better performance comparing to selected methods on the same datasets.

Nguồn: Trường Đại học Công nghệ Thông tin và Truyền thông - Đại học Thái Nguyên.