Ứng dụng logic mờ trong bài toán xếp hạng tín dụng nội bộ khách hàng ngân hàng thương mại

TRƯỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG TIN
KHOA KHOA HỌC MÁY TÍNH
------

BÁO CÁO ĐỒ ÁN
ĐỀ TÀI: ỨNG DỤNG LOGIC MỜ TRONG BÀI TOÁN
XẾP HẠNG TÍN DỤNG NỘI BỘ KHÁCH HÀNG CÁ NHÂN
NGÂN HÀNG THƯƠNG MẠI

Môn học:

HỆ SUY DIỄN MỜ

Giảng viên hướng dẫn:

ThS . Trương Hải Bằng

Sinh viên thực hiện:

Phạm Anh Tuấn

Năm học 2015 – 2016

12520764


MÔN: HỆ SUY DIỄN MỜ
ĐỀ TÀI: ỨNG DỤNG LOGIC MỜ
TRONG BÀI TOÁN XẾP HẠNG TÍN DỤNG
NỘI BỘ KHÁCH HÀNG CÁ NHÂN
NGÂN HÀNG THƯƠNG MẠI

1


MỤC LỤC
MỤC LỤC………………………………………………………………………………..2
DANH MỤC CÁC HÌNH ẢNH…………………………………………………………4

CHƯƠNG 1: TỔNG QUAN VỀ ĐỀ TÀI
1.1 ĐẶT VẤN ĐỂ………………………………………………………………………....5
1.2 MỤC TIÊU NGHIÊN CỨU………………………………………………………….5
1.3 ĐỐI TƯỢNG VÀ PHẠM VI NGHIÊN CỨU…………………………………….....5
1.4 PHƯƠNG PHÁP NGHIÊN CỨU…………………………………………………....6
1.5 NỘI DUNG THỰC HIỆN………………………………………………………….....6

CHƯƠNG 2: CƠ SỞ LÝ THUYẾT
2.1 TỔNG QUAN VỀ XẾP HẠNG TÍN DỤNG
2.1.1 Khái niệm về xếp hạng tín dụng………………………………………………7
2.1.2 Đối tượng xếp hạng tín dụng…………………………………………………..7
2.1.3 Tầm quan trọng của xếp hạng tín dụng………………………………………7
2.1.4 Nguyên tắc xếp hạng tín dụng…………………………………………………8
2.1.5 Mô hình xếp hạng tín dụng…………………………………………………….8
2.1.6 Quy trình xếp hạng tín dụng…………………………………………………..9
2.2 LOGIC MỜ
2.2.1 Giới thiệu về tập mờ……………………………………………………............9
2.2.2 Phép giao trên tập mờ…………………………………………………………11
2.2.3 Phép hội trên tập mờ ………………………………………………………….11
2.2.4 Quan hệ mờ…………………………………………………………………….12
2.2.5 Phép chiếu……………………………………………………………………....12
2.2.6 Luật mờ và suy diễn luật………………………………………………………12

2.2.7 Mô hình suy diễn luật mờ……………………………………………………...13
2.2.8 Áp dụng Mamdani……………………………………………………………..14

2


CHƯƠNG 3: GIẢI QUYẾT BÀI TOÁN VỚI LOGIC MỜ
3.1 MÔ HÌNH HÓA BÀI TOÁN
3.1.1 Chỉ tiêu thông tin cá nhân
3.1.1.1Mô hình “Nhân khẩu học”………………………………………………17
3.1.1.2Mô hình “Tài chính”…………………………………………………….22
3.1.1.3Mô hình “Tài sản đảm bảo”…………………………………………….27
3.1.1.4Mô hình “Xếp hạng”…………………………………………………….32
3.1.2 Chỉ tiêu quan hệ với ngân hàng
3.1.2.1Mô hình “Tình hình nợ”………………………………………………...38
3.1.2.2Mô hình “Tiêu chí đối với ngân hàng”…………………………………43

CHƯƠNG 4: ỨNG DỤNG
4.1 THIẾT KẾ ỨNG DỤNG
4.1.1 Mục tiêu ứng dụng………………………………………………………………47
4.1.2 Chức năng của ứng dụng……………………………………………………….47
4.2 CÀI ĐẶT ỨNG DỤNG
4.2.1 Nền tảng công nghệ và công cụ………………………………………………...47
4.2.2 Tổ chức các giao diện
4.2.2.1Mô hình FIS – Nhân khẩu học…………………………………………48
4.2.2.2Mô hình FIS – Tài chính………………………………………………..49
4.2.2.3Mô hình FIS – Tài sản đảm bảo………………………………………..51
4.2.2.4Mô hình FIS – Kết quả xếp hạng………………………………………52
4.2.2.5Mô hình FIS – Tình hình nợ…………………………………………....54
4.2.2.6Mô hình FIS – Tiêu chí đối với ngân hàng…………………………….55

CHƯƠNG 5: KẾT LUẬN
5.1 KẾT QUẢ CỦA ĐỀ TÀI…………………………………………………………........57
5.2 HẠN CHẾ CỦA ĐỀ TÀI…………………………………………………………........57

TÀI LIỆU THAM KHẢO……………………………………………………………........58

3


DANH MỤC CÁC HÌNH ẢNH
Hình 2.1: Hàm thành viên.
Hình 2.2: Mô hình suy diễn mờ.
Hình 2.3: Ví dụ về suy diễn mờ.
Hình 3.1: Mô hình tổng quan của chỉ tiêu thông tin cá nhân.
Hình 3.2: Mô hình “Nhân khẩu học” với logic mờ.
Hình 3.3: Tập luật của mô hình “Nhân khẩu học”.
Hình 3.4: Mô hình “Tài chính” với logic mờ.
Hình 3.5: Tập luật của mô hình “Tài chính”.
Hình 3.6: Mô hình “Tài sản đảm bảo” với logic mờ.
Hình 3.7: Tập luật của mô hình “Tài sản đảm bảo”.
Hình 3.8: Mô hình “Xếp hạng” với logic mờ.
Hình 3.9: Tập luật của mô hình “Xếp hạng”.
Hình 3.10: Mô hình tổng quan của chỉ tiêu quan hệ với ngân hàng.
Hình 3.11: Mô hình “Tình hình nợ” với logic mờ.
Hình 3.12: Tập luật của mô hình “Tình hình nợ”.
Hình 3.13: Mô hình “Tiêu chí đối với ngân hàng” với logic mờ.
Hình 3.14: Tập luật của mô hình “Tiêu chí đối với ngân hàng”.
Hình 4.1, 4.4, 4.7, 4.10, 4.13, 4.16: Khởi tạo các giá trị đầu vào và đầu ra.
Hình 4.2, 4.5, 4.8, 4.11, 4.14, 4.17: Xây dựng hàm thành viên cho các giá trị đầu vào

và đầu ra.
Hình 4.3, 4.6, 4.9, 4.12, 4.15, 4.18: Thiết lập các luật suy diễn.

4


CHƯƠNG 1: TỔNG QUAN VỀ ĐỀ TÀI
1.1 ĐẶT VẤN ĐỀ:
Trong những năm gần đây, tín dụng tiêu dùng ngày càng đóng vai trò quan trọng
trong nền kinh tế cũng như trong cơ cấu kinh doanh của các ngân hàng thương mại Việt
Nam. Tuy nhiên, với việc tăng trưởng tín dụng tiêu dùng quá mức cũng tạo ra những rủi
ro phát sinh từ loại hình cho vay này như là: thứ nhất, nguồn tiền đổ vào chứng khoán và
bất động sản ngày một gia tăng dẫn đến nguy cơ lạm phát tăng cao trở lại; thứ hai, các
ngân hàng thương mại với việc đẩy mạnh phát triển tín dụng tiêu dùng mà bỏ qua việc
quản lý rủi ro về thanh khoản, nhất là sử dụng các nguồn vốn huy động ngắn hạn để cho
vay trung và dài hạn; thứ ba, nợ xấu trong thời gian gần đây có xu hướng tăng trở lại, do
tập trung về tăng trưởng tín dụng và lợi nhuận mà bỏ qua một số tiêu chí xét duyệt cho
vay, đặc biệt là các tiêu chí đánh giá về khả năng trả nợ của người vay; trong đó, ít quan
tâm đến hệ thống xếp hạng tín dụng làm cơ sở để ra quyết định cho vay, đặc biệt đối với
tín dụng tiêu dùng cá nhân lại càng ít hơn.
Bên cạnh đó, việc logic mờ được ứng dụng rộng rãi trong hầu hết các lĩnh vực khoa
học kĩ thuật, cũng như dần chuyển sang các lĩnh vực khác và đạt được những kết quả khả
quan. Đặc biệt, logic mờ được xem như một phương pháp tiếp cận mới để giải quyết các
bài toán trong lĩnh vực tài chính.

1.2 MỤC TIÊU NGHIÊN CỨU:
Đề tài nghiên cứu nhằm mục đích sau:
Ứng dụng logic mờ trong lĩnh vực kinh tế - tài chính, ở đây là xây dựng một
chương trình “Xếp hạng tín dụng nội bộ khách hàng cá nhân ngân hàng thương mại”
trên nền công cụ Matlab nhằm làm giảm rủi ro của các ngân hàng thương mại trong

việc thực hiện vay vốn đối với các đối tượng khách hàng tiêu dùng cá nhân.

1.3 ĐỐI TƯỢNG VÀ PHẠM VI NGHIÊN CỨU:
Đối tượng nghiên cứu: Ngân hàng thương mại.
Phạm vi nghiên cứu: Nghiên cứu mô hình và các chỉ tiêu đánh giá xếp hạng tín dụng
khách hàng cá nhân đã được xây dựng kết hợp với việc áp dụng logic mờ.

5


1.4 PHƯƠNG PHÁP NGHIÊN CỨU:
Báo cáo sử dụng phương pháp phân tích số liệu định tính để làm rõ hiện trạng hệ
thống xếp hạng tín dụng nội bộ và bằng cách sử dụng phương pháp so sánh với các tiêu
chuẩn đánh giá phổ biến trên thị trường xếp hạng tín nhiệm quốc tế và trong nước. Đồng
thời, kết hợp với logic mờ để xây dựng một chương trình mang tính thực tiễn cho lĩnh
vực tài chính.

1.5 NỘI DUNG THỰC HIỆN:
Đề tài nghiên cứu “Ứng dụng logic mờ trong bài toán xếp hạng tín dụng nội bộ khách
hàng cá nhân ngân hàng thương mại ” được phân chia và xây dựng với kết cấu chi tiết
bao gồm:
 Chương 1: Giới thiệu tổng quan về đề tài cũng như là phương pháp nghiên cứu
được ứng dụng vào đề tài (logic mờ).
 Chương 2: Trình bày các cơ sở lý thuyết về đề tài với 2 mục chính: xếp hạng
tín dụng cá nhân và logic mờ.
 Chương 3: Trình bày phương pháp mô hình hóa bài toán xếp hạng tín dụng cá
nhân với logic mờ (Mamdani).
 Chương 4: Giới thiệu về ứng dụng (được cấu thành từ 6 chương trình Matlab).
 Chương 5: Đánh giá về đề tài.

6


CHƯƠNG 2: CƠ SỞ LÝ THUYẾT
2.1 TỒNG QUAN VỀ XẾP HẠNG TÍN DỤNG:
2.1.1 Khái niệm về xếp hạng tín dụng:
Xếp hạng tín dụng là việc đưa ra nhận định về mức độ tín nhiệm đối với trách
nhiệm tài chính hoặc đánh giá mức độ rủi ro tín dụng phụ thuộc các yếu tố bao
gồm: năng lực đáp ứng các cam kết tài chính, khả năng dễ bị vỡ nợ khi các điều
kiện kinh doanh thay đổi, ý thức và thiện chí trả nợ của người đi vay.

2.1.2 Đối tượng xếp hạng tín dụng:
Hệ thống xếp hạng tín dụng tiếp cận đến tất cả các yếu tố có liên quan đến rủi
ro tín dụng, các ngân hàng thương mại không sử dụng kết quả xếp hạng tín dụng
nhằm thể hiện giá trị của người đi vay mà đơn thuần là đưa ra ý kiến hiện tại dựa
trên các nhân tố rủi ro, từ đó có chính sách tín dụng và giới hạn cho vay phù hợp.
Một sự xếp hạng cao của một khách hàng đi vay chưa phải là chắc chắn trong việc
thu hồi đầy đủ các khỏan nợ gốc và lãi vay, mà chỉ là cơ sở để đưa ra quyết định
đúng đắn về tín dụng đã được điều chỉnh theo dự kiến mức độ rủi ro tín dụng có
liên quan đến khách hàng là người đi vay và tất cả các khoản vay của khách hàng
đó.

2.1.3 Tầm quan trọng của xếp hạng tín dụng:
Hệ thống xếp hạng tín dụng của ngân hàng thương mại nhằm cung cấp những
dự đoán khả năng xảy ra rủi ro tín dụng có thể được hiểu là sự khác biệt về mặt
kinh tế giữa những gì mà người đi vay hứa thanh toán với những gì mà ngân hàng
thương mại thực sự nhận được. Khái niệm rủi ro được xét đến ở đây là một sự
không chắc chắn hay một tình trạng bất ổn có thể ước đoán được xác suất xảy ra.
Khái niệm tín dụng được hiểu là quan hệ chuyển giao quyền sử dụng vốn giữa
người cho vay và người đi vay trên nguyên tắc có hoàn trả. Quan hệ tín dụng dựa

trên sự tin tưởng lẫn nhau giữa các chủ thể.
Hệ thống xếp hạng tín dụng giúp ngân hàng thương mại quản trị rủi ro tín dụng
bằng phương pháp tiên tiến, giúp kiểm soát mức độ tín nhiệm khách hàng, thiết
lập mức lãi suất cho vay phù hợp với dự báo khả năng thất bại của từng nhóm
khách hàng. Ngân hàng thương mại có thể đánh giá hiệu quả danh mục cho vay
thông qua sự giám sát sự thay đổi dư nợ và phân loại nợ trong từng nhóm khách
7


hàng đã được xếp hạng, qua đó điều chỉnh danh mục theo hướng ưu tiên nguồn lực
vào những nhóm khách hàng an toàn.

2.1.4 Nguyên tắc xếp hạng tín dụng:
Hệ thống xếp hạng tín dụng là một công cụ quan trọng để tăng cường tính
khách quan, nâng cao chất lượng và hiệu quả của hoạt động tín dụng.
Khái niệm hiện đại về xếp hạng tín dụng được tập trung vào các nguyên tắc
chủ yếu bao gồm phân tích tín nhiệm trên cơ sở ý thức và thiện chí trả nợ của
người đi vay và từng khoản vay; đánh giá rủi ro dài hạn dựa trên ảnh hưởng của
chu kỳ kinh doanh và xu hướng khả năng trả nợ trong tương lai; đánh giá rủi ro
toàn diện và thống nhất dựa vào hệ thống ký hiệu xếp hạng.
Trong phân tích xếp hạng tín dụng cần thiết sử dụng phân tích định tính để bổ
sung cho những phân tích định lượng. Các dữ liệu định lượng là những quan sát
được đo bằng số, các quan sát không thể đo lường bằng số được xếp vào dữ liệu
định tính. Các chỉ tiêu phân tích có thể thay đổi phù hợp với sự thay đổi của trình
độ công nghệ và yêu cầu quản trị rủi ro.
Việc thu thập số liệu để đưa vào mô hình xếp hạng tín dụng cần được thực hiện
một cách khách quan, linh động. Sử dụng cùng lúc nhiều nguồn thông tin để có
được cái nhìn toàn diện về tình hình tài chính của khách hàng vay.

2.1.5 Mô hình xếp hạng tín dụng:

Mô hình đơn giản nhất được sử dụng trong xếp hạng tín dụng là mô hình một
biến số, chỉ tiêu đánh giá được thống nhất trong mô hình. Tỷ suất tài chính được
sử dụng trong mô hình một biến bao gồm: các chỉ tiêu thanh khoản, các chỉ tiêu
hoạt động, chỉ tiêu cân nợ, chỉ tiêu lợi tức, chỉ tiêu vay nợ và chi phí trả lãi. Các
chỉ tiêu phi tài chính thường được sử dụng bao gồm: triển vọng ngành, tuổi, trình
độ học vấn của người vay …Nhược điểm của mô hình một biến số là kết quả dự
báo khó chính xác nếu thực hiện phân tích và đánh giá các chỉ tiêu theo một cách
khác nhau. Để khắc phục nhược điểm này, các nghiên cứu đã phát triển mô hình
kết hợp nhiều biến số thành một giá trị để dự báo sự thất bại của doanh nghiệp như
mô hình phân tích hồi quy, phân tích logic, phân tích xác suất có điều kiện, phân
tích phân biệt nhiều biến số.

8


2.1.6 Quy trình xếp hạng tín dụng:
Căn cứ vào chính sách tín dụng và các quy định có liên quan đến từng ngân
hàng nhằm xác lập quy trình xếp hạng tín dụng. Một quy trình xếp hạng tín dụng
bao gồm các bước cơ bản sau:
 Thu thập thông tin liên quan đến các chỉ tiêu sử dụng trong phân tích đánh
giá, thông tin xếp hạng của các tổ chức tín nhiệm khác liên quan đến đối
tượng xếp hạng. Trong quá trình thu thập thông tin, ngoài những thông tin
do chính khách hàng cung cấp, cán bộ thẩm định phải sử dụng nhiều nguồn
thông tin khác từ các phương tiện thông tin đại chúng, thông tin tín dụng
nội bộ của ngân hàng …
 Phân tích bằng mô hình để kết luận về mức xếp hạng. Sử dụng đồng thời
chỉ tiêu tài chính và chỉ tiêu phi tài chính. Đặc biệt đối với những chỉ tiêu
phi tài chính phải được sử dụng hết sức linh hoạt, khách quan, phù hợp với
từng đối tượng khách hàng.
 Theo dõi tình trạng tín dụng của đối tượng được xếp hạng để điều chỉnh

mức xếp hạng, các thông tin điều chỉnh được lưu giữ. Tổng hợp kết quả xếp
hạng so sánh với thực tế rủi ro xảy ra và dựa trên tần suất phải điều chỉnh
mức xếp hạng đã thực hiện đối với khách hàng để xem xét điều chỉnh mô
hình xếp hạng.
2.2 LOGIC MỜ:
2.2.1 Giới thiệu về tập mờ:
Trong thực tế, khi định nghĩa một tập các số lớn hơn 10 và ký hiệu là A, ta có
định nghĩa như sau:
A = {x|x > 10}
Khi đó, rất dễ xác định được các phần tử chắc chắn thuộc và không thuộc khái
niệm A. Tuy nhiên, nếu đưa ra một khái niệm về tập nhà giàu (với những người có
thu nhập hơn hay bằng 10 triệu một tháng) và ký hiệu B:
B = {tn|tn ≥ 10000000}
Khi đó, ta bảo một người có thu nhập là 10 triệu/tháng là thuộc nhà giàu, tuy
nhiên bằng trực giác bình thường nó sẽ không hợp lý nếu gọi người có thu nhập
9999999/tháng không phải là nhà giàu.
Vì vậy, khái niệm tập mờ xuất hiện để giải quyết những ý niệm nhắm tới các
tập không có ranh giới rõ ràng. Thường thì tập mờ biểu diễn cho một thể hiện
ngôn ngữ, lấy ví dụ: “trời rất nóng”, “anh ta rất hiền” …
9


Gọi X là không gian các đối tượng và x là các phần tử tổng quát thuộc X. Khi
đó, theo Zadeh (1965), một tập mờ A trong X được định nghĩa là tập các cặp như
sau:
A = {(x, µ A(x)) | x ϵ X}
trong đó, µA(x) được gọi là hàm thành viên của tập mờ A. Hàm thành viên này
chỉ mức độ thuộc của x trong không gian X và có giá trị từ 0 đến 1. Hay ký hiệu
khác khi X là không gian liên tục: (ký hiệu này không phải chỉ hàm tích phân mà
chỉ sự hội các phần tử liên tục)

A = ∫ μA(x) | x

Dễ dàng nhận thấy, nếu như tập mờ A chỉ toàn những hàm thành viên có giá trị
0 hoặc 1 thì A trở thành một tập rõ.
Lấy ví dụ: Khi mô tả tập khái niệm về độ tuổi là “trẻ”, ký hiệu là:
tre = {(t, µ tre(t)) | t ϵ TUOI)}
Khí đó, TUOI = [0, 200] và hàm thành viên µ tre(t) có dạng như sau:

µ tre =

⎧
⎪

0

⎨1
⎪
⎩

≤ 15
15 ≤
20 ≤
27 ≤

≥ 37
≤ 20

≤ 27
≤ 37

Hình 2.1: Hàm thành viên

Đây là dạng số mờ hình thang và thường được ký hiệu là bộ bốn số tre: [15, 20,
27, 37].

10


2.2.2 Phép giao trên tập mờ:
Cho tập mờ A và B cùng trong không gian X. Giao của tập mờ A và tập mờ B
là tập mờ mới C trong không gian X được định nghĩa như sau:
C = {(x, T(µ A(x), µ B(x))) | x ϵ X}
Trong đó, T được biết như hàm T-norm (triangular norm). Hàm T này thường
có 4 dạng:
Minimum: T(a, b) = min(a, b) = a ˄ b
Algebraic product: T(a, b) = ab

Bounded product: T(a, b) = 0 ˅ (a + b - 1)
Drastic product: T(a, b) =
0

ế
=1
ế
=1
ế , <1

2.2.3 Phép hội trên tập mờ:
Cho tập mờ A và B cùng trong không gian X. Hội của tập mờ A và tập mờ B là
tập mờ mới C trong không gian X được định nghĩa như sau:

C = {(x, S(µ A(x), µ B(x))) | x ϵ X }
Trong đó, S được biết như hàm T-conorm (S-norm). Hàm S này thường có 4
dạng:
Maximum: S(a, b) = max(a, b) = a ˅ b
Algebraic sum: S(a, b) = a – b – ab
Bounded sum: S(a, b) = 1 ˄ (a + b)
Drastic sum: S(a, b) =
1

ế
=0
ế
=0
ế , >0

11


2.2.4 Quan hệ mờ:
Cho tập mờ A trong không gian X, tập mờ B trong không gian Y. Quan hệ R
của A và B hay còn gọi là quan hệ mờ 2 ngôi được định nghĩa như là một tập mờ
R trên không gian X x Y:
R = {((x, y), T(µ A(x), µ B(x))) | (x, y) ϵ X x Y}
R=∫

μA(x), μB(x) | ( , )

2.2.5 Phép chiếu:
Cho tập mờ R trong không gian X x Y, khi đó ta định nghĩa phép chiếu của R
trên không gian X và Y như sau:

RX = ∫ (
RY = ∫ (

µ R(x)) | x = {(x,

µ R(x, y))}

µ R(x)) | y = {(y,

µ R(x, y))}

2.2.6 Luật mờ và suy diễn luật:
Luật mờ được biết đến như dạng luật “nếu … thì …” nhưng có sử dụng các
khái niệm tập mờ chỉ ngữ nghĩa. Cho 2 tập mờ A trong không gian X và B trong
không gian Y. Ta phát biểu một luật như sau:
Nếu x là A thì y là B
Với luật như vậy, ta có thể định nghĩa luật mờ như một quan hệ mờ R của A và
B.
R=A→B=AxB=∫

μA(x), μB(x) | ( , )

Có thể hiểu luật mờ theo một số cách khác: R = A → B = Ᾱ ∪ B

12


2.2.7 Mô hình suy diễn luật mờ:

Hình 2.2: Mô hình suy diễn mờ

 Đầu vào: Các giá trị rõ hay mờ của các tính chất
 Hệ thống: Hệ suy luận dựa vào tập luật (tri thức)
 Đầu ra: Các giá trị rõ mà được suy luật dựa trên tập luật và phương pháp suy
luận.
Theo như hệ suy diễn thì kết quả là một tập mờ, chính vì vậy mà có thành phần
giải mờ để làm kết quả trở thành kết quả rõ.
Một số phương pháp giải mờ theo Mamdani:
 Phương pháp nhân đôi:

 Phương pháp bình quân hay lớn nhất hay nhỏ nhất của giá trị lớn nhất:
zmom, zlom, zsom
 Phương pháp trọng tâm vùng: zCOA =

13


2.2.8 Áp dụng Mamdani:
Ví dụ minh họa:
Cho tập luật mô tả tùy chỉnh nhiệt độ máy lạnh theo số người và nhiệt độ ngoài
trời:
o Nếu phòng nhiều người và trời nóng thì máy điều hòa để chế độ lạnh.
o Nếu phòng nhiều người và trời bình thường thì máy điều hòa để chế độ
bình thường.
o Nếu phòng ít người và trời nóng thì máy điều hòa để chế độ bình
thường.
o Nếu phòng ít người và trời lạnh thì máy điều hòa để chế độ nóng.
Với các khái niệm mờ được biểu diễn dạng số mờ hình thành như sau:
Nhiều người [10, 15, 18, 22]
Ít người [2, 8, 12, 15]

Nóng(nhiệt) [26, 31, 31, 35 ]
Bình thường [20, 22, 25, 29]
Lạnh [14, 16, 20, 24]
Vậy nếu phòng có 20 người và nhiệt độ ngoài trời là 28 thì máy điều hòa phải
ở chế độ thế nào?
Ta thấy có 20 người thuộc khái niệm “nhiều người” và 28 độ thuộc khái niệm
“nóng”, “bình thường”. Ta sử dụng 2 luật đầu tiên trong 4 luật:

Hình 2.3: Ví dụ về suy diễn mờ
14


Giải mờ:

15


CHƯƠNG 3: GIẢI QUYẾT BÀI TOÁN
VỚI LOGIC MỜ
3.1 MÔ HÌNH HÓA BÀI TOÁN:
3.1.1 Chỉ tiêu thông tin cá nhân:

Hình 3.1: Mô hình tổng quan của chỉ tiêu thông tin cá nhân

Mô hình chỉ tiêu thông tin cá nhân có 10 giá trị đầu vào được chia thành 3 mô
hình con là mô hình “Nhân khẩu học”, mô hình “Tài chính” và mô hình “Tài sản
đảm bảo”. Như vậy, giá trị đầu ra của mỗi mô hình con ở trên chính là các giá trị
đầu vào của mô hình “Xếp hạng” => Gía trị đầu ra ở mô hình “Xếp hạng” là kết
quả xếp hạng tín dụng của khách hàng cá nhân ở phần đánh giá về thông tin cá
nhân của khách hàng.

16


3.1.1.1Mô hình “Nhân khẩu học”:

Hình 3.2: Mô hình “Nhân khẩu học” với logic mờ

Chú thích:
 Các giá trị đầu vào (input): tuổi, trình độ học vấn, tình trạng
hôn nhân, số con.
 Giá trị đầu ra (output): nhân khẩu học.

a. Biến ngôn ngữ: Tuổi [18; 65]
b. Hàm thành viên:
trẻ(x)

1 ; ≤ 25
; 25 < < 33

=

0;

trung_niên(x)

=

⎧
⎪
⎨

⎪
⎩

≥ 33

0 ; ≤ 27
; 27 < < 43
1;

= 43

; 43 <

0;

< 53

≥ 53

17


già(x)

0 ; ≤ 48
; 48 < < 60

=

1;

≥ 60

c. Biến ngôn ngữ: Trình độ học vấn [0; 3]
d. Hàm thành viên:
thấp(x)

=

.

trung_bình(x)

cao(x)

1 ; ≤ 0.5
; 0.5 < < 1

=

0;

⎧
⎪
⎨
⎪
⎩

0 ; ≤ 0.8
; 0.8 < < 1.8

.
.

.

1 ; = 1.8
; 1.8 < < 2.25

0;

0;

.

=

≥1

≥ 2.25

≤ 1.5

; 1.5 <

1;

< 2.5

≥ 2.5

e. Biến ngôn ngữ: Tình trạng hôn nhân [0; 1]
f. Hàm thành viên:
độc_thân(x)

.

=

có_gia_đình(x)

=

1 ; ≤ 0.5
; 0.5 < < 0.7

.

0;
.

.

≥ 0.7

0 ; ≤ 0.7
; 0.7 < < 0.9

1;

≥ 0.9

18


g. Biến ngôn ngữ: Số con [0; 5]
h. Hàm thành viên:
ít(x)

=

vừa(x)

1 ; ≤ 0.75
; 0.75 < < 2

.

=

nhiều(x)

⎧
⎪
⎨
⎪
⎩

0;

≥2

0; ≤1
; 1 < < 2.7

1 ; = 2.7
; 2.7 < < 3.7

.

0;

=

≥ 3.7

0; ≤3
; 3 < < 4.5

.

1;

≥ 4.5

i. Biến ngôn ngữ: Nhân khẩu học [0; 1]
j. Hàm thành viên:
yếu(x)

=

.

.

trung_bình(x) =

mạnh(x)

=

1 ; ≤ 0.2
; 0.2 < < 0.4
0;
⎧
⎪
⎨
⎪
⎩
.

.

.

.

≥ 0.4

.

.

0 ; ≤ 0.3
; 0.3 < < 0.5
1 ; = 0.5
; 0.5 < < 0.7
0;

≥ 0.7

0 ; ≤ 0.6
; 0.6 < < 0.8

1;

≥ 0.8

19


k. Danh sách luật:

20


Hình 3.3: Tập luật của mô hình “Nhân khẩu học”

21

3.1.1.2Mô hình “Tài chính”:

Hình 3.4: Mô hình “Tài chính” với logic mờ
Chú thích:
 Các giá trị đầu vào (input): thu nhập hàng tháng, thâm niên
công tác, loại hợp đồng lao động.
 Giá trị đầu ra (output): tài chính.

a. Biến ngôn ngữ: Thu nhập hàng tháng [5000000; 150000000]
b. Hàm thành viên:
thấp(x)

1 ; ≤ 15000000
; 15000000 < < 30000000

=

0;

trung_bình(x)

cao(x)

=

=

≥ 30000000

0 ; ≤ 20000000
; 20000000 < < 50000000

⎧
⎪

1;

⎨
⎪
⎩

= 50000000

; 50000000 <
0;

0;

≥ 85000000

≤ 65000000

; 65000000 <
1;

< 85000000

< 100000000

≥ 100000000

22


c. Biến ngôn ngữ: Thâm niên công tác [0; 15]
d. Hàm thành viên:
ngắn(x)

.

=

.

trung_bình(x) =

dài(x)

=

1; ≤3
; 3 < < 7.5

0;

⎧
⎪
⎨
⎪

⎩

.

.

≥ 7.5

.
.

0 ; ≤ 3.7
; 3.7 < < 7
1;

0;

0;

.

.

=7

;7 <

< 11.25

≥ 11.25

≤ 7.5

; 7.5 <

1;

< 12

≥ 12

e. Biến ngôn ngữ: Loại hợp đồng lao động [0; 2]
f. Hàm thành viên:
thời_vụ(x)

=

có_thời_hạn(x)

.

=

không_thời_hạn(x)

⎧
⎪
⎨
⎪
⎩

=

1 ; ≤ 0.4
; 0.4 < < 1
0;

.

.

≥1

.

0 ; ≤ 0.5
; 0.5 < < 1
1;

=1

;1 <

.

0;
.

< 1.5

≥ 1.5

0; ≤1
; 1 < < 1.7

1;

≥ 1.7

23


g. Biến ngôn ngữ: Tài chính [0; 1]
h. Hàm thành viên:
yếu(x)

=

.

trung_bình(x)

mạnh(x)

=

1 ; ≤ 0.2
; 0.2 < < 0.4

.

=

0;
⎧
⎪
⎨
⎪
⎩
.

.

.

.

≥ 0.4

.

.

0 ; ≤ 0.3
; 0.3 < < 0.5
1 ; = 0.5
; 0.5 < < 0.7
0;

≥ 0.7

0 ; ≤ 0.6
; 0.6 < < 0.8

1;

≥ 0.8

i. Danh sách luật:

24