(PDF) Khai Phá Dữ Liệu | Tuan Leanh

Log InSign Up

• Log In
• Sign Up
• more
• • About
  • Press
  • Papers
  • Terms
  • Privacy
  • Copyright
  • We're Hiring!
  • Help Center
  • less

Outline

keyboard_arrow_downTitleReferencesdownload

Download Free PDF

Download Free PDFkhai phá dữ liệutuan leanhvisibility

…

description

98 pages

descriptionSee full PDFdownloadDownload PDF bookmarkSave to LibraryshareShareclose

Sign up for access to the world's latest research

Sign up for freearrow_forwardcheckGet notified about relevant paperscheckSave papers to use in your researchcheckJoin the discussion with peerscheckTrack your impact

Related papers

Mô Hình Hóa Tri Thức Cho Một Cơ Sở Dữ Liệu Quan Hệ Bằng Ontology Web LanguageHuynh Nguyen Minh Anh

Dalat University Journal of Science, 2017

Trong bài báo này, chúng tôi trình bày phương pháp mô hình hóa tri thức một cơ sở dữ liệu quan hệ bằng Ontology Web Language (OWL). Kết quả đạt được bao gồm các luật chuyển đổi dữ liệu từ cơ sở dữ liệu quan hệ sang Ontology và các Axiom bổ sung ngữ nghĩa cho một cơ sở dữ liệu quan hệ. Dựa trên các luật này, dữ liệu trong mô hình quan hệ có thể được chuyển đổi thành các bộ ba RDF/OWL cho các ứng dụng Sematic web.

downloadDownload free PDFView PDFchevron_rightInformation Cost FunctionsHrvoje Šikić

Applied and Computational Harmonic Analysis, 2001

downloadDownload free PDFView PDFchevron_rightNghiên Cứu Quá Trình Thủy Thạch Động Lực Trong Bồi Xói Vùng Rừng Ngập Mặn Miền Nam Việt NamVo Luong Hong Phuoc

KỶ YẾU HỘI THẢO CAREES 2019 NGHIÊN CỨU CƠ BẢN TRONG LĨNH VỰC KHOA HỌC TRÁI ĐẤT VÀ MÔI TRƯỜNG

downloadDownload free PDFView PDFchevron_rightOptimierung von generischen Operationen und Speicherstrukturen in Objekt-DatenbankenMarc H. Scholl

1997

downloadDownload free PDFView PDFchevron_rightNghiên cứu tổng hợp nano bạc và đánh giá ảnh hưởng của kích thước hạtMai Tuyết

2019

Surface-Enhanced Raman Scattering (SERS) is a modern technique that strongly enhances the Raman scattering signal of the analysts. The SERS phenomenon was explained by the localized surface plasmon resonance (LSPR) of the Raman substrate. In this report, silver nanoparticles one of the plasmonic structures were used to enhance the Raman signal of the methylene blue dye up to 108 times. Especially, the highest Raman signal enhancement was observed when the plasmon resonance wavelength was close to the laser excitation wavelength. Thus, the silver nanoparticles-based SERS technique allows for the ultrasensitive detection without destroying the sample which is sustable for point of care testing and biomedical analysis.

downloadDownload free PDFView PDFchevron_rightBài hoc tu Chi tra Dich vu He sinh thái cho các co che chia se loi ích REED+Lasse Loft

2014

Bản tin Tóm tắt của CIFOR cung cấp các thông tin cô đọng, chính xác, có bình duyệt về các chủ đề hiện tại nghiên cứu lâm nghiệp hiện tại No. 20

downloadDownload free PDFView PDFchevron_rightNghiên cứu ảnh hưởng của công tác khai thác cát, sỏi đến biến động đường bờ sông Chu (đoạn chảy qua huyện Thọ Xuân, tỉnh Thanh Hóa) bằng dữ liệu viễn thámngoc ha hoang

Tạp chí Khoa học Đo đạc và Bản đồ, 2020

downloadDownload free PDFView PDFchevron_rightXây dựng cơ sở dữ liệu địa lý từ dữ liệu ảnh thu nhận của thiết bị bay không người lái (UAV)Dương Đỗ

Tạp chí Khoa học Đo đạc và Bản đồ, 2015

Trên thế giới thiết bị bay không người lái (UAV) đã được sử dụng rất sớm vào công tác đo ảnh, dữ liệu ảnh của UAV được ứng dụng trong cả lĩnh vực quân sự và dân sự như: giám sát biên giới, giám sát thiên tai, theo dõi sản xuất nông nghiệp, giám sát giao thông,..[9÷15]. Ở Việt Nam, dữ liệu ảnh của UAV cũng đã được nghiên cứu vào các ứng dụng lập bản đồ địa hình, địa chính và xây dựng bản đồ mô hình 3D [1÷6], nhưng với công tác xây dựng cơ sở dữ liệu (CSDL) địa lý từ dữ liệu ảnh của thiết bị này thì mới đang được thử nghiệm. Bài viết này nhằm mô tả quá trình xây dựng một cơ sở dữ liệu địa lý từ dữ liệu hình ảnh của UAV và phân tích đánh giá kết quả thực nghiệm.

downloadDownload free PDFView PDFchevron_rightAdébáyọ̀ Fálétí Dará IlẹPhilip Ogundeji

Yoruba Studies Review, 2021

Àkàndé ìjí, Ọlọyẹ́ moyin òòò ́ Ojú kan ní í bíni Igba ní í woni dàgbà Ìwọ nìkàn, Elétùú, Ọdẹ orófó Mọlọyẹ́ moyin, Ọdẹ àdàbà ́ O jọgọrùn-ún baba fúnrúu wa ́ Ìwọ òjìnmí onímọ̀ àṣà àtèdè Ọ̀kàn ni mí lára òròmọdìẹ Tó ó kọ́ ní Fáfitì ẹlẹrankoòlúùbàdàn ́ Ọ̀kàn ni mi lára ọ̀jẹ̀ wẹwẹ ́ ́ olùwadìí Tó o bùn nímọ̀ mu Láti inú òdù àmù ikùn Baba onínúure, tó jàpapọ̀ baba ẹlòmíìn Baba mi, Pa-nílé-o-tó-roko Kò sí ká lọ ká bọ̀ lọrọ́ ̀ tirẹ Ìwọ lo pa, pa, pa Tó o pèyí tí í pa baálé rẹ ládìẹ jẹ o tó roko Kánmọ-ń-kíá lò ó dáni lóhùn ́ Ní gbogbo ọjọ́ tá a báwadìí wọ́dọ̀ rẹ Àkàndé, aráàjíléje

downloadDownload free PDFView PDFchevron_rightNghiên cứu ứng dụng dữ liệu viễn thám để tính toán một số thông số khí quyển nhằm hiệu chỉnh áp suất khí quyển tính từ DEMgiang đặng

Tạp chí Khoa học Đo đạc và Bản đồ, 2013

Công thức khí áp đã chỉ rằng áp suất khí quyển có mối quan hệ chặt chẽ với độ cao, nhiệt độ không khí và thành phần của không khí. Phần lớn các phương pháp tính áp suất khí quyển hiện nay chủ yếu dựa trên sự thay đổi của khí áp theo độ cao thông qua mô hình số độ cao (DEM) do các yếu tố còn lại chưa có đủ dữ liệu. Với sự phát triển của công nghệ viễn thám, nhiệt độ không khí và một số thành phần của không khí có thể được xác định thông qua dữ liệu viễn thám với mật độ cao và đáp ứng được các yêu cầu tính toán. Bài báo này trình bày kết quả nghiên cứu ứng dụng dữ liệu viễn thám để tính toán một số thông số khí quyển nhằm hiệu chỉnh áp suất khí quyển tính từ DEM. Quá trình tính toán gồm hai giai đoạn: một là áp dụng công thức khí áp tính toán áp suất khí quyển trong điều kiện chuẩn thông qua DEM; hai là hiệu chỉnh áp suất khí quyển trong điều kiện chuẩn sang điều kiện thực nghiệm thông qua dữ liệu viễn thám.

downloadDownload free PDFView PDFchevron_rightSee full PDFdownloadDownload PDF

Loading Preview

Sorry, preview is currently unavailable. You can download the paper by clicking the button above.

References (43)

1. 5.1. Phân loại các kiểu dữ liệu.........................................................
2. 5.2. Độ đo tương tự và phi tương tự ................................................
3. Một số thuật toán cơ bản trong phân cụm dữ liệu............................
4. 6.1. Các thuật toán phân cụm phân hoạch .......................................
5. 6.2. Các thuật toán phân cụm phân cấp ...........................................
6. 6.3. Các thuật toán phân cụm dựa trên mật độ.................................
7. 6.4. Các thuật toán phân cụm dựa vào lưới......................................
8. 6.5. Các thuật toán phân cụm dựa trên mô hình...............................
9. Kết luận .......................................................................................... Chương 3. Ứng dụng phân cụm dữ liệu trong việc phân tích, đánh giá kết quả học tập của học sinh...............................................................................
10. 1. Đặt vấn đề.......................................................................................
11. 2. Cơ sở lý luận, khoa học và thực tiễn ...............................................
12. 2.1. Cơ sở lý luận ............................................................................
13. 2.2. Cơ sở thực tiễn .........................................................................
14. 2.3. Cơ sở khoa học.........................................................................
15. 3. Chương trình ứng dụng ...................................................................
16. 3.1. Mục đích chương trình .............................................................
17. 3.2. Cơ sở dữ liệu............................................................................
18. 3.3. Cài đặt chương trình và sử dụng...............................................
19. Các chức năng chính của chương trình............................................
20. 4.1. Màn hình khởi động .................................................................
21. 4.2. Đọc dữ liệu phân tích : liên kết với tập tin cần phân tích ..........
22. 4.3. Xem dữ liệu phân tích : xem nội dung tập tin cần phân tích .....
23. 4.4. Phân cụm dữ liệu : thực hiện việc phân cụm dữ liệu.................
24. 4.5. Một số đoạn code chính trong chương trình : ...........................
25. 4.6. Một số chức năng thường sử dụng............................................
26. Kết luận ..........................................................................................
27. KẾT LUẬN .................................................................................................
28. TÀI LIỆU THAM KHẢO ............................................................................
29. tượng hay các bộ dữ liệu, một phương pháp phân chia được xây dựng để chia dữ liệu thành k phần, mỗi phần đại diện cho một cụm k ≤ n. Đó là phân loại dữ liệu vào trong k nhóm, chúng thoả các yêu cầu sau : (1) Mỗi nhóm phải chứa ít nhất một đối tượng;
30. Mỗi đối tượng phải thuộc về chính xác một nhóm. (yêu cầu thứ 2 được nới lỏng trong kỹ thuật phân chia cụm mờ). Có rất nhiều thuật toán phân hoạch như : k-means (MacQueen 1967), k-medoids (Kaufman và Rousseew 1987), PAM (Partition Around Medoids), CLARA (Clustering Large Applications), CLARANS (Clustering Large Applications based on RAndomized Search), CLASA (Clustering Large Applications based on Simulated Annealing).
31. Thuật toán k-mean [7] Thuật toán này dựa trên độ đo khoảng cách của các đối tượng dữ liệu đến phần tử là trung tâm của cụm chứa nó. Hình 2.11: Các thiết lập để xác định ranh giới các cụm ban đầu -TBMon12CN(IDHS, IDMH, Diem) lưu trữ điểm môn học khối lớp 12 -TONGKETCN(IDHS, TBHK, HocLuc, Hanhkiem ..
32. Đọc dữ liệu phân tích : liên kết với tập tin cần phân tích Tập tin dữ liệu cần đọc : chọn tên tập tin dữ liệu cần liên kết Hinh 3.3 : Màn hình chọn tập tin dữ liệu cần phân tích
33. Xem dữ liệu phân tích : xem nội dung tập tin cần phân tích Hinh 3.4 : Màn hình xem trước dữ liệu sẽ được phân tích -Số lượng có điểm từ 5.2 trở lên ở cụm 5, 6, 7, 8 chiếm gần 80% học sinh cả khối, số lượng ban C trong số này chiếm đa số 286/405 học sinh. Đặc biệt, cụm 7 có điểm từ 6.5 đến 7.4 chỉ có 22/121 học sinh.
34. -Ở các cụm 1, 2, 3 và cụm 4 là những cụm có điểm trung bình môn Anh từ 5.1 trở xuống phần đông là học sinh ban C chỉ có một vài trường hợp nhỏ lẻ không phải ban C như : Nguyễn Hữu Bình, Huỳnh Ngọc Anh Toàn lớ B, Phạm Như Quý lớp A2.
35. Hinh 3.12 : Màn hình kết quả 2 môn cùng lúc . Chọn khối 12, số cụm là 6, phân tích 2 nhóm, 2 môn Sử và Anh Qua 2 trang môn Sử và môn Anh vừa nêu trên Ban Giám hiệu cần xem lại : tình hình học tập ở ban C có sự phân cấp quá rõ ràng giữa 2 loại học sinh khá giỏi và yếu kém, nhằm có biện pháp hay kế hoạch phụ đạo các học sinh yếu kém; tình hình học môn Anh văn khả quan hơn môn Lịch sử nhưng cá biệt vẫn có một số lớp có học sinh yếu đều luôn cả 2 môn cần xem lại số học sinh này …Cần xem lại việc học tập của các em Nguyễn Hữu Bình, Huỳnh Ngọc Anh Toàn lớp B, Phạm Như Quý lớp A2 có cần chuyển lớp, chuyển ban hay không? Tất nhiên, các sự phân tích, so sánh trên có thể dễ dàng hơn nếu chúng ta chọn thể hiện một trang màn hình khi phân tích (Hình 3.12).
36. Phân cụm theo điểm TB các môn học : Chọn khối 12; 6 cụm; Số nhóm phân tích là 2; chọn nhóm 1: Toán, Lý, Hóa và nhóm 2: Văn, Sử, Địa. Trình bày 1 trang màn hình Hinh 3.13 : Màn hình kết quả 2 nhóm môn cùng lúc . Chọn khối 12, số cụm là 6, phân tích 2 nhóm, Toán, Lý, Hóa và Văn, Sử, Địa
37. Nguyễn Hoàng Tú Anh Giáo trình "Khai thác dữ liệu và ứng dụng" 2009 (Đại học KHTN Tp Hồ Chí Minh)
38. An Hồng Sơn Luận văn thạc sĩ "Nghiên cứu một số phương pháp phân cụm mờ và ứng dụng" 2008 (Đại học Thái Nguyên)
39. Vũ Lan Phương "Nghiên cứu và cài đặt một số giải thuật phân cụm phân lớp" 2006 (Đại học Bách khoa Hà Nội) Tiếng Anh
40. Andrew Moore: "K-means and Hierarchical Clustering -Tutorial Slides" Nov 2001 http://www-2.cs.cmu.edu/~awm/tutorials/kmeans.html
41. Dr. Osmar R.Zaiane "Principles of knowledge discovery in databases" Fall 2001 (University of Alberta)
42. Patrick André Pantel "Clustering by Committee" Thesis Doctor of Philosophy, Spring 2003 (University of Alberta), 15 -25p
43. Jiawei Han and Micheline Kamber "Data Mining Concepts and Techniques" 2007 Chapter 1 & Chapter 8 (Intelligent Database Systems Research Lab School of Computing Science Simon Fraser University, Canada)

View morearrow_downward

Related papers

EACTP: Giao thức cây thu thập dữ liệu với thông lượng cao và đảm bảo sự cân bằng năng lượngNguyễn Chấn Hưng

Các công trình nghiên cứu, phát triển và ứng dụng Công nghệ Thông tin và Truyền thông

A Wireless Sensor Network consists of many tiny nodes with the constraints of processing capability, memory, communication range and power. The communication algorithms for wireless sensor networks are designed to operate in these constraints. In this paper, we propose and design an Energy Aware Collection Tree Protocol (EACTP) with high throughput and balanced energy in order to balance sensor nodes’ energy of the routes that have good link quality and improve the lifetime of sensor nodes. EACTP uses the link quality metric (ETX - Expected Transmission) and the Energy State (ES) of sensor nodes to select the optimal route. The experimentalresults with TUmote (Thainguyen University mote) show that EACTP guarantees the energy balance between the sensor nodes and the sensor nodes’ lifetime is improved better than the original CTP.

downloadDownload free PDFView PDFchevron_rightPhép Chuẩn Hóa Dữ Liệu Đặc Trưng Mức Thấp Của Ảnh Trong Truy Vấn Ảnh Dựa Trên Nội DungNguyễn Thyy An

FAIR - NGHIÊN CỨU CƠ BẢN VÀ ỨNG DỤNG CÔNG NGHỆ THÔNG TIN - 2017

doanh và Công nghệ Hà Nội 2 Viện Công nghệ thông tin, Viện Khoa học và Công nghệ Quân sự 3 Khoa Công nghệ Thông tin, Học viện Quản lý Giáo dục 4 Viện Công nghệ thông tin, Viện Hàn lâm Khoa học và Công nghệ Việt Nam

downloadDownload free PDFView PDFchevron_rightỨng Dụng Đại Số Gia Tử Đốl Sánh Các Giá Trị Ngôn Ngữ08.Trần Đình Khang

Journal of Computer Science and Cybernetics, 2016

This paper interpretes Bornemethods for comparison of linguistic values. There are the aggregation of hedge algebras, the if-then rules and the distance table between linguistic values. It can be used for linguistic reasoning in practical problems.

downloadDownload free PDFView PDFchevron_rightXây dựng chùm cho dữ liệu ảnh từ khoảng hai chiều được trích xuấtTai Vo

Can Tho University Journal of Science

Nhận dạng ảnh có vai trò rất quan trọng trong cuộc cách mạng số hiện nay vì nó là nền tảng của nhiều ứng dụng thực tế. Nghiên cứu này đề nghị việc nhận dạng ảnh bởi khoảng hai chiều được trích xuất từ đặc trưng kết cấu. Dựa vào khoảng cách chồng lấp và đặc trưng khoảng được trích xuất, một thuật toán phân tích chùm mờ cho ảnh được đề nghị. Thuật toán này có thể xác định số chùm thích hợp phải chia cho một tập ảnh, những ảnh cụ thể trong mỗi chùm và xác suất thuộc vào các chùm của mỗi ảnh. Thuật toán đề nghị được trình bày chi tiết từng bước về mặt lý thuyết và được minh hoạ bởi ví dụ số. Thực hiện trên một tập ảnh cụ thể, thuật toán đề nghị đã cho kết quả tốt nhất trong so sánh với các thuật toán gần đây. Nghiên cứu này có thể triển khai cho nhiều vấn đề thực tế liên quan đến nhận dạng ảnh.

downloadDownload free PDFView PDFchevron_rightNghiên Cứu Ứng Dụng Trí Tuệ Nhân Tạo Trong Sàng Lọc Trước Sinh Một Số Lệch Bội Nhiễm Sắc Thể (Down, Edward Và Patau)Linh Đặng

Tạp chí Y học Việt Nam, 2023

downloadDownload free PDFView PDFchevron_rightNghiên Cứu Thành Lập Bản Đồ Địa Hình Đáy Biển Khu Vực Trường Sa Và Tư Chính- Vũng Mây Tỷ Lệ 1:250.000Anh Tuấn

Bản đồ địa hình đáy biển có ý nghĩa quan trọng đối với mọi hoạt động kinh tế-xã hội cũng như các hoạt động an ninh, bảo vệ chủ quyền quốc gia trên biển. Vì lẽ đó, việc xây dựng bản đồ địa hình đáy biển là một nhiệm vụ cần thiết đối với mọi quốc gia có biển.

downloadDownload free PDFView PDFchevron_rightSử dụng đất ngập nước xử lí nước thải sinh hoạt và tạo cảnh quanLê Hoàng Việt

Tạp chí Khoa học, 2019

Nghiên cứu thực hiện trên khu đất ngập nước trồng Bồn bồn và Ngải hoa xử lí nước thải sinh hoạt. Ở thời gian lưu nước (HRT) 5 ngày, nước thải sau khi xử lí đạt quy chuẩn xả thải đối với các chỉ tiêu SS, BOD5, N-NO3-, P-PO43-, DO và TKN; riêng N-NH4+ và tổng Coliforms đạt QCVN 14:2008/BTNMT cột B. Ở HRT 4 ngày chỉ có chỉ tiêu N-NH4+ vượt ngưỡng xả thải của QCVN 14:2008/BTNMT cột B. Cần tiếp tục nghiên cứu xử lí nguồn nước thải đã qua khu đất ngập nước này hoặc tận dụng nước thải để tưới cây trồng giảm bớt nồng độ đạm thải ra môi trường.

downloadDownload free PDFView PDFchevron_rightkeyboard_arrow_downView more papers

• Explore
• Papers
• Topics

• Features
• Mentions
• Analytics
• PDF Packages
• Advanced Search
• Search Alerts

• Journals
• Academia.edu Journals
• My submissions
• Reviewer Hub
• Why publish with us
• Testimonials

• Company
• About
• Careers
• Press
• Help Center
• Terms
• Privacy
• Copyright
• Content Policy

580 California St., Suite 400San Francisco, CA, 94104© 2026 Academia. All rights reserved