Download luận án tiến sĩ ngành công nghệ thông tin với đề tài: Nâng cao hiệu năng mạng Manet sử dụng kỹ thuật định tuyến cân bằng tải đảm bảo chất lượng truyền dẫn, cho các bạn làm luận án tham khảo
Nhận viết luận văn đại học, thạc sĩ trọn gói, chất lượng, LH ZALO=>0909232620
Tham khảo dịch vụ, bảng giá tại: https://baocaothuctap.net
Download luận án tiến sĩ ngành công nghệ thông tin với đề tài: Nâng cao hiệu năng mạng MANET sử dụng kỹ thuật định tuyến cân bằng tải đảm bảo chất lượng truyền dẫn
Nhận viết luận văn đại học, thạc sĩ trọn gói, chất lượng, LH ZALO=>0909232620
Tham khảo dịch vụ, bảng giá tại: https://vietbaitotnghiep.com/dich-vu-viet-thue-luan-van
Download luận văn thạc sĩ ngành công nghệ thông tin với đề tài: Nghiên cứu mô hình phân lớp câu hỏi và ứng dụng, cho các bạn làm luận văn tham khảo
Nhận viết luận văn Đại học , thạc sĩ - Zalo: 0917.193.864
Tham khảo bảng giá dịch vụ viết bài tại: vietbaocaothuctap.net
Download luận văn thạc sĩ ngành công nghệ thông tin với đề tài: Cá nhân hóa ứng dụng và dịch vụ di động hướng ngữ cảnh người dùng, cho các bạn làm luận văn tham khảo
Download luận án tiến sĩ ngành công nghệ thông tin với đề tài: Nâng cao hiệu năng mạng Manet sử dụng kỹ thuật định tuyến cân bằng tải đảm bảo chất lượng truyền dẫn, cho các bạn làm luận án tham khảo
Nhận viết luận văn đại học, thạc sĩ trọn gói, chất lượng, LH ZALO=>0909232620
Tham khảo dịch vụ, bảng giá tại: https://baocaothuctap.net
Download luận án tiến sĩ ngành công nghệ thông tin với đề tài: Nâng cao hiệu năng mạng MANET sử dụng kỹ thuật định tuyến cân bằng tải đảm bảo chất lượng truyền dẫn
Nhận viết luận văn đại học, thạc sĩ trọn gói, chất lượng, LH ZALO=>0909232620
Tham khảo dịch vụ, bảng giá tại: https://vietbaitotnghiep.com/dich-vu-viet-thue-luan-van
Download luận văn thạc sĩ ngành công nghệ thông tin với đề tài: Nghiên cứu mô hình phân lớp câu hỏi và ứng dụng, cho các bạn làm luận văn tham khảo
Nhận viết luận văn Đại học , thạc sĩ - Zalo: 0917.193.864
Tham khảo bảng giá dịch vụ viết bài tại: vietbaocaothuctap.net
Download luận văn thạc sĩ ngành công nghệ thông tin với đề tài: Cá nhân hóa ứng dụng và dịch vụ di động hướng ngữ cảnh người dùng, cho các bạn làm luận văn tham khảo
Nhận viết luận văn đại học, thạc sĩ trọn gói, chất lượng, LH ZALO=>0909232620
Tham khảo dịch vụ, bảng giá tại: https://baocaothuctap.net
Download luận văn thạc sĩ ngành công nghệ thông tin với đề tài: Mô hình hóa và kiểm chứng các chương trình phần mềm hướng khía cạnh, cho các bạn làm luận văn tham khảo
Luận Văn Thạc Sĩ Nghiên Cứu Về Mối Quan Hệ Giữa Chất Lượng Phần Mềm Kế Toán Với Hoạt Động Kế Toán, Năng Lực Phản Ứng Và Hiệu Quả Hoạt Động Của Doanh Nghiệp Tại Việt Nam đã chia sẻ đến cho các bạn nguồn tài liệu hoàn toàn hữu ích đáng để xem và theo dõi. Nếu các bạn có nhu cầu cần tải bài mẫu này vui lòng nhắn tin nhanh qua zalo/telegram : 0932.091.562 để được hỗ trợ tải nhé!
Nhận viết luận văn Đại học , thạc sĩ - Zalo: 0917.193.864
Tham khảo bảng giá dịch vụ viết bài tại: vietbaocaothuctap.net
Download luận văn thạc sĩ ngành công nghệ thông tin với đề tài: Phân tích tự động các website để phát hiện lỗ hổng tiêm nhiễm SQL và XSS, cho các bạn làm luận văn tham khảo
DOWNLOAD MIỄN PHÍ 30000 TÀI LIỆU https://s.pro.vn/Z3UW
Dịch vụ viết thuê luận án tiến sĩ, luận văn thạc sĩ,báo cáo thực tập, khóa luận
Sdt/zalo 0967 538 624/0886 091 915
https://lamluanvan.net/dich-vu-2-viet-thue-luan-van-thac-si-kem-bao-gia/
NÂNG CAO CHẤT LƯỢNG DỊCH VỤ NGÂN HÀNG ĐIỆN TỬ TẠI NGÂN HÀNG TMCP ĐẦU TƯ VÀ PHÁT TRIỂN VIỆT NAM - CHI NHÁNH CẦU GIẤY
Nhận viết luận văn đại học, thạc sĩ trọn gói, chất lượng, LH ZALO=>0909232620
Tham khảo dịch vụ, bảng giá tại: https://vietbaitotnghiep.com/dich-vu-viet-thue-luan-van
Download luận án tiến sĩ ngành kĩ thuật tài nguyên nước với đề tài: Xây dựng hệ thống quản lí và hỗ trợ điều hành hệ thống tưới theo thời gian thực, cho các bạn làm luận văn tham khảo
Nghiên cứu các yếu tố ảnh hưởng đến quyết định lựa chọn khóa học tại trung tâm Anh ngữ. Đã chia sẻ đến cho các bạn học viên những bài mẫu báo cáo thực tập tại trung tâm anh ngữ hoàn toàn miễn phí.
Download luận văn thạc sĩ ngành công nghệ thông tin với đề tài: Nghiên cứu và xây dựng qui trình chuẩn hóa dữ liệu quan trắc môi trường ở Việt Nam, cho các bạn làm luận văn tham khảo
Nhận viết luận văn Đại học , thạc sĩ - Zalo: 0917.193.864
Tham khảo bảng giá dịch vụ viết bài tại: vietbaocaothuctap.net
Download luận văn thạc sĩ ngành công nghệ thông tin với đề tài: Hướng tiếp cận dựa trên học máy cho bài toán trích xuất thông tin quan điểm, cho các bạn làm luận văn tham khảo
Nhận viết luận văn Đại học , thạc sĩ - Zalo: 0917.193.864
Tham khảo bảng giá dịch vụ viết bài tại: vietbaocaothuctap.net
Download luận văn thạc sĩ ngành công nghệ thông tin với đề tài: Phương pháp tính toán khoảng giải các ràng buộc không tuyến tính, cho các bạn làm luận văn tham khảo
Nhận viết luận văn đại học, thạc sĩ trọn gói, chất lượng, LH ZALO=>0909232620
Tham khảo dịch vụ, bảng giá tại: https://vietbaitotnghiep.com/dich-vu-viet-thue-luan-van
Download luận án tiến sĩ ngành kĩ thuật điều khiển với đề tài: Nghiên cứu các bài toán thiết kế các luật điều khiển cho rô bốt di động kiểu bánh xe, cho các bạn làm luận án tham khảo
Nghiên cứu ứng dụng phương pháp kiến trúc cơ quan xí nghiệp để xây dựng hệ th...sunflower_micro
Tải bản đầy đủ tại địa chỉ http://ouo.io/DKDccQ hoặc http://twineer.com/265u
Mục tiêu luận văn nghiên cứu kiến trúc cơ quan xí nghiệp, cách áp dụng phương pháp luận xây dựng kiến trúc cơ quan xí nghiệp vào việc xây dựng kiến trúc cho hệ thống chứng thực điện tử văn bản pháp lý
Nhận viết luận văn đại học, thạc sĩ trọn gói, chất lượng, LH ZALO=>0909232620
Tham khảo dịch vụ, bảng giá tại: https://vietbaitotnghiep.com/dich-vu-viet-thue-luan-van
Download luận án tiến sĩ ngành công nghệ thông tin với đề tài: Nâng cao độ chính xác tra cứu ảnh dựa vào nội dung sử dụng kỹ thuật điều chỉnh trọng số của hàm khoảng cách, cho các bạn làm luận án tham khảo
Download luận văn đồ án tốt nghiệp ngành công nghệ thông tin với đề tài: Thiết kế và chỉnh sửa giao diện cho website sử dụng hệ quản trị nội dung NukeViet, cho các bạn làm luận văn tham khảo
Luận văn Xây Dựng Chatbot Bán Hàng Dựa Trên Mô Hình Sinh.doc,các bạn có thể tham khảo thêm nhiều tài liệu và luận văn ,bài mẫu điểm cao tại teamluanvan.com
Download luận văn thạc sĩ ngành công nghệ thông tin với đề tài: Phân tích và xây dựng chức năng giám định tự động trong hệ thống giám định bảo hiểm xã hội, cho các bạn làm luận văn tham khảo
Nhận viết luận văn đại học, thạc sĩ trọn gói, chất lượng, LH ZALO=>0909232620
Tham khảo dịch vụ, bảng giá tại: https://baocaothuctap.net
Download luận văn thạc sĩ ngành công nghệ thông tin với đề tài: Xây dựng hệ thống quản lý, hỗ trợ yêu cầu phần mềm, cho các bạn làm luận văn tham khảo
Nghiên cứu phát triển cấu trúc EBG ứng dụng cho các hệ thống thông tin vô tuy...Man_Ebook
Nghiên cứu phát triển cấu trúc EBG ứng dụng cho các hệ thống thông tin vô tuyến thế hệ mới
Xem đầy đủ: https://1drv.ms/f/s!AnR3XNNgwgZpnXFv_Ny9rjn6tEJI?e=PlrZsU
Nhận viết luận văn đại học, thạc sĩ trọn gói, chất lượng, LH ZALO=>0909232620
Tham khảo dịch vụ, bảng giá tại: https://baocaothuctap.net
Download luận văn thạc sĩ ngành công nghệ thông tin với đề tài: Mô hình hóa và kiểm chứng các chương trình phần mềm hướng khía cạnh, cho các bạn làm luận văn tham khảo
Luận Văn Thạc Sĩ Nghiên Cứu Về Mối Quan Hệ Giữa Chất Lượng Phần Mềm Kế Toán Với Hoạt Động Kế Toán, Năng Lực Phản Ứng Và Hiệu Quả Hoạt Động Của Doanh Nghiệp Tại Việt Nam đã chia sẻ đến cho các bạn nguồn tài liệu hoàn toàn hữu ích đáng để xem và theo dõi. Nếu các bạn có nhu cầu cần tải bài mẫu này vui lòng nhắn tin nhanh qua zalo/telegram : 0932.091.562 để được hỗ trợ tải nhé!
Nhận viết luận văn Đại học , thạc sĩ - Zalo: 0917.193.864
Tham khảo bảng giá dịch vụ viết bài tại: vietbaocaothuctap.net
Download luận văn thạc sĩ ngành công nghệ thông tin với đề tài: Phân tích tự động các website để phát hiện lỗ hổng tiêm nhiễm SQL và XSS, cho các bạn làm luận văn tham khảo
DOWNLOAD MIỄN PHÍ 30000 TÀI LIỆU https://s.pro.vn/Z3UW
Dịch vụ viết thuê luận án tiến sĩ, luận văn thạc sĩ,báo cáo thực tập, khóa luận
Sdt/zalo 0967 538 624/0886 091 915
https://lamluanvan.net/dich-vu-2-viet-thue-luan-van-thac-si-kem-bao-gia/
NÂNG CAO CHẤT LƯỢNG DỊCH VỤ NGÂN HÀNG ĐIỆN TỬ TẠI NGÂN HÀNG TMCP ĐẦU TƯ VÀ PHÁT TRIỂN VIỆT NAM - CHI NHÁNH CẦU GIẤY
Nhận viết luận văn đại học, thạc sĩ trọn gói, chất lượng, LH ZALO=>0909232620
Tham khảo dịch vụ, bảng giá tại: https://vietbaitotnghiep.com/dich-vu-viet-thue-luan-van
Download luận án tiến sĩ ngành kĩ thuật tài nguyên nước với đề tài: Xây dựng hệ thống quản lí và hỗ trợ điều hành hệ thống tưới theo thời gian thực, cho các bạn làm luận văn tham khảo
Nghiên cứu các yếu tố ảnh hưởng đến quyết định lựa chọn khóa học tại trung tâm Anh ngữ. Đã chia sẻ đến cho các bạn học viên những bài mẫu báo cáo thực tập tại trung tâm anh ngữ hoàn toàn miễn phí.
Download luận văn thạc sĩ ngành công nghệ thông tin với đề tài: Nghiên cứu và xây dựng qui trình chuẩn hóa dữ liệu quan trắc môi trường ở Việt Nam, cho các bạn làm luận văn tham khảo
Nhận viết luận văn Đại học , thạc sĩ - Zalo: 0917.193.864
Tham khảo bảng giá dịch vụ viết bài tại: vietbaocaothuctap.net
Download luận văn thạc sĩ ngành công nghệ thông tin với đề tài: Hướng tiếp cận dựa trên học máy cho bài toán trích xuất thông tin quan điểm, cho các bạn làm luận văn tham khảo
Nhận viết luận văn Đại học , thạc sĩ - Zalo: 0917.193.864
Tham khảo bảng giá dịch vụ viết bài tại: vietbaocaothuctap.net
Download luận văn thạc sĩ ngành công nghệ thông tin với đề tài: Phương pháp tính toán khoảng giải các ràng buộc không tuyến tính, cho các bạn làm luận văn tham khảo
Nhận viết luận văn đại học, thạc sĩ trọn gói, chất lượng, LH ZALO=>0909232620
Tham khảo dịch vụ, bảng giá tại: https://vietbaitotnghiep.com/dich-vu-viet-thue-luan-van
Download luận án tiến sĩ ngành kĩ thuật điều khiển với đề tài: Nghiên cứu các bài toán thiết kế các luật điều khiển cho rô bốt di động kiểu bánh xe, cho các bạn làm luận án tham khảo
Nghiên cứu ứng dụng phương pháp kiến trúc cơ quan xí nghiệp để xây dựng hệ th...sunflower_micro
Tải bản đầy đủ tại địa chỉ http://ouo.io/DKDccQ hoặc http://twineer.com/265u
Mục tiêu luận văn nghiên cứu kiến trúc cơ quan xí nghiệp, cách áp dụng phương pháp luận xây dựng kiến trúc cơ quan xí nghiệp vào việc xây dựng kiến trúc cho hệ thống chứng thực điện tử văn bản pháp lý
Nhận viết luận văn đại học, thạc sĩ trọn gói, chất lượng, LH ZALO=>0909232620
Tham khảo dịch vụ, bảng giá tại: https://vietbaitotnghiep.com/dich-vu-viet-thue-luan-van
Download luận án tiến sĩ ngành công nghệ thông tin với đề tài: Nâng cao độ chính xác tra cứu ảnh dựa vào nội dung sử dụng kỹ thuật điều chỉnh trọng số của hàm khoảng cách, cho các bạn làm luận án tham khảo
Download luận văn đồ án tốt nghiệp ngành công nghệ thông tin với đề tài: Thiết kế và chỉnh sửa giao diện cho website sử dụng hệ quản trị nội dung NukeViet, cho các bạn làm luận văn tham khảo
Luận văn Xây Dựng Chatbot Bán Hàng Dựa Trên Mô Hình Sinh.doc,các bạn có thể tham khảo thêm nhiều tài liệu và luận văn ,bài mẫu điểm cao tại teamluanvan.com
Download luận văn thạc sĩ ngành công nghệ thông tin với đề tài: Phân tích và xây dựng chức năng giám định tự động trong hệ thống giám định bảo hiểm xã hội, cho các bạn làm luận văn tham khảo
Nhận viết luận văn đại học, thạc sĩ trọn gói, chất lượng, LH ZALO=>0909232620
Tham khảo dịch vụ, bảng giá tại: https://baocaothuctap.net
Download luận văn thạc sĩ ngành công nghệ thông tin với đề tài: Xây dựng hệ thống quản lý, hỗ trợ yêu cầu phần mềm, cho các bạn làm luận văn tham khảo
Nghiên cứu phát triển cấu trúc EBG ứng dụng cho các hệ thống thông tin vô tuy...Man_Ebook
Nghiên cứu phát triển cấu trúc EBG ứng dụng cho các hệ thống thông tin vô tuyến thế hệ mới
Xem đầy đủ: https://1drv.ms/f/s!AnR3XNNgwgZpnXFv_Ny9rjn6tEJI?e=PlrZsU
CÁC BIỆN PHÁP KỸ THUẬT AN TOÀN KHI XÃY RA HỎA HOẠN TRONG.pptxCNGTRC3
Cháy, nổ trong công nghiệp không chỉ gây ra thiệt hại về kinh tế, con người mà còn gây ra bất ổn, mất an ninh quốc gia và trật tự xã hội. Vì vậy phòng chông cháy nổ không chỉ là nhiệm vụ mà còn là trách nhiệm của cơ sở sản xuất, của mổi công dân và của toàn thể xã hội. Để hạn chế các vụ tai nạn do cháy, nổ xảy ra thì chúng ta cần phải đi tìm hiểu nguyên nhân gây ra các vụ cháy nố là như thế nào cũng như phải hiểu rõ các kiến thức cơ bản về nó từ đó chúng ta mới đi tìm ra được các biện pháp hữu hiệu nhất để phòng chống và sử lý sự cố cháy nổ.
Mục tiêu:
- Nêu rõ các nguy cơ xảy ra cháy, nổ trong công nghiệp và đời sống; nguyên nhân và các biện pháp đề phòng phòng;
- Sử dụng được vật liệu và phương tiện vào việc phòng cháy, chữa cháy;
- Thực hiện được việc cấp cứa khẩn cấp khi tai nạn xảy ra;
- Rèn luyện tính kỷ luật, kiên trì, cẩn thận, nghiêm túc, chủ động và tích cực sáng tạo trong học tập.
GIAO TRINH TRIET HOC MAC - LENIN (Quoc gia).pdfLngHu10
Chương 1
KHÁI LUẬN VỀ TRIẾT HỌC VÀ TRIẾT HỌC MÁC - LÊNIN
A. MỤC TIÊU
1. Về kiến thức: Trang bị cho sinh viên những tri thức cơ bản về triết học nói chung,
những điều kiện ra đời của triết học Mác - Lênin. Đồng thời, giúp sinh viên nhận thức được
thực chất cuộc cách mạng trong triết học do
C. Mác và Ph. Ăngghen thực hiện và các giai đoạn hình thành, phát triển triết học Mác - Lênin;
vai trò của triết học Mác - Lênin trong đời sống xã hội và trong thời đại ngày nay.
2. Về kỹ năng: Giúp sinh viên biết vận dụng tri thức đã học làm cơ sở cho việc nhận
thức những nguyên lý cơ bản của triết học Mác - Lênin; biết đấu tranh chống lại những luận
điểm sai trái phủ nhận sự hình thành, phát triển triết học Mác - Lênin.
3. Về tư tưởng: Giúp sinh viên củng cố niềm tin vào bản chất khoa học và cách mạng
của chủ nghĩa Mác - Lênin nói chung và triết học Mác - Lênin nói riêng.
B. NỘI DUNG
I- TRIẾT HỌC VÀ VẤN ĐỀ CƠ BẢN CỦA TRIẾT HỌC
1. Khái lược về triết học
a) Nguồn gốc của triết học
Là một loại hình nhận thức đặc thù của con người, triết học ra đời ở cả phương Đông và
phương Tây gần như cùng một thời gian (khoảng từ thế kỷ VIII đến thế kỷ VI trước Công
nguyên) tại các trung tâm văn minh lớn của nhân loại thời cổ đại. Ý thức triết học xuất hiện
không ngẫu nhiên, mà có nguồn gốc thực tế từ tồn tại xã hội với một trình độ nhất định của
sự phát triển văn minh, văn hóa và khoa học. Con người, với kỳ vọng được đáp ứng nhu
cầu về nhận thức và hoạt động thực tiễn của mình đã sáng tạo ra những luận thuyết chung
nhất, có tính hệ thống, phản ánh thế giới xung quanh và thế giới của chính con người. Triết
học là dạng tri thức lý luận xuất hiện sớm nhất trong lịch sử các loại hình lý luận của nhân
loại.
Với tư cách là một hình thái ý thức xã hội, triết học có nguồn gốc nhận thức và nguồn
gốc xã hội.
* Nguồn gốc nhận thức
Nhận thức thế giới là một nhu cầu tự nhiên, khách quan của con người. Về mặt lịch
sử, tư duy huyền thoại và tín ngưỡng nguyên thủy là loại hình triết lý đầu tiên mà con
người dùng để giải thích thế giới bí ẩn xung quanh. Người nguyên thủy kết nối những hiểu
biết rời rạc, mơ hồ, phi lôgích... của mình trong các quan niệm đầy xúc cảm và hoang
tưởng thành những huyền thoại để giải thích mọi hiện tượng. Đỉnh cao của tư duy huyền
thoại và tín ngưỡng nguyên thủy là kho tàng những câu chuyện thần thoại và những tôn
9
giáo sơ khai như Tô tem giáo, Bái vật giáo, Saman giáo. Thời kỳ triết học ra đời cũng là
thời kỳ suy giảm và thu hẹp phạm vi của các loại hình tư duy huyền thoại và tôn giáo
nguyên thủy. Triết học chính là hình thức tư duy lý luận đầu tiên trong lịch sử tư tưởng
nhân loại thay thế được cho tư duy huyền thoại và tôn giáo.
Trong quá trình sống và cải biến thế giới, từng bước con người có kinh nghiệm và có
tri thức về thế giới. Ban đầu là những tri thức cụ thể, riêng lẻ, cảm tính. Cùng với sự tiến
bộ của sản xuất và đời sống, nhận thức của con người dần dần đạt đến trình độ cao hơn
trong việc giải thích thế giới một cách hệ thống
Để xem full tài liệu Xin vui long liên hệ page để được hỗ trợ
:
https://www.facebook.com/garmentspace/
https://www.facebook.com/thuvienluanvan01
HOẶC
https://www.facebook.com/thuvienluanvan01
https://www.facebook.com/thuvienluanvan01
tai lieu tong hop, thu vien luan van, luan van tong hop, do an chuyen nganh
GIÁO TRÌNH 2-TÀI LIỆU SỬA CHỮA BOARD MONO TỦ LẠNH MÁY GIẶT ĐIỀU HÒA.pdf
https://dienlanhbachkhoa.net.vn
Hotline/Zalo: 0338580000
Địa chỉ: Số 108 Trần Phú, Hà Đông, Hà Nội
GIÁO TRÌNH 2-TÀI LIỆU SỬA CHỮA BOARD MONO TỦ LẠNH MÁY GIẶT ĐIỀU HÒA.pdf
Luận văn thạc sĩ máy tính.
1. NGUYỄN
VIỆT
ANH
BỘ GIÁO DỤC
VÀ ĐÀO TẠO
VIỆN HÀN LÂM
KHOA HỌC VÀ CÔNG NGHỆ VN
HỌC VIỆN KHOA HỌC VÀ CÔNG NGHỆ
Nguyễn Việt Anh
HỆ
THỐNG
THÔNG
TIN
NGHIÊN CỨU VÀ THỬ NGHIỆM PHẦN MỀM PHÂN
LOẠI HÀNH VI BÒ SỬ DỤNG THUẬT TOÁN CÂY
QUYẾT ĐỊNH
LUẬN VĂN THẠC SĨ
Hệ thống thông tin
2021
Hà Nội - 2021
2. BỘ GIÁO DỤC
VÀ ĐÀO TẠO
VIỆN HÀN LÂM
KHOA HỌC VÀ CÔNG NGHỆ VN
HỌC VIỆN KHOA HỌC VÀ CÔNG NGHỆ
Nguyễn Việt Anh
NGHIÊN CỨU VÀ THỬ NGHIỆM PHẦN MỀM PHÂN
LOẠI HÀNH VI BÒ SỬ DỤNG THUẬT TOÁN CÂY
QUYẾT ĐỊNH
Chuyên ngành: Hệ thống thông tin
Mã số: ITT801
LUẬN VĂN THẠC SĨ NGÀNH
MÁY TÍNH
CÁN BỘ HƯỚNG DẪN KHOA HỌC
TS. TRẦN ĐỨC NGHĨA
Hà Nội – tháng 7 năm 2021
3. 1
LỜI CAM ĐOAN
Tôi xin cam đoan đề tài nghiên cứu trong luận văn này là công trình nghiên cứu
của tôi dựa trên những tài liệu, số liệu do chính tôi tự tìm hiểu và nghiên cứu. Chính vì
vậy, các kết quả nghiên cứu đảm bảo trung thực và khách quan nhất. Đồng thời, kết
quả này chưa từng xuất hiện trong bất cứ một nghiên cứu nào. Các số liệu, kết quả nêu
trong luận văn là trung thực nếu sai tôi hoàn chịu trách nhiệm.
Tác giả luận văn
Nguyễn Việt Anh
4. 2
LỜI CẢM ƠN
Để hoàn thành luận văn này, tôi xin gửi lời cảm ơn chân thành và tình cảm đặc
biệt tới ngƣời thầy đồng thời cũng là đồng nghiệp cùng nơi công tác của tôi là TS. Trần
Đức Nghĩa. Thầy là ngƣời đã luôn theo sát, tận tình chỉ bảo, góp ý, hƣớng dẫn và định
hƣớng cho tôi trong suốt quá trình làm luận văn này tại Học Viện Khoa học và Công
nghệ, Viện Hàn lâm Khoa học và Công nghệ Việt Nam.
Nghiên cứu này đƣợc thực hiện trong khuôn khổ đề tài mã số KC.01.21/16-20
tài trợ bởi Bộ Khoa học và Công nghệ.
Tiếp theo, tôi cũng xin gửi lời cảm ơn sâu sắc tới các thầy cô, các bạn trong Học
Viện Khoa học và Công nghệ; các anh chị đồng nghiệp tại Viện Công nghệ Thông tin
đã luôn sẵn sàng giúp đỡ tạo điều kiện tốt nhất cho tôi trong quá trình làm luận văn.
Tôi cũng xin cảm ơn sự hỗ trợ của nhóm nghiên cứu tiềm năng Cảm nhận thông
minh và ứng dụng (SSA), Trƣờng đại học Phenikaa.
Mặc dù có nhiều cố gắng, song thời gian thực hiện luận văn có hạn, nên luận
văn còn nhiều hạn chế. Tôi rất mong nhận đƣợc nhiều sự góp ý, chỉ bảo của các thầy,
cô để hoàn thiện hơn luận văn của mình.
Tôi xin chân thành cảm ơn!
Hà Nội, ngày 12 tháng 7 năm 2021
Học viên
Nguyễn Việt Anh
5. 3
MỤC LỤC
LỜI CAM ĐOAN .........................................................................................................1
LỜI CẢM ƠN ...............................................................................................................2
MỤC LỤC.....................................................................................................................3
DANH MỤC HÌNH VẼ................................................................................................5
DANH MỤC BẢNG BIỂU ..........................................................................................6
DANH MỤC VIẾT TẮT ..............................................................................................7
CHƢƠNG 1: TỔNG QUAN VỀ ĐỀ TÀI NGHIÊN CỨU......................................8
1.1. Yêu cầu thực tiễn ......................................................................................8
1.2. Mục tiêu của luận văn...............................................................................9
1.3. Cấu trúc của luận văn................................................................................9
CHƢƠNG 2: CƠ SỞ LÝ THUYẾT.........................................................................10
2.1. Các nghiên cứu liên quan..........................................................................10
2.2. Giới thiệu về học máy...............................................................................10
2.3. Các thuật toán phân loại phổ biến.............................................................11
2.3.1. K-Nearest Neighbors (k-NN)................................................................11
2.3.2. Support Vector Machines......................................................................13
2.3.3. Decision Tree ........................................................................................13
2.3.4. Random Forest ......................................................................................16
2.3.5. Gradient Boosted Decision Tree ...........................................................17
2.4. Ngôn ngữ lập trình Python........................................................................17
2.4.1. Đặc điểm chung và thế mạnh ................................................................17
2.4.2. Thƣ viện scikit-learn cho học máy........................................................18
CHƢƠNG 3: PHƢƠNG PHÁP ĐÁNH GIÁ VÀ KẾT QUẢ..................................19
3.1. Quy trình đề xuất ......................................................................................19
3.2. Gia tốc kế 3 trục và phần cứng cảm biến..................................................20
3.3. Lấy mẫu dữ liệu và tiền xử lý...................................................................22
3.4. Kết quả đánh giá .......................................................................................25
3.5. Nhận xét....................................................................................................29
6. 4
CHƢƠNG 4: XÂY DỰNG CHƢƠNG TRÌNH THỬ NGHIỆM QUẢN LÝ VÀ
PHÂN LOẠI DỮ LIỆU HÀNH VI ..............................................................................31
4.1. Nhu cầu và mục tiêu .................................................................................31
4.2. Yêu cầu kỹ thuật .......................................................................................31
4.3. Giải pháp và phân tích lựa chọn ...............................................................32
4.3.1. Kiến trúc vật lý của hệ thống.................................................................33
4.3.2. Ngôn ngữ Python và nền tảng phát triển...............................................34
4.3.3. Giải pháp quản trị cơ sở dữ liệu Posgresql............................................34
4.3.4. Mô hình MVC xây dựng phần mềm thử nghiệm..................................35
4.3.5. Xử lý các tác vụ chạy nền với Celery và Redis.....................................36
4.3.6. Kiến trúc logic tổng thể của phần mềm thử nghiệm .............................38
4.4. Thiết kế chức năng hệ thống.....................................................................39
4.4.1. Quản trị ngƣời sử dụng..........................................................................39
4.4.2. Quản lý thông tin trang trại ...................................................................41
4.4.3. Quản lý thông tin bò sữa .......................................................................42
4.4.4. Quản lý thông tin dữ liệu huấn luyện và mô hình.................................44
4.4.5. Quản lý dữ liệu suy luận và kế quả phân loại .......................................45
4.5. Giao diện và chức năng sử dụng cơ bản...................................................46
4.5.1. Quản lý ngƣời dùng...............................................................................46
4.5.2. Quản lý thông tin trang trại ...................................................................47
4.5.3. Quản lý cá thể bò sữa và dữ liệu ...........................................................48
4.5.4. Quản lý dữ liệu huấn luyện và mô hình huấn luyện..............................48
4.5.5. Quản lý dữ liệu suy luận và kết quả phân loại ......................................50
4.5.6. Thống kê kết quả ...................................................................................52
CHƢƠNG 5: KẾT LUẬN........................................................................................53
TÀI LIỆU THAM KHẢO.............................................................................................54
7. 5
DANH MỤC HÌNH VẼ
Hình 2-1: Mô hình thuật toán k-NN...............................................................................12
Hình 2-2: Mô hình thuật toán SVM...............................................................................13
Hình 2-3: Mô hình thuật toán cây quyết định ................................................................14
Hình 2-4: Mô hình thuật toán Random Forest ...............................................................16
Hình 3-1: Mô hình thuật toán học máy để phân loại hành vi ........................................19
Hình 4-1: Kiến trúc vật lý của hệ thống.........................................................................33
Hình 4-2: Mô hình MVC................................................................................................35
Hình 4-3: Hàng đợi tác vụ xử lý không đồng bộ ...........................................................37
Hình 4-4: Nguyên lý hoạt động của Celery và Redis trong nền tảng Django ...............37
Hình 4-5: Kiến trúc logic tổng thể của phần mềm thử nghiệm......................................38
Hình 4-6: Sơ đồ usecase của nhóm chức năng quản trị ngƣời dùng..............................39
Hình 4-7: Sơ đồ usecase nhóm chức năng quản lý trang trại.........................................41
Hình 4-8: Sơ đồ usecase quản lý thông tin bò sữa.........................................................42
Hình 4-9: Sơ đồ usecase nhóm chức năng quản lý dữ liệu huấn luyện .........................44
Hình 4-10: Sơ đồ usecase nhóm chức năng quản lý dữ liệu suy luận ...........................45
Hình 4-11: Danh sách ngƣời dùng .................................................................................46
Hình 4-12: Chức năng liệt kê trang trại .........................................................................47
Hình 4-13: Chức năng thêm, sửa, xóa trang trại............................................................47
Hình 4-14: Chức năng liệt kê danh sách cá thể bò sữa..................................................48
Hình 4-15: Chức năng thêm, sửa, xóa cá thể bò sữa......................................................48
Hình 4-16: Huấn luyện mô hình cho cá thể bò sữa........................................................49
Hình 4-17: Danh sách các tập dữ liệu huấn luyện .........................................................49
Hình 4-18: Lịch sử kết quả tác vụ huấn luyện mô hình phân loại.................................50
Hình 4-19: Danh sách tập dữ liệu phân loại đƣợc tải lên thủ công................................50
Hình 4-20: Tải lên dữ liệu mới phục vụ phân loại hành vi............................................51
Hình 4-21: Kết quả suy luận từ dữ liệu tải lên...............................................................51
Hình 4-22: Thống kê hành vi của một cá thể bò sữa trong 7 ngày gần nhất .................52
8. 6
DANH MỤC BẢNG BIỂU
ảng 3-1: Ví dụ một bản ghi sau khi chia đoạn.............................................................23
ảng 3-2: Số lƣợng dữ liệu thu đƣợc mỗi hành vi.........................................................24
ảng 3-3: Các phƣơng pháp trích chọn đặc trƣng .........................................................25
ảng 3-4: So sánh độ chỉ rõ chung của 4 mô hình phân loại.........................................27
ảng 3-5: Ma trận nhầm lẫn của thuật toán G DT đối với từng hành vi cụ thể trên bộ
dữ liệu J. Wang...............................................................................................................28
ảng 3-6: Ma trận nhầm lẫn của thuật toán G DT đối với từng hành vi cụ thể trên bộ
dữ liệu tự thu thập ..........................................................................................................28
ảng 3-7: Hiệu suất tổng thể của mô hình G DT đối với các hành vi đối với bộ dữ liệu
của Jun Wang .................................................................................................................29
ảng 3-8: Hiệu suất tổng thể của mô hình G DT đối với các hành vi đối với bộ dữ liệu
của tự thu thập................................................................................................................29
ảng 4-1: Mô tả các thành phần chính trong thiết kế chƣơng trình thử nghiệm...........38
9. 7
DANH MỤC VIẾT TẮT
GDBT Gradient Boosted Decision Tree
k-NN K-Nearest Neighbors
SVM Support Vector Machine
RF Random Forest
MVC Model – View – Controller
CSDL Cơ sở dữ liệu
DBMS Database Management System
API Application Programming Interface
10. 8
CHƢƠNG 1: TỔNG QUAN VỀ ĐỀ TÀI NGHIÊN CỨU
1.1. Yêu cầu thực tiễn
Trong chăn nuôi ngày nay, vấn đề sức khoẻ của gia súc có liên quan trực tiếp đến
sản lƣợng. Đối với đàn bò sữa, để duy trì sức khỏe và sản lƣợng sữa chất lƣợng cao và
chức năng sinh sản, ngƣời chăn nuôi phải đảm bảo các điều kiện tốt nhất [1]. Một trong
những biểu hiện dễ nhận thấy nhất về sức khoẻ gia súc là các biểu hiện và hành vi của
chúng.
Hành vi là một yếu tố quan trọng để đánh giá sức khoẻ và tình trạng sức khoẻ của
bò sữa [2]. Gia súc thay đổi hành vi của chúng để đối phó với các yếu tố nhƣ chấn
thƣơng, bệnh dịch hoặc những thay đổi về môi trƣờng và xã hội [3]. Việc đánh giá
hành vi chủ yếu thông qua kinh nghiệm của ngƣời chăn nuôi, nhƣng khó phát hiện một
cách tập trung và trực quan, đặc biệt là ở những đàn gia súc lớn do thiếu thời gian và
lao động [4]. Một phƣơng pháp chính xác, nhanh chóng và chi phí thấp để theo dõi các
mô hình hành vi nhƣ một biện pháp hỗ trợ trong việc đánh giá sức khỏe và phúc lợi của
bò sẽ có lợi.
Sử dụng cảm biến đeo trên cơ thể cung cấp một giải pháp khả thi cho vấn đề này,
cho phép theo dõi hành vi đàn gia súc đo lƣờng ở quy mô lớn, tuy nhiên điều này chỉ
có thể thành công nếu đầu ra cảm biến có thể đƣợc diễn giải chính xác và theo thời
gian thực. Theo dõi hành vi của gia súc bằng cách sử dụng cảm biến đang trở thành
một giải pháp phổ biến trong các chƣơng trình quản lý trang trại và chọn lọc di truyền
[4]. Cách tiếp cận này tập trung nhiều hơn vào sức khoẻ và hiệu suất của từng cá thể
hơn là cách tiếp cận dựa trên bầy đàn truyền thống. Tuy nhiên, việc thu thập và giải
thích dữ liệu thu đƣợc từ các cảm biến nhằm mô tả loại hành vi của cá thể vẫn mang lại
thách thức nghiêm trọng cho các nhà phát triển. ài toán này liên quan đến độ phức tạp
của hành vi (tức là một số hành vi có chứa các cử chỉ tƣơng tự), đến việc trích xuất các
tính năng liên quan cho phép phân biệt hành vi, việc mất mát dữ liệu đặc trƣng cho
cảm biến phát không dây, việc xử lý dữ liệu để đối phó với nhiễu vốn có trong các
phép đo đã thu thập [5].
11. 9
1.2. Mục tiêu của luận văn
Nghiên cứu này bắt đầu với hy vọng nâng cao độ chính xác trong việc nhận diện
hành vi bằng cách đƣa vào thống kê dữ liệu cảm biến gia tốc. Luận văn này bắt đầu với
việc nghiên cứu các thuộc tính dữ liệu dựa trên dữ liệu thô thu đƣợc từ cảm biến gia tốc
ba trục trong các điều kiện hành vi khác nhau bằng cách tính toán biểu đồ, sau đó xác
định các tính năng nào sẽ sử dụng để phân loại trạng thái của bò. Trong bƣớc phân loại,
nhiều thuật toán phân loại phổ biến và cổ điển khác nhau đƣợc thử nghiệm và đánh giá
tính hiệu quả, bao gồm: Decision Tree (Cây quyết định), k-Nearest Neighbors, Support
Vector Machine (Máy véc tơ hỗ trợ). Do đó, tín hiệu gia tốc kế đƣợc phân loại thành
một trong bảy trạng thái chuyển động: ăn, nằm, đứng, nằm, đứng lên, đi bình thƣờng,
đi lại tích cực.
Dựa vào đánh giá tính hiệu quả của các thuật toán trên, luận văn này sau đó đề
xuất xây dựng một chƣơng trình thử nghiệm nhằm quản lý tập trung các dữ liệu thu
đƣợc từ cảm biến gia tốc gắn trên mỗi đối tƣợng gia súc. Chƣơng trình cũng có khả
năng phân loại tự động dữ liệu mới thu về và lƣu kết quả trên cơ sở dữ liệu, tạo điều
kiện cho ngƣời quản lý theo dõi các thống kê một cách trực quan về hoạt động của các
cá thể gia súc.
1.3. Cấu trúc của luận văn
Luận văn đƣợc tổ chức nhƣ sau: Phần 1 giới thiệu chung về đề tài cùng các
nghiên cứu liên quan trong và ngoài nƣớc. Phần 2 thảo luận về cơ sở lý thuyết về học
máy và một số thuật toán học máy kinh điển. Phần 3 trình bày quá trình thu thập dữ
liệu, phƣơng pháp đánh giá các thuật toán học máy ở chƣơng 2 cùng kết quả đánh giá.
Phần 4 trình bày việc xây dựng chƣơng trình thử nghiệm cho việc quản lý dữ liệu cùng
kết quả của thuật toán học máy. Phần 5 là kết luận.
12. 10
CHƢƠNG 2: CƠ SỞ LÝ THUYẾT
2.1. Các nghiên cứu liên quan
Vấn đề phức tạp trong việc nhận dạng hành vi của động vật đã thúc đẩy các nhóm
nghiên cứu khác nhau giải quyết các bài toán thực tế bằng cảm biến đeo trên cơ thể [6,
7, 8, 9]. Cụ thể trong bài toán ứng dụng cảm biến đeo trên cơ thể, một số hệ thống hiện
có đã đƣợc phát triển để phân tích hành vi bò sữa tự động [7, 8, 9]. Cảm biến gia tốc đã
đƣợc sử dụng rộng rãi để theo dõi các hành vi của bò do có ƣu điểm là kích thƣớc nhỏ
và trọng lƣợng nhẹ [12, 13, 14, 15]. Các phƣơng pháp này đƣợc xếp vào các loại chung
là học có giám sát và không giám sát. Tuy nhiên, các hệ thống này thƣờng chỉ xác định
một số mẫu hành vi và các thuật toán máy học của nó có nhƣợc điểm là tiêu thụ quá
nhiều bộ nhớ, khả năng học liên tục không khả thi, độ nhạy cao với dữ liệu ngoại lai và
hiệu suất tối ƣu hóa tổng thể còn hạn chế [4].
Trong [15], tác giả dựa vào dữ liệu cảm biến gia tốc để phân biệt các hành vi nhƣ:
ăn, nằm, đứng nhƣng chƣa phân tách đƣợc hành vi chuyển trạng thái từ đứng sang nằm
hoặc ngƣợc lại một cách rõ ràng. Nghiên cứu này cũng kết luận rằng thuật toán Support
Vector Machine cho kết quả chính xác hơn nhƣng Decision Tree lại có độ nhạy tốt
hơn. Trong khi đó ở [28], nhiều loại cảm biến khác nhau đƣợc sử dụng để thu nhập
nhiều loại thông tin cho hệ thống giám sát, bao gồm: GPS cho dữ liệu vị trí, cảm biến
tốc độ di chuyển, nhiệt kế, gia tốc kế 3 trục, cảm biến từ trƣờng ba trục. Ngoài ra, [28]
xây dựng hệ thống cảm biến truyền dữ liệu qua mạng không dây để có thể thu thập
thông tin về sinh hoạt của gia súc một cách gián tiếp từ xa. Trong một thực nghiệm
tƣơng tự [29], cảm biến đeo cũng đƣợc sử dụng cho nghiên cứu về tính hiệu quả của
việc phát hiện động dục, thời gian rụng trứng của giống bò đen Nhật Bản. Hệ thống
này phát hiện các trạng thái đứng, so sánh với khả năng sẵn có của nó để phát hiện sự
kiện động dục.
2.2. Giới thiệu về học máy
Học máy (Machine learning) là một lĩnh vực đang phát triển mạnh của khoa học
máy tính tập trung đến xây dựng và nghiên cứu các lý thuyết và kỹ thuật liên quan
nhằm cho phép máy tính có thể "học" một cách tự động dựa trên các dữ liệu đầu vào để
giải quyết những bài toán cụ thể.
13. 11
Học máy và thống kê có liên quan trực tiếp với nhau, cả hai khía cạnh đều hƣớng
đến việc phân tích và khai thác dữ liệu. Tuy nhiên học máy khác với thống kê ở chỗ tập
trung vào nghiên cứu các giải thuật thay vì áp dụng tính toán trực tiếp lên dữ liệu. Học
máy cùng các lĩnh vực có liên quan nhƣ học sâu, trí tuệ nhân tạo đang đƣợc áp dụng
ngày càng rộng rãi trong mọi lĩnh vực đời sống.
Học máy cung cấp một cách tiếp cận tuyệt vời để cải thiện độ chính xác của mô
hình, dựa trên cấu trúc dữ liệu có thể thay đổi động, đồng thời xử lý các tập dữ liệu lớn
và phức tạp có đƣợc từ một môi trƣờng cụ thể [10]. Ba kỹ thuật phổ biến nhất trong
học máy là học có giám sát, học không giám sát và học bán giám sát.
Học tập có giám sát xảy ra khi đối tƣợng nhận đƣợc một loạt các ví dụ đƣợc gắn
nhãn là tập dữ liệu huấn luyện, sau đó đƣa ra các dự đoán về các dữ liệu khác. Vấn đề
phƣơng pháp học máy này là dữ liệu cần đƣợc dán nhãn theo cách thủ công toàn bộ, để
tạo ra tập dữ liệu cần thiết. Trong học tập không có giám sát, đối tƣợng nhận đƣợc một
loạt các ví dụ không đƣợc gắn nhãn ở tập huấn luyện và đƣa ra dự đoán về các dữ liệu
chƣa đƣợc biết. Kỹ thuật này thƣờng đƣợc sử dụng trong các bài toán phân cụm và
giảm kích thƣớc. Khi ngƣời học nhận đƣợc một loạt các ví dụ có nhãn và không đƣợc
gắn nhãn giới hạn nhƣ tập huấn luyện và đƣa ra dự đoán về các dữ liệu mới, quá trình
này đƣợc gọi là học bán giám sát. Ƣu điểm của phƣơng pháp sau là thực tế là chỉ cần
một số lƣợng hạn chế các mẫu đƣợc dán nhãn, thay vì toàn bộ tập dữ liệu đào tạo đƣợc
gắn nhãn. Học bán giám sát cũng nhƣ học có giám sát đƣợc sử dụng phổ biến trong các
bài toán phân loại, hồi quy và xếp hạng [11].
2.3. Các thuật toán phân loại phổ biến
Năm thuật toán phân loại kinh điển sau đây đƣợc đề xuất để đánh giá trong luận
văn này: Decision Tree, K-Nearest Neighbors (k-NN), Support Vector Machine
(SVM), Random Forest (RF), Gradient Boosted Decision Tree (GBDT).
2.3.1. K-Nearest Neighbors (k-NN)
k-NN là thuật toán đơn giản, dễ triển khai cho các bài toán học máy có giám sát
có thể sử dụng cho việc phân loại lẫn hồi quy. Lý thuyết cơ bản của k-NN dựa trên việc
các hiện tƣợng hoặc đối tƣợng tƣơng tự nhau thì thƣờng xuất hiện gần nhau.
14. 12
Để phục vụ cho việc phân loại dữ liệu, k-NN hoạt động bằng cách ghi nhờ toàn
bộ tập dữ liệu huấn luyện đã đƣợc gắn nhãn và sau đó nó phân loại một thể hiện mới
bằng cách thực hiện 3 bƣớc. Đầu tiên, đo khoảng cách từ dữ liệu cần phân loại đến tất
cả các dữ liệu đƣợc gắn nhãn của tập huấn luyện, cách đo dữ liệu có thể là Euclidian,
Manhattan, Minkowski... Sau đó, chọn k là một số nguyên bất kỳ, k có vai trò là số
điểm dữ liệu đã đƣợc phân loại có khoảng cách nhỏ nhất (láng giềng gần nhất) với dữ
liệu cần phân loại. Cuối cùng, kiểm tra các lớp gắn nhãn có khoảng cách ngắn nhất và
tìm số lƣợng của mỗi lớp xuất hiện, lớp xuất hiện nhiều nhất đƣợc chọn làm nhãn phân
loại.
Ở ví dụ trong hình dƣới đây, ta cần phân loại điểm tròn màu xanh lục thuộc lớp
nào: màu xanh lam hay màu đỏ. Từ hình này, ta có thể dễ dàng điểm gần chấm màu
xanh lục nhất là màu đỏ, do đó nó sẽ đƣợc phân loại vào lớp màu đỏ. Tuy nhiên, có thể
điểm màu đỏ gần điểm ta đang xét nhất nhƣng xung quanh nó có rất nhiều điểm màu
xanh lam. Vì vậy, việc xét điểm gần nhất là chƣa đủ, thay vào đó ta xét k điểm gần
nhất. Giả sử ta lấy k=3 thì sẽ có 2 điểm đỏ và 1 điểm xanh lam gần điểm ta xét, do đó
điểm xanh lục vẫn đƣợc phân loại vào lớp đỏ. Nếu ta lấy k=7 thì xung quanh có 5 điểm
xanh lam và 2 điểm đỏ, lúc này điểm xanh lục đƣợc phân loại vào lớp xanh lam. Có
một điều là nếu ta lấy k=4 thì sẽ có 2 điểm xanh lam và 2 điểm đỏ, lúc này sẽ so sánh
khoảng cách các điểm với điểm ta đang xét. Vì vậy việc chọn giá trị k thực sự quan
trọng và thƣờng là số lẻ.
ình 2-1: Mô hình thuật toán k-NN
15. 13
2.3.2. Support Vector Machines
Máy vector hỗ trợ (Support Vector Machines - SVM) là các mô hình học máy
có giám sát cũng đƣợc sử dụng phổ biến cho phân loại gắn nhãn và phân tích hồi quy.
Máy vectơ hỗ trợ là một bộ phân loại đƣợc xác định bởi một siêu phẳng tách biệt. Lý
thuyết của thuật toán SVM là ánh xạ tập dữ liệu vào không gian đặc trƣng có số chiều
lớn hơn số chiều ban đầu của dữ liệu nguyên thuỷ và tìm siêu phẳng tách tối ƣu trong
không gian mới này. Nói cách khác, với một tập dữ liệu huấn luyện đã đƣợc gắn nhãn
cho trƣớc, các thuật toán đƣa ra một siêu phẳng tối ƣu [19].
ình 2-2: Mô hình thuật toán SVM
Mô hình Máy Vector Hỗ trợ là biểu diễn của các điểm dữ liệu dƣới dạng các
điểm trong không gian n chiều, đƣợc ánh xạ sao cho các dữ liệu thuộc về các nhãn
riêng biệt đƣợc tách bởi một khoảng cách rõ ràng càng rộng càng tốt. Ngoài việc thực
hiện phân loại tuyến tính, SVM có thể thực hiện hiệu quả phân loại phi tuyến tính, ánh
xạ các đầu vào vào các không gian đặc trƣng nhiều chiều hơn [19].
2.3.3. Decision Tree
Cây quyết định là một mô hình học có giám sát, có thể đƣợc áp dụng trong cả
các bài toán phân loại dữ liệu và hồi quy. Cây quyết định là một sơ đồ giống nhƣ cấu
trúc cây rẽ nhánh, trong đó mỗi nút bên trong biểu thị một thuộc tính, mỗi nhánh biểu
diễn một quy luật và mỗi lá (nút đầu cuối) biểu thị một kết quả của quy luật trƣớc nó.
16. 14
Cây quyết định dễ sử dụng và dễ hiểu, cung cấp một phƣơng pháp dựa trên việc
mô phỏng suy nghĩ của con ngƣời. Cây quyết định cho thấy đƣợc logic từ dữ liệu và
những thuộc tính có tính ảnh hƣởng của dữ liệu.
Ở hình ví dụ dƣới đây, hai lớp xanh và đỏ trên không gian hai chiều, nhiệm vụ
là đi tìm ranh giới giúp phân chia hai lớp này, nói đơn giản đây là một bài toán phân
loại, ta cần xây dựng một bộ phân lớp để quyết định việc một điểm dữ liệu thuộc vào
lớp nào. Quan sát hình ta thấy rằng ranh giới cho hai lớp trong bài toán này khá đơn
giản, chúng là các đƣờng song song với các trục toạ độ. Nếu một điểm có thành phần
thứ nhất nhỏ hơn ngƣỡng , ta quyết định ngay đƣợc rằng nó thuộc lớp xanh. Nếu
thành phần thứ hai lớn hơn ngƣỡng , ta quyết định nó cũng thuộc vào lớp xanh.
Xét tiếp, nếu thành phần thứ nhất lớn hơn ngƣỡng , ta quyết định nó thuộc vào lớp
xanh. Không thỏa mãn các điều kiện trên ta xếp vào lớp đỏ.
ình 2-3: Mô hình thuật toán cây quyết định
Về cơ bản, cây quyết định tìm hiểu một loạt các quy tắc Nếu-Thì rõ ràng về các
giá trị của thuộc tính dẫn đến quyết định dự đoán giá trị đích. Xây dựng cây quyết định
trên một tập dữ liệu huấn luyện nhất định là đơn giản xây dựng một loạt các câu hỏi
Nếu-Thì và thứ tự của chúng. Những câu hỏi này thƣờng đƣợc áp dụng cho từng thuộc
tính hoặc sự kết hợp tuyến tính của của các thuộc tính. Phƣơng thức đầu tiên, đƣợc áp
dụng cho từng thuộc tính, đƣợc sử dụng thƣờng xuyên hơn vì tính đơn giản của nó.
Chúng ta cần xác định thứ tự các thuộc tính ở mỗi bƣớc. Đối với các bài toán và tập dữ
17. 15
liệu có nhiều thuộc tính và mỗi thuộc tính có các giá trị khác nhau, việc tìm giải pháp
tối ƣu thƣờng không khả thi. Thay vào đó, một phƣơng pháp đơn giản thƣờng đƣợc sử
dụng ở mỗi bƣớc, thuộc tính tốt nhất sẽ đƣợc chọn dựa trên các tiêu chuẩn nhất định.
Đối với mỗi thuộc tính đƣợc chọn, dữ liệu đƣợc chia thành các nút con tƣơng ứng với
các giá trị của thuộc tính đó và sau đó tiếp tục áp dụng phƣơng thức này cho từng nút
con. Lựa chọn này có thể không phải là tốt nhất, nhƣng trực giác cho thấy rằng phƣơng
pháp này sẽ gần với tối ƣu.
Ngoài ra, cách tiếp cận này làm cho vấn đề trở nên đơn giản hơn [21]. Sau mỗi
câu hỏi, dữ liệu đƣợc chia thành từng nút con tƣơng ứng với câu trả lời cho câu hỏi đó.
Câu hỏi ở đây là một thuộc tính, câu trả lời là giá trị của thuộc tính đó. Theo trực giác,
một phân chia nhánh đƣợc coi là phân chia tốt nhất nếu dữ liệu trong mỗi nút con hoàn
toàn thuộc về một lớp thì nút con này có thể đƣợc coi là một nút lá (tới đây thì không
cần phải phân chia thêm). Nếu nhƣ dữ liệu trong nút con vẫn bị trộn, chia nhánh đấy
đƣợc coi là chƣa thực sự tốt.
Từ quan sát này, cần thiết phải có một phƣơng pháp định lƣợng để tính toán sự
tối ƣu của phép chia nhánh. Hàm này sẽ cho giá trị thấp nhất nếu dữ liệu trong mỗi nút
con nằm trong cùng một lớp, và cho giá trị cao nếu mỗi nút con chứa dữ liệu thuộc về
nhiều lớp khác nhau [21]. Việc xây dựng trình phân loại cây quyết định không yêu cầu
bất kỳ tham số cài đặt nào nào, thuật toán cây quyết định có thể xử lý dữ liệu có chiều
sâu lớn. [20] Một phƣơng pháp đƣợc sử dụng rộng rãi và hiệu quả trong học máy liên
quan đến việc tạo ra các mô hình đƣợc gọi là tập hợp. Một tập hợp có nhiều mô hình
học tập riêng lẻ và kết hợp chúng để tạo ra một mô hình tổng hợp mạnh hơn bất kỳ mô
hình học tập riêng lẻ nào. Ý tƣởng xuất phát từ việc nếu chúng ta có các mô hình học
tập khác nhau, mặc dù mỗi mô hình có thể hoạt động tốt riêng lẻ, chúng sẽ có xu
hƣớng mắc các loại lỗi khác nhau trên tập dữ liệu. Và thông thƣờng, điều này xảy ra
bởi vì mỗi mô hình riêng lẻ có thể overfit một phần khác nhau của dữ liệu. Bằng cách
kết hợp các mô hình riêng lẻ khác nhau thành một nhóm, chúng ta có thể tính trung
bình các lỗi riêng lẻ của chúng để giảm nguy cơ overfit trong khi duy trì hiệu suất dự
đoán mạnh mẽ [22].
Rừng ngẫu nhiên và Gradient Boosted Decision tree là những ví dụ về ý tƣởng
tập hợp đƣợc áp dụng cho cây quyết định.
18. 16
2.3.4. Random Forest
Ở góc nhìn tổng quan, thuật toán Rừng ngẫu nhiên (Random forest) có thể đƣợc
hiểu là một tập hợp các cây quyết định [23]. Một mô hình rừng ngẫu nhiên tạp ra rất
nhiều cây quyết định đơn lẻ áp dụng lên một tập dữ liệu huấn luyện, thƣờng là hàng
chục đến hàng trăm cây quyết định khác nhau. Ý tƣởng xuất phát từ việc mỗi cây quyết
định đơn lẻ sẽ hoạt động tốt trên một phần dữ liệu. Sự khác biệt này đạt đƣợc bằng
cách thêm vào các biến đổi ngẫu nhiên trong quá trình xây dững mỗi cây quyết định
riêng. Việc biến đổi ngẫu nhiên này diễn ra theo hai cách. Đầu tiên, dữ liệu đƣợc sử
dụng để xây dựng mỗi cây sẽ đƣợc lựa chọn ngẫu nhiên. Thứ hai, các thuộc tính đƣợc
chọn trong mỗi phép thử chia nhánh đƣợc chọn ngẫu nhiên [22].
ình 2-4: Mô hình thuật toán Random Forest
Để tạo mô hình rừng ngẫu nhiên, trƣớc hết cần xác định sẽ có bao nhiêu cây sẽ
đƣợc xây dựng. Mỗi cây đƣợc xây dựng từ các mẫu dữ liệu ngẫu nhiên khác nhau đƣợc
gọi là bootstrap. Mẫu bootstrap đƣợc sử dụng phổ biến trong thống kê và học máy.
Việc này xuất pháp từ ý tƣởng rằng: nếu dữ liệu huấn luyện có tổng cộng N đơn vị
hoặc mẫu dữ liệu, một mẫu bootstrap với kích thƣớc N đƣợc tạo ra bằng cách liên tục
chọn một trong số N hàng dữ liệu ngẫu nhiên mà ở đó cho phép việc chọn lại đúng
hàng dữ liệu ấy trong mỗi lần lựa chọn. Thực hiện việc lựa chọn ngẫu nhiên này N lần
sẽ có kết quả mẫu bootstrap đƣợc tạo ra có N hàng giống nhƣ tập dữ liệu huấn luyện
ban đầu nhƣng với khả năng một số hàng dữ liệu sẽ đƣợc lập lại [22].
19. 17
Khi xây dựng cây quyết định cho thuật toán rừng ngẫu nhiên, quá trình đƣợc
xem lá gần nhƣ nhau và đƣợc coi là cây dữ liệu chuẩn nhƣng với một khác biệt lớn.
Khi chọn chia nhánh tốt nhất cho một nút, thay vì chọn chia nhánh tốt nhất trên tất cả
thuộc tính có thể, một tập con ngẫu nhiên đƣợc chọn và cách chia nhánh tốt nhất đƣợc
tìm thấy trong một tập con nhỏ hơn của các thuộc tính [22].
2.3.5. Gradient Boosted Decision Tree
Giống nhƣ Rừng ngẫu nhiên, Cây quyết định tăng cƣờng (Gradient Boosted
Decision Tree - GBDT) sử dụng một tập hợp nhiều cây quyết định để tạo ra mô hình
dự báo mạnh mẽ cho việc phân loại dữ liệu. Tuy nhiên khác với rừng ngẫu nhiên chọn
xây dựng mỗi cây quyết định một cách ngẫu nhiên và song song, GBDT dựa trên ý
tƣởng rằng việc xây dựng mỗi cây quyết định có thể huấn luyện đƣợc, do đó nó có thể
sửa chữa sai sót trong việc xây dựng cây trƣớc đó trong một chuỗi các cây.
Thông thƣờng, tập hợp cây quyết định tăng cƣờng sử dụng rất nhiều các cây nông
đƣợc biết đến trong học máy nhƣ là các nhân tố học tập yếu theo một cách không ngẫu
nhiên, theo đó tạo một mô hình mà dần dần sẽ chứa ít sai sót hơn khi mỗi cây đƣợc
thêm vào chuỗi. Một khi mô hình đã xây dựng xong, việc dự đoán với cây quyết định
tăng cƣờng sẽ nhanh và không sử dụng nhiều bộ nhớ [22]. Những tham số chủ chốt ảnh
hƣởng tới sự phức tạp của mô hình cho cây quyết định tăng cƣờng là một số các cây
quyết định nhỏ.
2.4. Ngôn ngữ lập trình Python
2.4.1. Đặc điểm chung và thế mạnh
Python là một ngôn ngữ lập trình thông dịch, bậc cao, và đa nhiệm. Python có
triết lý thiết kế nhấn mạnh khả năng dễ đọc, dễ học [17]. Mặc dù Python và Matlab có
thể so sánh đƣợc trong một số lĩnh vực, nhƣng Python cung cấp một số lợi thế quan
trọng khiến luận văn này chọn sử dụng:
Mã nguồn Python ngắn gọn, xúc tích và dễ hiểu hơn so với Matlab [18].
Là một ngôn ngữ lập trình mã nguồn mở và miễn phí, có bộ thƣ viện chuẩn cùng
các thƣ viện do bên thứ ba phát hành đồ sộ và mạnh mẽ.
Python cho nhiều lựa chọn hơn ở các gói thƣ viện đồ họa cùng công cụ.
20. 18
Python cung cấp nhiều quyền kiểm soát hơn đối với tổ chức mã nguồn và quản lý
namespace tốt hơn. Python giúp dễ dàng duy trì nhiều phiên bản thƣ viện đƣợc chia
sẻ [18].
Giống nhƣ C/C ++, Java và hầu hết các ngôn ngữ lập trình khác ngoài Matlab,
Python tuân theo một số tiêu chuẩn nhất định, bao gồm lập chỉ mục dựa trên 0 và sử
dụng dấu ngoặc vuông thay vì dấu ngoặc để lập chỉ mục. Đây là một lợi thế cho lập
trình viên, những ngƣời phải thực hiện các thuật toán xử lý tín hiệu đã xuất bản,
chuyển đổi mã từ ngôn ngữ này sang ngôn ngữ khác hoặc làm việc trên nhiều ngôn
ngữ [18].
2.4.2. Thư viện scikit-learn cho học máy
Scikit-learn là thƣ viện Python đƣợc sử dụng rộng rãi nhất trong học máy. Đây là
một dự án mã nguồn mở đang đƣợc phát triển và cải tiến liên tục, đồng thời hỗ trợ một
loạt các thuật toán học máy quan trọng. Scikit-learn có hệ thống tài liệu trực tuyến đầy
đủ và một cộng đồng ngƣời dùng rất tích cực.
Trong luận văn này, 5 bộ phân loại đƣợc tích hợp trong thƣ viện scikit-learning, đó
là Decision Tree, k-Nearest Neighbors, Support Vector Machines, Random Forest và
Gradient Boosted Decision Tree đƣợc đánh giá để tìm ra giải pháp tối ƣu, sau đó áp
dụng cho chƣơng trình thử nghiệm.