DSpace at VNU: Nghiên cứu ứng dụng kỹ thuật BoostMetric nhằm tăng hiệu quả phân lớp dữ liệu lớn

Nghiên cứu ứng dụng kỹ thuật BoostMetric
nhằm tăng hiệu quả phân lớp dữ liệu lớn
Nguyễn Thanh Tịnh
Trường đại học Công nghệ
Luận văn ThS. Hệ thống thông tin; Mã số: 60 48 01 04
Người hướng dẫn: PGS.TS. Nguyễn Hà Nam
Năm bảo vệ: 2014
Abstract. Tìm hiểu và nghiên cứu các thuật toán BoostMetric và Weighted-kNN. Từ đó xây
dựng mô hình kết hợp sử dụng BoostMetric và Weighted-kNN nhằm tăng hiệu quả phân lớp
dữ liệu.
Keywords. Khai phá dữ liệu Kỹ thuật BoostMetric Công nghệ thông tin
Content.
Chương 1: Luận văn giới thiệu khái quát về Khai phá dữ liệu và một số kỹ thuật Học máy cơ
bản, bao gồm hai thuật toán BoostMetric và WkNN.
Chương 2: Luận văn đề xuất mô hình kết hợp hai thuật toán BoostMetric và WkNN để
làm tăng hiệu quả phân lớp dữ liệu.
Chương 3: Thực nghiệm, kết quả, và đánh giá. Tiến hành thực nghiệm theo mô hình đã
đề xuất trong chương 2.
Phần kết luận: Tóm lược kết quả đạt được của luận văn.
References.
Tiếng Anh
[1] Bernhard Scholkopf, Alexander J.Smola (2002), Learning with Kernels: Support Vector
Machines, Regularization, Optimization, and Beyond, MIT Press, Massachusetts.
[2] Chunhua Shen, Junae Kim, Lei Wang, Anton van den Hengel (2009), “Positive Semidefinite
Metric Learning with Boosting”, Advances in Neural Information Processing Systems,
pp.1651-1659.
[3] Chunhua Shen, Junae Kim, Lei Wang, Anton van den Hengel (2012), “Positive Semidefinite
Metric Learning Using Boosting-like Algorithms”, Journal of Machine Learning Research,
13 (1), pp.1007-1036.

[4] Dong-Sheng Cao, Jian-Hua Huang, Jun Yan, Liang-Xiao Zhang, Qian-Nan Hu, Qing-Song
Xu, Yi-Zeng Liang (2012), “Kernel k-nearest neighbor algorithm as a flexible SAR
modeling tool”, Chemometrics and Intelligent Laboratory Systems, 114, pp.19-23.
[5] Hechenbichler Klaus, Schliep Klaus (2004), Weighted k-Nearest-Neighbor Techniques and
Ordinal Classification, Discussion Paper 399, SFB 386, Ludwig-Maximilians University
Munich.
[6] Jiawei Han, Micheline Kamber (2006), Data Mining – Concepts and Techniques 2nd Edition,
Morgan Kaufmann, San Francisco.
[7] Kai Yu, Liang Ji, Xuegong Zhang (2002), “Kernel Nearest-Neighbor Algorithm”, Neural
Processing Letters, 15 (2), pp.147-156.
[8] Leif E.Peterson (2009), “K-Nearest Neighbor”, Scholarpedia, 4 (2).
[9] Rick Wicklin (2012), “What is Mahalanobis distance?”, SAS Blogs.
URL: />