1. Họ và tên nghiên cứu sinh: Phạm Huy Thông 2.Giới tính: Nam 3. Ngày sinh: 07/03/1988 4. Nơi sinh: Hà Nội 5. Quyết định công nhận nghiên cứu sinh: Số 2875/QĐ-ĐHKHTN ngày 07/8/2015 của Hiệu trưởng Trường Đại học Khoa học Tự nhiên, Đại học Quốc gia Hà Nội. 6. Các thay đổi trong quá trình đào tạo: - Quyết định thay đổi tập thể hướng dẫn số 279/QĐ-ĐHKHTN ngày 14/02/2017 của Hiệu trưởng Trường Đại học Khoa học Tự nhiên, Đại học Quốc gia Hà Nội. - Quyết định gia hạn số 4735/QĐ-ĐHKHTN ngày 28/12/2018 của Hiệu trưởng Trường Đại học Khoa học Tự nhiên 8. Chuyên ngành: Cơ sở toán học cho tin học 9. Mã số: 9460117.02 10. Cán bộ hướng dẫn khoa học: Hướng dẫn chính: PGS.TS. Lê Hoàng Sơn Hướng dẫn phụ: PGS.TS. Nguyễn Thị Hồng Minh 11. Tóm tắt các kết quả mới của luận án: Đề xuất một thuật toán phân cụm mờ viễn cảnh mới (FC-PFS) bằng cách mở rộng hàm mục tiêu của thuật toán phân cụm trên tập mờ trực cảm. Đồng thời luận án cũng đánh giá về mặt lý thuyết tính chất hội tụ của thuật toán đề xuất. Đưa ra một cải tiến của thuật toán FC-PFS cho việc phân cụm mờ viễn cảnh tự động xác định số cụm. Phương pháp cải tiến kết hợp FC-PFS với thuật toán tối ưu bầy đàn để đưa ra số cụm và kết quả phân cụm tối ưu cho từng bộ dữ liệu. Đưa ra một cải tiến của thuật toán FC-PFS cho việc xử lý với các dữ liệu phức tạp. Phương pháp này cũng kết hợp FC-PFS với thuật toán tối ưu bầy đàn và phương pháp phân cụm đa tâm để xử lý hiệu quả với cả dữ liệu số, dữ liệu kiểu loại và dữ liệu có cấu trúc phức tạp. Ứng dụng FC-PFS trong bài toán dự báo thời tiết ngắn hạn dựa trên ảnh mây vệ tinh với hai phương pháp. Phương pháp thứ nhất kết hợp FC-PFS với phương pháp hội quy không thời gian. Phương pháp thứ hai đề xuất luật mờ viễn cảnh mới và phương pháp sinh luật mờ viễn cảnh này từ kết quả của FC-PFS để dự báo ảnh đầu ra của bài toán. 12. Khả năng ứng dụng thực tiễn: Các phương pháp của luận án đưa ra có tính ứng dụng rất cao trong thực tiễn, đặc biệt ứng dụng vào bài toán dự báo thời tiết ngắn hạn dựa trên ảnh mây về tinh. 13. Các hướng nghiên cứu tiếp theo: Cải tiến các thuật toán đã có để giảm thiểu bộ nhớ sử dụng, đồng thời tăng tốc độ tính toán như áp dụng tính toán trên các mô hình song song, các mô hình tính toán phân tán để đạt được hiệu quả cao nhất. Kết hợp thêm các yếu tố về thời tiết như nhiệt độ, độ ẩm, hướng gió, … cho bài toán dự báo thời tiết ngắn hạn để có được dự báo chính xác hơn. 14. Các công trình công bố liên quan đến luận án: [1]. Pham Huy Thong, Le Hoang Son (2016), “Picture fuzzy clustering: a new computational intelligence method,” Soft Computing 20(9), 3549-3562. (SCIE, 2018, IF= 2.784, Springer) [2]. Pham Thi Minh Phuong, Pham Huy Thong, Le Hoang Son (2018), “Theoretical analysis of picture fuzzy clustering: Convergence and property,” Journal of Computer Science and Cybernetics 34(1), 17-32. [3]. Pham Huy Thong, Le Hoang Son (2016), “A novel automatic picture fuzzy clustering method based on particle swarm optimization and picture composite cardinality,” Knowledge-Based Systems 109, 48-60. (SCI, 2018, IF=5.101, Elservier) [4]. Pham Huy Thong, Le Hoang Son (2016), “Picture fuzzy clustering for complex data,” Engineering Applications of Artificial Intelligence 56, 121-130. (SCIE, 2018, IF=3.526, Elservier) [5]. Le Hoang Son, Pham Huy Thong (2017), “Some novel hybrid forecast methods based on picture fuzzy clustering for weather nowcasting from satellite image sequences,” Applied Intelligence 46(1), 1-15. (SCIE, 2018, IF= 2.882, Springer) |