1. MỘT PHƯƠNG PHÁP TIẾN HÓA TRONG VIỆC TẠO HỒ CHỨA TẬP CÁC BỘ PHÂN LOẠI PHẠM ĐÌNH DUY PHƯƠNG [email_address]

4. Hướng tiếp cận kết hợp các bộ phân loại Bộ phân loại Giá trị đặc trưng (Mô tả đối tượng) Bộ phân loại Bộ phân loại Kết quả Kết hợp

11. Lựa chọn bộ phân loại động Tập các bộ phân loại Kết quả Bộ phân loại “tốt nhất” Mẫu Lựa chọn động

13. Lựa chọn bộ phân loại động “mở rộng” Luật kết hợp Kết quả Các bộ phân loại có sẵn Hồ chứa tập các bộ phân loại Mẫu Lựa chọn động

14. Độ tin cậy Bộ phân loại E i L ớp C ij Đ ộ tin cậy R ij Mẫu S j Lớp C ij là lớp E i gán cho mẫu cần phân loại Độ tin cậy R ij của việc phân loại Điều kiện để bộ phân loại E i được chọn?

19. Genetic Algorithm - GA

23. Thuật toán BGA Phát sinh ngẫu nhiên một quần thể ban đầu gồm N cá thể while (chưa kết thúc được) do for i from 1 to N do Đánh giá độ thích nghi của mỗi cá thể end for //Đảm bảo thế hệ mới lúc nào cũng chứa cá thể tốt nhất của thế hệ trước Lưu cá thể tốt nhất vào thế hệ mới Chọn T% cá thể tốt nhất for i from 1 to N/2 do Chọn ngẫu nhiên 2 cá thể trong số T% cá thể Lai ghép 2 cá thể này để sinh ra 2 cá thể con Thực hiện đột biến trên 2 cá thể con này End for Cập nhật các biến cho việc kết thúc End while

24. Mô hình bài toán với BGA ϴ 1NC … ϴ 11 C NC … … C 1 E 1 … … … … … … … … ϴ NENC .. ϴ NE1 E NE Mã hóa Mã hóa gen gen Nhiễm sắc thể Mỗi gen trong nhiễm sắc thể của một cá thể trong quần thể tương ứng với giá trị mã hóa của một ngưỡng, tương ứng với một bộ phân loại và một lớp mẫu