Cách tiếp cận đại số gia tử xây dựng hệ hỗ trợ ra quyết định trong chẩn đoán bệnh viêm gan b

ĐẠI HỌC THÁI NGUYÊN
TRƯỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG TIN VÀ TRUYỀN THÔNG

NGUYỄN VŨ HẬU

CÁCH TIẾP CẬN ĐẠI SỐ GIA TỬ
XÂY DỰNG HỆ HỖ TRỢ RA QUYẾT ĐỊNH
TRONG CHẨN ĐOÁN BỆNH VIÊM GAN B

LUẬN VĂN THẠC SĨ KHOA HỌC MÁY TÍNH

THÁI NGUYÊN - 2015

Số hóa bởi Trung tâm Học liệu – ĐHTN




ĐẠI HỌC THÁI NGUYÊN
TRƯỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG TIN VÀ TRUYỀN THÔNG

NGUYỄN VŨ HẬU

CÁCH TIẾP CẬN ĐẠI SỐ GIA TỬ
XÂY DỰNG HỆ HỖ TRỢ RA QUYẾT ĐỊNH
TRONG CHẨN ĐOÁN BỆNH VIÊM GAN B
Chuyên ngành: KHOA HỌC MÁY TÍNH
Mã số: 60.48.01.01

LUẬN VĂN THẠC SĨ KHOA HỌC MÁY TÍNH

Người hướng dẫn khoa học: TS. NGUYỄN DUY MINH

THÁI NGUYÊN - 2015

Số hóa bởi Trung tâm Học liệu – ĐHTN




i
LỜI CAM ĐOAN
Tôi xin cam đoan luận văn này do chính tôi thực hiện, dưới sự hướng
dẫn khoa học của TS. Nguyễn Duy Minh, số liệu và kết quả nghiên cứu
trong luận văn này hoàn toàn trung thực và chưa sử dụng để bảo vệ một
công trình khoa học nào, các thông tin, tài liệu trích dẫn trong luận văn đã
được chỉ rõ nguồn gốc. Mọi sự giúp đỡ cho việc hoàn thành luận văn đều
đã được cảm ơn. Nếu sai tôi hoàn toàn chịu trách nhiệm.
Thái Nguyên, tháng 8 năm 2015
Tác giả

Nguyễn Vũ Hậu

Số hóa bởi Trung tâm Học liệu – ĐHTN




ii
LỜI CẢM ƠN
Trước hết em xin trân trọng cảm ơn các thầy giáo, cô giáo trường đại

học công nghệ thông tin đã giảng dạy em trong quá trình học tập chương trình
sau đại học. Dù rằng, trong quá trình học tập trực tuyến có nhiều khó khăn
trong việc tiếp thu kiến thức cũng như sưu tầm tài liệu học tập, nhưng với sự
nhiệt tình và tâm huyết của thầy cô cộng với những nỗ lực của bản thân đã
giúp em vượt qua được những trở ngại đó.
Em xin bày tỏ lòng biết ơn sâu sắc tới thầy giáo TS. Nguyễn Duy Minh
người hướng dẫn khoa học, đã tận tình hướng dẫn em trong suốt quá trình
làm luận văn.
Để có thể hoàn tất khoá học sau đại học tại Trường Đại học Công nghệ
thông tin, em đã nhận được rất nhiều sự động viên giúp đỡ của gia đình, thầy
cô, đồng nghiệp và bạn bè trong lớp cao học k12i.
Một lần nữa em xin chân thành cảm ơn.
Thái Nguyên, tháng 8 năm 2015
Tác giả

Nguyễn Vũ Hậu

Số hóa bởi Trung tâm Học liệu – ĐHTN




iii
MỤC LỤC
LỜI CAM ĐOAN ............................................................................................. i
LỜI CẢM ƠN .................................................................................................. ii
MỤC LỤC ....................................................................................................... iii
DANH MỤC BẢNG ........................................................................................ v
DANH MỤC HÌNH ........................................................................................ vi
MỞ ĐẦU .......................................................................................................... 1

Chương 1. MỘT SỐ KIẾN THỨC CƠ BẢN ............................................... 3
1.1. Lý thuyết tập mờ .................................................................................... 3
1.1.1. Định nghĩa ....................................................................................... 3
1.1.2. Lập luận mờ .................................................................................... 3
1.2. Hệ chuyên gia ......................................................................................... 4
1.2.1. Giới thiệu về hệ chuyên gia ............................................................ 4
1.2.2. Phạm vi ứng dụng của hệ chuyên gia ............................................. 5
1.2.3. Biểu diễn tri thức trong hệ chuyên gia ............................................ 5
1.2.4. Suy diễn và lập luận ........................................................................ 7
1.2.5. Lập luận tiến và lập luận lùi .......................................................... 10
1.3. Tổng quan về bệnh viêm gan B ........................................................... 14
1.4. Kết luận chương 1 ................................................................................ 14
Chương 2. CÁCH TIẾP CẬN ĐẠI SỐ GIA TỬ XÂY DỰNG HỆ HỖ
TRỢ RA QUYẾT ĐỊNH .............................................................. 16
2.1. Đại số gia tử ......................................................................................... 16
2.1.1. Biến ngôn ngữ ............................................................................... 17
2.1.2. Đại số gia tử của biến ngôn ngữ ................................................... 19
2.1.3. Các tính chất cơ bản của ĐSGT tuyến tính................................... 21
2.1.4. Hàm đo trong đại số gia tử tuyến tính........................................... 22
2.2. Định lượng ngữ nghĩa giá trị ngôn ngữ ............................................... 22
Số hóa bởi Trung tâm Học liệu – ĐHTN




iv
2.3. Tích hợp đại số gia tử........................................................................... 24
2.4. Bài toán lập luận K - điều kiện ............................................................ 24
2.5. Xây dựng hệ hỗ trợ ra quyết định ........................................................ 25
2.5.1. Xử lý dữ liệu vào........................................................................... 25

2.5.2. Xây dựng quá trình suy luận ......................................................... 26
2.5.3. Hệ hỗ trợ ra quyết định dựa theo phương pháp luận sử dụng đại số
gia tử........................................................................................................ 28
2.6. Tổng kết chương 2 ............................................................................... 28
Chương 3. SỬ DỤNG ĐẠI SỐ GIA TỬ XÂY DỰNG HỆ HỖ TRỢ RA
QUYẾT ĐỊNH CHẨN ĐOÁN BỆNH VIÊM GAN B ............... 29
3.1. Phân tích dữ liệu bệnh viêm gan B ...................................................... 29
3.1.1. Các triệu chứng của bệnh .............................................................. 29
3.1.2. Các kiểu chẩn đoán ....................................................................... 30
3.1.3. Các luật xây dựng chẩn đoán bệnh viêm gan B ............................ 33
3.2. Xây dựng hệ hỗ trợ ra quyết định chẩn đoán bệnh viêm gan B .......... 42
3.2.1. Xác định các biến ngôn ngữ.......................................................... 42
3.2.2. Xây dựng đại số gia tử cho các biến ngôn ngữ ............................. 47
3.3. Cài đặt chương trình ............................................................................. 54
3.3.1. Giao diện Cơ sở luật ..................................................................... 54
3.3.2. Giao diện Triệu chứng .................................................................. 55
3.3.3. Giao diện Chẩn đoán bệnh ............................................................ 55
KẾT LUẬN .................................................................................................... 56
TÀI LIỆU THAM KHẢO ............................................................................ 58

Số hóa bởi Trung tâm Học liệu – ĐHTN




v

DANH MỤC BẢNG
Bảng 1.1: Thể hiện các nét điển hình của đối tượng tương tự .......................... 9
Bảng 2.1. Các giá trị ngôn ngữ của các biến Health và Age .......................... 18

Bảng 3.1: Bảng các giá trị không chắc chắn của CF ...................................... 33
Bảng 3.2: Các triệu chứng của bệnh Viêm Gan B .......................................... 42
Bảng 3.3: Bảng giá trị định lượng ngữ nghĩa của biến ngôn ngữ ................... 48

Số hóa bởi Trung tâm Học liệu – ĐHTN




vi

DANH MỤC HÌNH
Hình 1.1: Lược đồ hệ chuyên gia ...................................................................... 5
Hình 2.1. Sơ đồ hệ chuyên gia ........................................................................ 28
Hình 3.1: Mô hình mô tả các triệu chứng của bệnh Viêm Gan B .................. 30
Hình 3.2: Quy trình chẩn đoán bệnh viêm gan B ........................................... 32
Hình 3.3: Giao diện cơ sở luật ........................................................................ 55
Hình 3.4: Giao diện triệu chứng...................................................................... 55
Hình 3.5: Giao diện chẩn đoán bệnh ............................................................... 56

Số hóa bởi Trung tâm Học liệu – ĐHTN




1
MỞ ĐẦU
Hệ chuyên gia là một chương trình thông minh nhằm dạy cho máy tính
biết các hoạt động của một chuyên gia thực thụ. Hệ chuyên gia đầu tiên là
DENDRAL, xuất hiện giữa thập niên 70, sau đó vào năm 1975 hệ chuyên gia

MYCIN ra đời đã thành công trong việc áp dụng khoa học trí tuệ nhân tạo
trong lĩnh vực Y học, cụ thể là lĩnh vực chẩn đoán bệnh trong y học. Vào cuối
năm 80, tại Viện Công nghệ thông tin đã bước đầu xây dựng hệ trợ giúp khám
chữa bệnh nội khoa, châm cứu và chẩn trị đông y [4], đã có tiếp cận ra quyết
định trong việc chẩn đoán lâm sàng [6].
Lý thuyết tập mờ và logic mờ được L.A. Zadeh đề xuất vào giữa thập
niên 60 của thế kỷ trước. Kể từ khi ra đời, lý thuyết tập mờ và ứng dụng của
tập mờ đã được phát triển liên tục với mục đích xây dựng các phương pháp
lập luận để mô hình hóa quá trình suy luận của con người. Cho đến nay
phương pháp lập luận xấp xỉ dựa trên lý thuyết tập mờ đã được quan tâm
nghiên cứu trên cả phương diện lý thuyết và ứng dụng trong nhiều lĩnh vực rất
khác nhau, đã đạt được nhiều thành tựu ứng dụng, đặc biệt là các ứng dụng
trong các hệ chuyên gia mờ, điều khiển mờ [10].
Tuy nhiên, phương pháp lập luận của con người là vấn đề phức tạp và
không có cấu trúc. Vì vậy kể từ khi lý thuyết tập mờ ra đời cho đến nay, vẫn
chưa có một cơ sở lý thuyết hình thức chặt chẽ theo nghĩa tiên đề hoá cho
logic mờ và lập luận mờ.
Để đáp ứng phần nào đối với nhu cầu xây dựng cơ sở toán học cho việc
lập luận ngôn ngữ, N.Cat Ho và Wechler đã đề xuất cách tiếp cận dựa trên
cấu trúc tự nhiên của miền giá trị của các biến ngôn ngữ, những giá trị của
biến ngôn ngữ trong thực tế đều có thứ tự nhất định về mặt ngữ nghĩa, ví dụ ta
hoàn toàn có thể cảm nhận được rằng, „trẻ‟ là nhỏ hơn „già‟, hoặc „nhanh‟
Số hóa bởi Trung tâm Học liệu – ĐHTN




2
luôn lớn hơn „chậm‟. Xuất phát từ quan hệ ngữ nghĩa đó các tác giả đã phát
triển lý thuyết đại số gia tử (ĐSGT).

Với việc định lượng các từ ngôn ngữ được xác định trong đoạn [0, 1].
Trên cơ sở đại số gia tử, ta nghiên cứu cơ chế lập luận suy diễn mờ dựa trên
biến ngôn ngữ thông qua dạng tập mờ để xây dựng cơ chế chuyển đổi từ tập
mờ thành các giá trị định lượng trong khoảng [0, 1] , [5].
Trong mô hình hỗ trợ ra quyết định theo tiếp cận đại só gia tử sẽ xây
dựng hai phần chính là xây dựng hệ cơ sở tri thức và xây dựng cơ chế lập luận
tương ứng với cơ sở tri thức. Đối với cơ sở tri thức ta xây dựng dựa trên các
qui tắc luật IF …. THEN …., còn đối với cơ chế lập luận suy diễn ta sẽ xây
dựa trên việc lập luận ngôn ngữ tự nhiên của miền giá trị của biến ngôn ngữ
đã được xây dựng trên cơ sở đại số gia tử.
Xuất phát từ những phân tích và quan sát trên, nhiệm vụ nghiên cứu của
đề tài “cách tiếp cận đại số gia tử xây dựng hệ hỗ trợ ra quyết định trong
chẩn đoán bệnh viêm gan B”, nhằm góp phần phát triển phương pháp luận
dựa trên đại số gia tử phục vụ việc thu thập các trí thức chuyên gia y tế trong
môi trường thông tin mờ, không chắc chắn và xây dựng hệ hỗ trợ chẩn đoán
bệnh Viêm gan B.

Số hóa bởi Trung tâm Học liệu – ĐHTN




3
Chương 1
MỘT SỐ KIẾN THỨC CƠ BẢN
1.1. Lý thuyết tập mờ
1.1.1. Định nghĩa
Các tập mờ hay tập hợp mờ là một mở rộng của lý thuyết tập hợp cổ
điển và được dùng trong lôgic mờ. Trong lý thuyết tập hợp cổ điển, quan hệ
thành viên của các phần tử trong một tập hợp được đánh giá theo kiểu nhị

phân theo một điều kiện rõ ràng - một phần tử hoặc thuộc hoặc không thuộc
về tập hợp. Ngược lại, lý thuyết tập mờ cho phép đánh giá từ từ về quan hệ
thành viên giữa một phần tử và một tập hợp; quan hệ này được mô tả bằng
một hàm liên thuộc (membership function)

. Các tập mờ được coi

là một mở rộng của lý thuyết tập hợp cổ điển là vì, với một universe nhất
định, một hàm liên thuộc có thể giữ vai trò của một hàm đặc
trưng (indicator function) ánh xạ mỗi phần tử tới một giá trị 0 hoặc 1 như
trong khái niệm cổ điển.
1.1.2. Lập luận mờ
Lập luận mờ nhằm hướng đến việc mô phỏng lập luận suy nghĩ của con
người. Lập luận mờ được ứng dụng trong các hệ chuyên gia, hệ hỗ trợ ra
quyết định,…
Quá trình thực hiện lập luận mờ được xem là sự khái quát hoá của luật
Modus Ponens, từ đó sử dụng hàm biến đổi giá trị chân lý để ước lượng tập
mờ tương ứng.
Trong trường hợp việc lập luận mờ có nhiều giả thiết, bài toán lập luận
mờ được phát biểu như sau:
IF (X1 = x11) AND (X2 = x12) AND .... AND (Xn = x1n) THEN Y = y1
............
Số hóa bởi Trung tâm Học liệu – ĐHTN




4
IF (X1 = xk1) AND (X2 = xk2) AND.....AND ( Xn = xkn) THEN Y = yk
(X1 = x01) AND (X2 = x02) AND ..... AND (Xn = x0n)

 Y = y0

Với (X1, X2, ..., Xn) là các tập mờ các yếu tố đầu vào và tập mờ giá trị
kết luận Y. Ứng với giá trị yếu tố đầu vào (x01, x02,.., x0n) tương ứng với các
tập mờ (X1, X2,...., Xn), ta ứng dụng phương pháp lập luận mờ để nội suy giá
trị kết quả y0 thuộc tập mờ Y.
Với các giá trị yếu tố đầu vào (x01, x02, ..., x0n), ta cần nội suy kết quả
đầu ra y0. Việc giải bài toán trên dựa trên các lý thuyết tập mờ bằng cách hợp
thành luật Max-Min qua các bước như sau:
Bước 1. Tính độ thỏa mãn (mức độ tương hợp) của dữ liệu đối với
luật thứ i:
 xij(xij)}
Ti = 1min{
 j n

Bước 2. Giá trị mờ kết quả ở đầu ra đối với luật thứ i, µyi(yi) được tính
như sau:
µyi(yi) = min {Ti, µyi(yi)}
Bước 3. Giá trị mờ kết quả đầu ra hệ thống µy0(y0) là:
µy0(y0)= max{ µyi(yi)}
1i  k

1.2. Hệ chuyên gia
1.2.1. Giới thiệu về hệ chuyên gia
Hệ chuyên gia là một chương trình thông minh nhằm dạy cho máy
tính biết các hoạt động của một chuyên gia thực thụ. Hệ chuyên gia đầu
tiên là DENDRAL, xuất hiện vào giữa thập niên 70, sau đó vào năm 1975
hệ chuyên gia MYCIN ra đời đã thành công trong việc áp dụng khoa học
trí tuệ nhân tạo vào lĩnh vực Y học, cụ thể là lĩnh vực chẩn đoán và điều
trị bệnh nhiễm trùng máu. Đây là hệ chuyên gia tương đối lớn, thực hiện ở

Số hóa bởi Trung tâm Học liệu – ĐHTN




5
mức chuyên gia con người, bên cạnh đó còn cung cấp cơ chế giải thích
các bước suy luận.
Chuyên gia con người có hai phần cơ bản: tri thức của chuyên gia và
lập luận. Từ đó hệ chuyên gia cũng có hai phần chính: một cơ sở tri thức và
một mô tơ suy diễn.
Cơ sở tri thức chứa các tri thức chuyên dụng mức cao về một vấn đề
được cung cấp bởi chuyên gia con người. Nó bao gồm các sự kiện, luật, khái
niệm và các mối quan hệ. Chẳng hạn nó có thể chứa tri thức của một bác sĩ
chẩn đoán bệnh về thần kinh.
Mô tơ suy diễn là bộ xử lý tri thức, nó làm việc với các thông tin có sẵn
từ một vấn đề cho trước, kết hợp với các tri thức có trong cơ sở tri thức để
đưa ra một kết luận hay gợi ý.
Cơ sở tri thức

Mô tơ suy
diễn

Hệ chuyên gia

Hình 1.1: Lược đồ hệ chuyên gia
1.2.2. Phạm vi ứng dụng của hệ chuyên gia
Hệ chuyên gia được sử dụng trong rất nhiều lĩnh vực: nông nghiệp,
thương mại, giáo dục, khoa học, y tế, kinh tế…

Hệ chuyên gia cũng được chia thành nhiều loại: mô phỏng, điều khiển,
thiết kế, lập kế hoạch, giải thích, dự đoán, lựa chọn…
1.2.3. Biểu diễn tri thức trong hệ chuyên gia
Biểu diễn tri thức bằng các luật IF - THEN:
Ngôn ngữ bao gồm các luật IF - THEN là ngôn ngữ phổ biến nhất để
biểu diễn tri thức.
Các luật IF - THEN có ưu điểm sau:
Mỗi luật IF - THEN mô tả một phần nhỏ tương đối độc lập của tri thức.
Số hóa bởi Trung tâm Học liệu – ĐHTN




6
Có thể thêm vào cơ sở tri thức các luật mới, hoặc loại bỏ một số luật cũ
mà không ảnh hưởng nhiều tới các luật khác.
Các hệ tri thức với cơ sở tri thức gồm các luật IF - THEN có khả năng
đưa ra lời giải thích cho các quyết định của hệ.
Các luật IF - THEN là dạng biểu diễn tự nhiên của tri thức. Bằng cách
sử dụng các luật IF - THEN chúng ta có thể biểu diễn được một số lượng lớn
tri thức của con người về tự nhiên, xã hội, kinh nghiệm của con người trong
lao động sản xuất, tri thức của các thầy thuốc, tri thức của các kỹ sư, tri thức
trong các ngành khoa học: Kinh tế, sinh học, hóa học, vật lý, toán học,…
Biểu diễn tri thức không chắc chắn:
Trong đời sống thực tế có rất nhiều điều mà ngay cả các chuyên gia
cũng không hoàn toàn tin tưởng chúng là đúng hay sai. Đặc biệt là các kết
luận trong chẩn đoán y học, trong dự báo thời tiết,trong phỏng đoán sự hỏng
hóc của máy móc,chúng ta không thể tin tưởng 100% các kết luận đưa ra là
đúng. Chẳng hạn nếu xe máy đang chạy bị chết máy và kiểm tra xăng vẫn còn
thì có thể tin rằng 90% là do có vấn đề ở bugi.Tuy nhiên vẫn còn 10% phỏng

đoán đó là sai, xe bị chết máy do các nguyên nhân khác. Do đó trong các hệ
dựa trên luật, chúng ta phải đưa vào mức độ chắc chắn của các luật & sự kiện
trong cơ sở tri thức. Chúng ta sẽ gán cho mỗi luật hoặc sự kiện một mức độ
chắc chắn nào đó, mức độ chắc chắn là một số nằm giữa 0 & 1.
Cách viết :
A1^…^An=>B : C
có nghĩa là luật A1^…^An=>B có độ chắc chắn là C (0≤ C ≤1)
Cách xác định mức độ chắc chắn C :
Nếu luật có 1 điều kiện :
Số hóa bởi Trung tâm Học liệu – ĐHTN




7
A=>B : C
Theo lý thuyết xác suất ta có :
P(B) = P(B|A)*P(A)
Trong đó:
P(A), P(B) là xác suất của sự kiện A, B tương ứng (cũng chính là mức
độ chắc chắn của A, B tương ứng).
P(B|A) là xác suất có điều kiện của B khi A đã xảy ra, ở đây P(B|A) là
mức độ chắc chắn của luật, tức là bằng C.
Nếu luận có n > 1 điều kiện :
A1^…^An=>B : C
Trong trường hợp này, mức độ chắc chắn của A, P(A) được tính
bằng các phương pháp khác nhau, tùy thuộc vào các sự kiện Aᵢ là độc lập
hay phụ thuộc.
Nếu các sự kiện Ai là độc lập, khi đó :
P(A) = P(A1)…P(An)

Nếu các sự kiện Ai là phụ thuộc :
P(A) = min { P(A1),…,P(An) }
1.2.4. Suy diễn và lập luận
Suy diễn và lập luận là hai khái niệm được dùng chung để chỉ một
tiến trình đưa đến kết luận từ các giả thiết cho ở dạng cơ sở tri thức (sự
kiện,quy luật).
Định nghĩa lập luận:
Lập luận là quá trình làm việc với tri thức sự kiện và các chiến lược
giải bài toán nhằm rút ra kết luận
Lập luận theo cách suy diễn:

Số hóa bởi Trung tâm Học liệu – ĐHTN




8
Lập luận theo suy diễn là phương pháp dùng các sự kiện của bài toán(là
các luật trong cơ sở tri thức) và các tiên đề sau đó sử dụng các phương pháp
suy diễn để rút ra thông tin mới từ các thông tin đã biết
Ví dụ 1.1:
IF có thân nhiệt lớn hơn 38độ THEN bị sốt
Tiên đề: thân nhiệt lớn hơn 38 độ
Kết luận: bị sốt
Lập luận suy diễn là 1 trong các kĩ thuật phổ biến nhất. Suy diễn đã
dùng modus ponens là loại cơ bản của lập luận suy diễn. Khi có A ==> B và
A đúng thì rút ra được B đúng.
Lập luận quy nạp
Con người dùng lập luận quy nạp để rút ra kết luận tổng quát từ 1 tập
các sự kiện theo cách tổng quát hoá

Ví dụ 1.2:
Giả thiết: Chị Mơ hát hay
Giả thiết: Chị Nụ hát hay
Kết luận: Nói chung các chị hát hay
Qua lập luận này, người ta cho rằng kết luận sẽ đúng cho tất cả các
trường hợp cùng loại, thực chất của lập luận quy nạp là đem cái thiểu số áp
đặt cho đa số.
Ví dụ 1.3: cho tập các đối tượng X= {a,b,c,….}, nếu tính chất P đúng
đối với a, và nếu tính chất P cũng đúng đối với b, và nếu tính chất P cũng
đúng đối với c,…. Thì tính chất này đúng với tất cả X.
Lập luận phỏng đoán

Số hóa bởi Trung tâm Học liệu – ĐHTN




9
Suy diễn là lập luận chính xác từ các sự kiện và thông tin đã biết. Lập
luận phỏng đoán, giả định là một loại suy diễn có vẻ hợp lí. Điều này có nghĩa
câu kết luận có thể đúng nhưng cũng có thể không đúng
Ví dụ 1.4:
Kéo theo: Đất ướt trời mưa
Tiên đề: Đất ướt
Kéo theo: Trời mưa
Kết luận trời mưa cho rằng trời có thể mưa cũng có thể không phải trời
mưa mà đất ướt xảy ra vì lí do khác.
Lập luận tương tự loại suy
Người ta tạo một mô hình của một vài khái niệm thông qua kinh
nghiệm của họ. Họ dùng mô hình này để hiểu một vài hoàn cảnh và đối tượng

tương tự. Họ vạch ra điểm tương đồng giữa hai vật đem so sánh, rút ra sự
giống nhau và khác nhau nhằm hướng dẫn việc lập luận của họ
Một khung cho biết thông tin đa dạng về đối tượng. Người ta có thể
dùng khung để thể hiện các nét điển hình của đối tượng tương tự:
Bảng 1.1: Thể hiện các nét điển hình của đối tượng tương tự
Khung

Con hổ

Chủng loại

Thú vật

Số chân

4

Ăn

Thịt

Sống tại

Ấn Độ và Đông Nam Á

Màu

Vàng có vạch

Lập luận theo lẽ thường

Số hóa bởi Trung tâm Học liệu – ĐHTN




10
Nhờ kinh nghiệm con người có thể giải vấn đề một cách hiệu quả. Họ
sử dụng lẽ thông thường để nhanh chóng rút ra kết luận. Lập luận theo lẽ
thường có xu hướng thiên về phán xét sự đúng đắn hơn là lập luận chính xác
về logic.
Ví dụ 1.5: Vấn đề chẩn đoán hỏng hóc xe máy: Bugi hỏng thì máy
không nổ được. Kết luận này có được do kinh nghiệm sử dụng các loại xe
máy. Người ta đoán “thứ nhất tại bugi” khi thấy xe máy không khởi động
được. Loại tri thức này được coi như may rủi, cầu may.
Lập luận không đơn điệu
Đối với nhiều trường hợp người ta lập luận trên các thông tin tĩnh. Các
thông tin này không thay đổi trạng thái trong quá trình giải bài toán. Loại lập
luận này được gọi là lập luận đơn điệu
Ví dụ 1.6:
IF ngày rằm THEN trăng tròn
1.2.5. Lập luận tiến và lập luận lùi
Các hệ tri thức mà cơ sở tri thức bao gồm các luật được gọi là các hệ
dựa trên luật.Khi chúng ta đã lưu trữ cơ sở tri thức, ta cần có thủ tục lập luận
để rút ra các kết luận từ cơ sở tri thức.Trong các hệ dựa trên luật,có hai
phương pháp lập luận cơ bản : lập luận tiến & lập luận lùi.
Lập luận tiến
Là quá trình lập luận được bắt đầu bằng tập các sự kiện đã biết rút
ra từ sự kiện mới nhờ dùng các luật mà phần giả thiết trùng với các sự
kiện đã biết tiếp tục quá trình này cho đến khi gặp trạng thái đích (điều
phải chứng minh) hoặc cho đến khi không còn các luật nào khớp với các

sự kiện đã biết thì dừng.
Ví dụ 1.7: Ví dụ của P.H.Winston:
Số hóa bởi Trung tâm Học liệu – ĐHTN




11
Giả sử cơ sở luật gồm các luật sau:
Luật 1: IF động vật có lông mao THEN động vật là loài có vú
Luật 2: IF

động vật có lông vũ THEN động vật là chim

Luật 3: IF

1. động vật biết bay, AND2 động vật đẻ trứng THEN

động vật là chim
Luật 4: IF

1. động vật là loài có vú, AND 2. động vật ăn thịt THEN

động vật là thú ăn thịt
Luật 5: IF

1. động vật là loài có vú, AND 2. động vật có răng nhọn,

AND 3. động vật có móng vuốt THEN động vật là thú ăn thịt
Luật 6: IF 1. động vật là thú ăn thịt, AND 2. động vật có màu lông

vàng hung, AND 3. động vật có đốm sẫm THEN động vật là báo châu phi
Luật 7: IF 1. động vật là thú ăn thịt, AND 2. động vật có màu lông
vàng hung, AND 3. động vật có vằn đen THEN
Luật 8: IF

động vật là hổ

1. động vật là chim, AND 2. động vật không biết bay,

AND 3. động vật có chân dài, AND 4. động vật có cổ dài THEN

động

vật là đà điểu
Luật 9: IF

1. động vật là chim, AND 2. động vật không biết bay,

AND 3. động vật biết bơi, AND 4. động vật có lông đen và trắng THEN
động vật là chim cánh cụt
Giả sử một em bé quan sát một con vật tên là Ki trong sở thú, em thấy
nó có những đặc điểm sau:
Ki có lông mao
Ki ăn thịt
Ki có màu lông vàng hung
Ki có đốm sẫm
Lúc này cơ sở tri thức sẽ bao gồm các sự kiện trên.
Thủ tục lập luận tiến xem xét luật 1. Khi biết động vật trong luật này
được thay bởi Ki, điều kiện của luật trở thành “Ki có lông mao”, đây là một
Số hóa bởi Trung tâm Học liệu – ĐHTN

12
sự kiện có trong bộ nhớ làm việc, do đó ta suy ra “Ki là loài có vú”. Đây là sự
kiện mới do đó nó được thêm vào bộ nhớ làm việc. Xét luật 4, thế biến “động
vật ” bởi Ki, thì hai điều kiện của luật trở thành
Ki là loài có vú, AND
Ki ăn thịt
Cả hai sự kiện này đều có trong bộ nhớ làm việc, do đó từ luật 4 ta suy
ra “Ki là thú ăn thịt”. Sự kiện mới này lại được thêm vào bộ nhớ làm việc. Ta
xét tiếp luật 6 các điều kiện là:
Ki là loài thú ăn thịt, AND
Ki có màu lông vàng hung, AND
Ki có đốm sẫm
Tất cả các điều kiện này đều đúng, do đó từ luật 6 ta suy ra “Ki là báo
châu phi”
Như vậy từ các sự kiện đã biết về Ki, lập luận tiến đã suy ra các sự
kiện mới:
Ki là loài có vú
Ki là thú ăn thịt
Ki là báo châu phi.
Lập luận lùi
Là quá trình lập luận để chứng minh một giả thiết đấy là đích bằng cách
thu thập những thông tin hỗ trợ (chính là các sự kiện). Hệ thống lập luận lùi
được bắt đầu từ đích cần phải chứng minh. Đầu tiên nó kiểm tra trong bộ nhớ
làm việc xem đích này đã đựơc bổ sung trước nó hay chưa. Nếu chưa thì đem
so sánh với đích phần kết luận của luật, nếu trùng với luật nào thì loại luật này
và gọi là luật đích, hệ thống sẽ xem phần giả thiết của các luật là đích mới cần

phải chứng minh. Quá trình này tiếp tục đệ quy cho đến khi hệ thống tìm thấy
Số hóa bởi Trung tâm Học liệu – ĐHTN




13
một giả thiết không được một luật nào cung cấp hoặc tìm thấy điều phải
chứng minh.
Ví dụ 1. 8: Giả sử bộ nhớ làm việc chứa các sự kiện sau :
Bibi có lông vũ
Bibi có chân dài
Bibi có cổ dài
Bibi không biết bay
Ta đưa ra giả thuyết sau đây :
Bibi là đà điểu
Đối sánh giả thuyết này với phần kết luận của các luật, ta thấy nó khớp
với kết luận của luật 8 nếu thế biến « động vật » vởi Bibi.Từ luật 8 ta suy ra
rằng, giả thuyết « Bibi là đà điểu » là đúng nếu các điều kiện sau là đúng :
1. Bibi là chim
2. Bibi không biết bay
3. Bibi có chân dài
4. Bibi có cổ dài
Đây là 4 giả thuyết mới. Việc đánh giá giả thuyết « Bibi là đà điểu »
được quy về việc đánh giá 4 giả thuyết mới này. Các giả thuyết 2,3,4 đều có
trong bộ nhớ làm việc. Ta chỉ cần đánh giá giả thuyết « Bibi là chim ». Lại
đối sánh giả thuyết này với phần kết luận của các luật. Ta thấy nó khớp với
kết luận của luật 2 & luật 3. Xét luật 3, đi lùi lại phần điều kiện của luật này,
ta nhận được các giả thuyết mới là :
Bibi biết bay

Bibi đẻ trứng
Cả 2 giả thuyết này đều không có trong bộ nhớ làm việc và cũng không
khớp với phần kết luận của luật nào cả. Do đó ta không thể phát triển tiếp các
giả thuyết này được nữa. Chuyển sang xét luật 2, để « Bibi là chim » luật này
Số hóa bởi Trung tâm Học liệu – ĐHTN




14
đòi hỏi điều kiện « Bibi có lông vũ ».Điều kiện này có trong bộ nhớ làm việc.
Vậy giả thuyết đã đưa ra « Bibi là đà điểu » là đúng.
1.3. Tổng quan về bệnh viêm gan B
Viêm gan B là một căn bệnh toàn cầu với xuất độ tương đối rất cao ở
châu Á.Theo thống kê của tổ chức Y tế Thế giới năm 2000 hiện nay trên thế
giới có khoảng hơn 2 tỷ người nhiễm vi rút viêm gan B. Trong đó có khoảng
hơn 350 triệu người bị viêm gan mãn tính. Ở Việt Nam, những nghiên cứu
bước đầu cho thấy tỷ lệ mang vi rút viêm gan B là 12,5% dân số.
Yếu tố “gắn bó gây ung thư gan” thường gặp nhất là xơ gan do rượu và
xơ gan do HBV hoặc HCV(Viêm Gan C). Nhiều người bị viêm gan B không
có các triệu chứng nào để nhận ra được. Điều này khiến cho bệnh này thực sự
thành kẻ thù vô hình vì những người mắc bệnh viêm gan B đôi khi không có
biểu hiện bệnh hay triệu chứng của bệnh nhất là trẻ em.
Hiện nay điều trị bệnh viêm gan B cũng đã có nhiều phương pháp điều
trị và phòng tránh nhưng bệnh vẫn không có hướng suy giảm do khả năng
chẩn đoán bệnh hiện nay còn gặp nhiều khó khăn vì thời gian từ khi nhiễm
bệnh cho tới khi có triệu chứng kéo dài từ 1 đến 6 tháng trung bình là 2 tháng.
Khi đó người bác sĩ hoàn toàn phải dựa vào kinh nghiệm bản thân và các biểu
hiện lâm sàng của bệnh nhân để đưa ra kết luận cuối cùng.
Các bác sĩ càng giỏi, càng có nhiều kinh nghiệm thì chẩn đoán càng

chính xác. Chẩn đoán “không bị bệnh viêm gan B” sai lầm sẽ khiến bệnh
nhân tiến triển nặng hơn dẫn đến những hậu quả nghiêm trọng có thể xảy ra
nếu không được điều trị kịp thời như ung thư gan,suy gan, xơ gan…gây nguy
hiểm tính mạng.
1.4. Kết luận chương 1
Chương 1 trình bày cơ sở lý thuyết về lý thuyết tập mờ, phương pháp
lập luận mờ, hệ chuyên gia mờ và tổng quan về bệnh viêm gan B. Nội dung
chương 1 là kiến thức cơ sở để tiếp tục nghiên cứu cho các nội dung về lý
Số hóa bởi Trung tâm Học liệu – ĐHTN




15
thuyết đại số gia tử, cách tiếp xây dựng hệ chuyên gia dựa trên đại số gia tử
và ứng dụng chẩn đoán bệnh viên gam B sử dụng lập luận dựa trên đại số
gia tử.

Số hóa bởi Trung tâm Học liệu – ĐHTN




16

Chương 2
CÁCH TIẾP CẬN ĐẠI SỐ GIA TỬ
XÂY DỰNG HỆ HỖ TRỢ RA QUYẾT ĐỊNH

2.1. Đại số gia tử

Trong tài liệu giới thiệu phương pháp tiếp cận đại số đến cấu trúc tự
nhiên của miền giá trị của biến ngôn ngữ. Cấu trúc đại số này áp dụng trên
miền giá trị của các biến ngôn ngữ đưa ra và được xem như là một cấu trúc
đại số trừu tượng, gọi là đại số gia tử.
Trong cấu trúc đại số gia tử cho phép mở rộng tập giá trị chân lý là
các phần tử của đại số gia tử thoã mãn một số tính chất mới, trong đó có
tính chất kế thừa ngữ nghĩa của các gia tử. Cho đại số gia tử X = (T(X), G,
H, ≤), trong đó:
T(X): miền giá trị của biến ngôn ngữ X.
„≤‟: quan hệ thứ tự bộ phận sinh bởi ngữ nghĩa tự nhiên của giá trị
ngôn ngữ.
G: tập phần tử sinh nguyên thuỷ của biến ngôn ngữ, xem như là toán tử
0- ngôi.
H: tập các gia tử ngôn ngữ, xem như là toán tử 1-ngôi.
Tính chất kế thừa ngữ nghĩa được định nghĩa như sau:
h, k, h‟, k‟ € H, h # k, x € T(X), mà hx ≤ kx thì cũng có h‟hx ≤ k‟kx.
Mỗi một miền giá trị của biến ngôn ngữ sẽ tạo thành một tập hợp sắp
thứ tự bộ phận và đó là cấu trúc cơ bản của lĩnh vực đại số gia tử. Việc đánh
Số hóa bởi Trung tâm Học liệu – ĐHTN




17
giá ngữ nghĩa của các từ được thực hiện thông qua miền giá trị ngữ nghĩa của
tập mờ trên tập vũ trụ U.
2.1.1. Biến ngôn ngữ
Biến ngôn ngữ là biến có giá trị là giá trị ngôn ngữ. Các giá trị này
được xây dựng từ các phần tử sinh nguyên thủy của biến đó bởi tác động các
gia tử và các liên từ.

Biến ngôn ngữ được đặc trưng bởi một bộ (X, T(X), U, R, M), với:
X là tên của biến ngôn ngữ.
T(X) là tập các giá trị ngôn ngữ của biến X.
U là tập vũ trụ của ngôn ngữ.
R là luật ký pháp cho phép sinh ra các phần tử của T(X).
M là luật ngữ nghĩa gán mỗi phần tử của T(X) bởi một tập mờ trên U.
Ví dụ 2.1:
Xét biến ngôn ngữ có tên là AGE tức là X= AGE, biến cơ sở u có miền
xác định là U = [0,100]. Khi đó tập các giá trị ngôn ngữ tương ứng của biến
ngôn ngữ là T(AGE) bao gồm các giá trị :
Young

old

Not young or old

Not young

Not old

Not very young not very old

Very young

Very old

Young or old

More - or - less young

More - or - less old

…

Possibly young

Possibly old

…

…

…

…

Các giá trị ngôn ngữ young và old được gọi là các giá trị nguyên thủy.
Mỗi giá trị ngôn ngữ trong T(AGE) là tên của một biến mờ trên U, tức là biến
có thể nhận giá trị trên U với mỗi giá trị tương ứng với một mức độ tương
thích trong đoạn [0,1], rang buộc hạn chế trên mỗi giá trị ngôn ngữ hình

Số hóa bởi Trung tâm Học liệu – ĐHTN