- Nghiên cứu các tập rút gọn trong bảng quyết đinh. - Tập rút gọn. - Bảng quyết định. - Khai phá dữ liệu là một trong những vấn đề rất sôi động hiện nay và được ứng dụng rộng rãi. - Có rất nhiều phương pháp khai phá dữ liệu, một trong những phương pháp đó là sử dụng lý thuyết tập thô - một trong những công cụ quan trọng trong khai phá dữ liệu. - Từ khi xuất hiện, lý thuyết tập thô đã được sử dụng hiệu quả trong các bước của quá trình khai phá dữ liệu và khám phá tri thức, bao gồm rút gọn dữ liệu, trích lọc các tri thức tiềm ẩn trong dữ liệu dưới dạng mẫu và các luật quyết định, bảng quyết định.. - Trong thực tế, dữ liệu trong bảng quyết định thường đa dạng và không đầy đủ, thiếu chính xác mà lại dư thừa nên bài toán rút gọn thuộc tính được đặt ra nhằm mục tiêu tạo ra các thuộc tính cốt yếu và cần thiết trong cơ sở dữ liệu (bảng). - Hay nói cách khác, Rút gọn là bài toán quan trọng nhất trong lý thuyết tập thô. - Mục tiêu của bài toán rút gọn thuộc tính trong bảng quyết định là loại bỏ (tối đa) các thuộc tính dư thừa mà phần còn lại cũng chứa đầy đủ thông tin của bảng, dựa vào tập thuộc tính rút gọn thu được, việc sinh luật và phân lớp đạt hiệu quả cao nhất.. - Trong những năm gần đây đã chứng kiến sự phát triển mạnh mẽ và sôi động của các hướng nghiên cứu về rút gọn thuộc tính trong lý thuyết tập thô. - Trong xu thế đó nhiều nhóm nhà khoa học trên thế giới đã nghiên cứu các phương pháp rút gọn thuộc tính theo các phương pháp khác nhau, đáng chú ý là phương pháp dựa trên miền dương, phương pháp sử dụng lý thuyết thông tin, phương pháp sử dụng ma trận phân biệt được, phương pháp dựa trên tính toán hạt, phương pháp dựa trên metric… Mỗi phương pháp đều phù hợp với một lớp bài toán trong thực tế.. - Đối với một bảng quyết định có thể có nhiều tập rút gọn khác nhau. - Tuy nhiên, trong thực hành thường không đòi hỏi tìm tất cả các tập rút gọn mà chỉ cần tìm được một tập rút gọn tốt nhất theo một tiêu chuẩn đánh giá nào đó là đủ. - Vì vậy, mỗi phương pháp rút gọn thuộc tính đều đưa ra một thuật toán heuristic tìm tập rút gọn. - Các thuật toán này giảm thiểu đáng kể khối lượng tính toán, nhờ đó có thể áp dụng đối với các bài toán có khối lượng dữ liệu lớn. - Chính vì vậy, mà Tôi đã chọn đề tài: “Nghiên cứu các tập Rút gọn trong bảng quyết định” làm luận văn tốt nghiệp.. - Tìm hiểu một số lý thuyết về hệ thống thông tin, bảng quyết định, tập rút gọn.. - Tìm hiểu một số lý thuyết về cơ sở dữ liệu.. - Tìm hiểu một số thuật toán tìm một tập rút gọn và tất cả các tập rút gọn trong bảng quyết định.. - Cài đặt thử nghiệm một thuật toán tìm tập rút gọn trong bảng quyết định.. - Chương 1: Các khái niệm cơ bản về lý thuyết tập thô và lý thuyết cơ sở dữ liệu quan hệ.. - Trong chương này, sẽ đi tìm hiểu về các khái niệm hệ thống thông tin, bảng quyết định, tập rút gọn. - và một số thuật toán cơ bản trong cơ sở dữ liệu quan hệ được sử dụng để xây dựng các thuật toán rút gọn trong bảng quyết định.. - Đây là những phần lý thuyết cơ sở để triển khai, nghiên cứu trong các chương tiếp theo.. - Chương 2: Tìm hiểu về một số thuật toán tìm một tập rút gọn và thuật toán tìm tất cả các tập rút gọn trong bảng quyết định nhất quán.. - Trong chương này, chúng tôi đưa ra một số thuật toán trên bảng quyết định liên quan đến tập rút gọn: xác định một tập rút gọn và tất cả các tập rút gọn trong bảng quyết định nhất quán (dựa trên lý thuyết cơ sở dữ liệu quan hệ).. - Chương 3: Triển khai cài đặt thử nghiệm một thuật toán tìm một tập rút gọn trong bảng quyết định nhất quán, từ đó rút ra một số ứng dụng và kết luận.. - Son Some Efficient Alogrithms for Rough Set Methods", Proceedings of the sixth International Conference on Information. - (2008), “Measures for Evaluating The Decision Performace of a Decision Table in Rough Set Theory”, Information Sciences, Vol.178, pp.181-202. - [16] Sun L., Xu J.C and Cao X.Z (2009), “Decision Table Reduction Method Based on New Conditional Entropy for Rough Set Theory”, International Workshop on Intelligent Systems and Applications, pp. - (2007), “A Novel Attribute Reduction Algorithm Based on Rough Set and Information Entropy Theory”, 2007 International Conference on Computational Intelligence and Security Workshops, IEEE CISW, pp.81-84.. - (2008), “An Attribute Reduction Algorithm in Rough Set Theory Based on Information Entropy”, 2008 International Symposium on Computational Intelligence and Design, IEEE ISCID, pp