Thông tin luận văn

DMHV	MIT22108	Họ và tên	Nguyễn Nhựt Tấn	Ngày sinh	03/5/1989
Khóa	2021	Điểm TB	7.02	Điểm LV	6.5

Tiêu đề tiếng Việt: Tiêu đề tiếng Anh Tóm tắt

NỘI DUNG NGHIÊN CỨU: Trong đề tài này, các vấn đề chính được tập trung nghiên cứu như sau:
•	Nghiên cứu về vấn đề phân lớp dữ liệu, dữ liệu chuỗi thời gian và các khái niệm liên quan.
•	Nghiên cứu giải thuật tìm kiếm motif EP-C và EP-MK và các vấn đề liên quan trong quá trình tìm kiếm motif trong công trình
•	Nghiên cứu về vấn đề phân lớp dữ liệu chuỗi thời gian dựa trên thông tin motif
•	Hiện thực hệ thống phân lớp dữ liệu chuỗi thời gian dựa trên thông tin motif sử dụng giải thuật Random Forest.
•	Thực nghiệm hệ thống phân lớp đề xuất với các bộ dữ liệu mẫu và đánh giá kết quả của giải thuật Random Forest với các phương pháp : Decision Tree, 1NN+DTW, Naïve Bayes, SAX-VSM.
2. PHƯƠNG PHÁP:
· Mô hình phân lớp
· Chuẩn hóa dữ liệu
· Tìm kiếm Motif
· Phép vị tự
· Khoảng cách Euclid tối thiểu
· Tìm kiếm Motif bằng giải thuật EP-C
· Tìm kiếm bằng giải thuật EP-MK
· Biểu diễn chuỗi thời gian dưới dạng vector đặc trưng
· Phân lớp chuỗi thời gian dựa trên thông tin Motif và giải thuật Rừng ngẫu nhiên
3. KẾT QUẢ:
Với hướng tiếp cận dựa trên việc tìm kiếm motif bằng giải thuật EP-C và EP-MK, đề tài đã xây dựng một hệ thống phân lớp dữ liệu chuỗi thời gian bằng giải thuật Random Forest dựa trên thông tin motif.
Phân đoạn chuỗi thời gian thành các chuỗi con dựa trên các điểm cực trị quan trọng trong các giải thuật tìm kiếm motif cũng như trong quá trình so trùng chuỗi con giúp cải thiện đáng kể thời gian xử lý cũng như có thể loại bỏ được dữ liệu nhiễu.
Việc phân lớp dữ liệu chuỗi thời gian dựa trên thông tin motif khi áp dụng giải thuật Rừng Ngẫu Nhiên (Random Forest) mang lại hiệu quả tốt hơn.
Về kết quả phân lớp, dùng giải thuật Rừng Ngẫu Nhiên (Random Forest) phân lớp dữ liệu chuỗi thời gian dựa trên thông tin motif đem lại độ chính xác cao hơn so với phân lớp bằng giải thuật 1NN + DTW (giải thuật chuẩn vàng) trên tất cả các bộ dữ liệu thực nghiệm.
Về kết quả đạt được khi thực nghiệm trên các bộ dữ liệu mẫu, việc áp dụng Rừng Ngẫu Nhiên vào dữ liệu chuỗi thời gian đã được biến đổi dựa vào thông tin motif mang lại hiệu quả phân lớp cao hơn và thời gian tốt hơn 4 phương pháp còn lại là: Decision Tree, 1NN+DTW, NaiveBayes, SAX-VSM.

Thông tin luận văn

Đào tạo sau đại học

Trang web liên kết

Thông tin luận văn

Trường Đại Học Ngoại Ngữ – Tin Học TP. Hồ Chí Minh (HUFLIT)

Phòng Đào tạo Sau Đại học – Khoa học Công nghệ

Trang web liên kết