Nghiên cứu phát triển hệ suy diện mờ phức không – thời gian và ứng dụng trong dự báo ngắn hạn chuỗi ảnh vệ tinh

Nội dung tài liệu: Nghiên cứu phát triển hệ suy diện mờ phức không – thời gian và ứng dụng trong dự báo ngắn hạn chuỗi ảnh vệ tinh

1. VIỆN HÀN LÂM KHOA HÅC BË GIÁO DỤC VÀ ĐÀO TẠO VÀ CÆNG NGHỆ VIỆT NAM HÅC VIỆN KHOA HÅC VÀ CÆNG NGHỆ LÊ TRƯỜNG GIANG NGHIÊN CỨU PHÁT TRIỂN HỆ SUY DIỄN MÍ PHỨC KHÆNG - THÍI GIAN VÀ ỨNG DỤNG TRONG DỰ BÁO NGẮN HẠN CHUỖI ẢNH VỆ TINH Chuy¶n ngành: H» thèng thông tin M¢ sè: 9. 48. 01. 04 LUẬN ÁN TIẾN SĨ NGÀNH MÁY TÍNH Hà Nëi - 2023
2. 2 Công tr¼nh được hoàn thành t¤i: Học vi»n Khoa học và Công ngh» - Vi»n Hàn l¥m Khoa học và Công ngh» Vi»t Nam Người hướng d¨n khoa học: 1. PGS. TS. L¶ Hoàng Sơn 2. PGS. TS. Nguy¹n Long Giang Ph£n bi»n 1: Ph£n bi»n 2: Ph£n bi»n 3: Luªn ¡n được b£o v» trước Hëi đồng ch§m luªn ¡n ti¸n sĩ, họp t¤i Học vi»n Khoa học và Công ngh» - Vi»n Hàn l¥m Khoa học và Công ngh» Vi»t Nam vào hồi . . . giờ . . . ngày . . . th¡ng . . . n«m 2023 Có thº t¼m hiºu luªn ¡n t¤i: - Thư vi»n Học vi»n Khoa học và Công ngh» - Thư vi»n Quèc gia Vi»t Nam.
3. 1 MÐ ĐẦU 1. T½nh c§p thi¸t cõa luªn ¡n Nhúng thay đổi tr¶n b· mặt tr¡i đất x£y ra do thi¶n tai, n¤n ph¡ røng, thay đổi do sói mán, do qu¡ tr¼nh đô thị hóa hay do qu¡ tr¼nh bi¸n đêi tự nhi¶n như thời ti¸t, kh½ hªu, v.v. là nhúng v§n đề được đặc bi»t quan t¥m ngày nay. Dự b¡o kịp thời và ch½nh x¡c v· sự thay đổi giúp cho sự tương t¡c giúa tự nhi¶n và con người phù hñp, giúp qu¡ tr¼nh qu£n lý và sû dụng tài nguy¶n tèt hơn, giúp định hướng ho¤t động s£n xu§t kinh doanh phù hñp hơn [1,2]. Với sự ph¡t triºn cõa h» thèng £nh vi¹n th¡m, ph¡t hi»n thay đổi £nh vi¹n th¡m đã và đang thu hút sự quan t¥m rëng r¢i như mët trong nhúng ùng dụng quan trọng nh§t trong lĩnh vực vi¹n th¡m. Ảnh vi¹n th¡m có mët sè lo¤i như: Landsat, Sentinel, SPOT, v.v. Trong đó, £nh Landsat 7 ETM+ gồm 8 k¶nh: chàm, lục, đỏ, cªn hồng ngo¤i, hồng ngo¤i trung (sóng ng­n), hồng ngo¤i nhi»t, hồng ngo¤i trung (sóng ng­n) và k¶nh toàn s­c. Ảnh SPOT 5 gồm 5 k¶nh: lục, đỏ, cªn hồng ngo¤i, hồng ngo¤i trung (sóng ng­n) và k¶nh toàn s­c [3]. Dự b¡o ng­n h¤n chuéi £nh v» tinh (£nh Landsat) là dự b¡o mà sû dụng húu h¤n h¼nh £nh (tø 6 đến 10 £nh) ở thời điºm trước đó làm cơ sở cho dự b¡o cho mët sè húu h¤n h¼nh £nh ở thời điểm sau đó với dú li»u bao gồm c£ y¸u tè không gian và thời gian. Trong đó y¸u tè không – thời gian được x¡c định là h¿nh £nh cõa mët địa điểm t¤i c¡c thời điểm kh¡c nhau [4,5]. Luªn ¡n tªp trung nghi¶n cùu v· bài to¡n dự đoán bi¸n đổi ti¸p theo cõa chuéi £nh v» tinh dựa vào dú li»u không - thời gian là bài to¡n dự đoán h¼nh £nh cõa c¡c h¼nh th¡i ti¸p theo tr¶n £nh v» tinh nói chung hay tr¶n £nh vi¹n th¡m nói ri¶ng. Qu¡ tr¼nh dự đoán sự thay đổi cõa mët đối tượng hoặc mët hi»n tượng b¬ng c¡ch quan s¡t c¡c £nh vi¹n th¡m cùng mët địa điểm t¤i c¡c thời điểm kh¡c nhau để x¡c định được c¡c quy luªt bi¸n đổi và đưa ra dự đo¡n [6,7]. Mët c¡ch trực quan, bài to¡n dự đoán sự bi¸n đổi cõa chuéi £nh vi¹n th¡m được định nghĩa với đầu vào là tªp £nh vi¹n th¡m cõa cùng mët vùng không gian t¤i c¡c thời điểm kh¡c nhau T (1);T (2);:::;T (k). K¸t qu£ đầu ra là £nh dự b¡o cõa vùng không gian đó ở thời điểm (k + 1) ti¸p theo dựa tr¶n ph¥n t½ch v· bi¸n đổi £nh trong tªp đầu vào. Mët trong nhúng hướng nghi¶n cùu r§t phê bi¸n ở lớp bài to¡n này có thº kº đến vi»c sû dụng c¡c h» suy di¹n như Mamdani [8–14] hặc sû dụng để gi£i quy¸t v§n đề này đó là sû dụng h» suy di¹n mờ nơ ron th½ch nghi [15–19] (ANFIS) và h» ANFIS là sự k¸t hñp giúa ANN và h» suy di¹n mờ thông thường b¬ng cơ ch¸ học cõa ANN thông qua c¡c luªt IF-THEN với c¡c hàm mờ ho¡ x¡c định, điều này giúp kh­c phục được h¤n ch¸ cõa c£ hai nhóm phương ph¡p, không ch¿ vªy ANFIS cán có kh£ n«ng học được nhúng dú li»u g¥y nhi¹u tø tªp hñp c¡c luªt IF-THEN này và kh£ n«ng ghi nhớ thông tin cõa m¤ng neural. Ngoài ra hướng nghi¶n cùu sû dụng m¤ng neural [2, 20–23] cũng được nhi·u nhà nghi¶n cùu quan t¥m với ưu điểm là kh£ n«ng tªn dụng tèi đa dú li»u, hi»u qu£ cao, tự động x¡c định c¡c đặc trưng quan trọng cõa đầu vào. Ngoài h» suy di¹n mờ thông thường, g¦n đây h» suy di¹n mờ phùc [24–28] cũng dành đưñc nhi·u sự quan t¥m hơn, gi¡ trị ph¦n phùc
4. 2 này bê sung th¶m cho mô h¼nh mờ c¡c thông tin giúp x¡c định rã hơn c¡c đặc trưng cõa £nh. Ngoài c¡c y¸u tè li¶n quan đến mô h¼nh, h» luªt cũng đóng mët vai trá r§t quan trọng [29–32], mët h» luªt tèt là mët h» luªt đảm b£o c£ ch§t và lượng cõa luªt, do đó c¦n có nhúng cơ ch¸ sinh luªt, lựa chọn luªt và gi£m luªt phù hñp [33–35, 35–37]. Ngoài c¡c y¸u tè v· luªt, h» suy di¹n, . . . c¡c mô h¼nh có hi»u qu£ cao ở thời điểm hi»n t¤i cũng thường có c¡c bë tham sè r§t lớn và đa d¤ng, do đó vi»c lựa chọn phương ph¡p hu§n luy»n [37–40] phù hñp cũng r§t quan trọng. Với méi phương ph¡p điều ch¿nh luªt kh¡c nhau s³ đưa ra mët h» luªt kh¡c nhau, điều này đòi hỏi c¦n có mët bë công cụ để đánh g½a hi»u qu£ cõa c¡c h» luªt này. Dựa tr¶n c¡c công bè li¶n quan h¦u h¸t c¡c c¡c phương ph¡p đề xu§t dự đoán bi¸n đổi trong chuéi £nh vi¹n th¡m đều là sự k¸t hñp c¡c phương ph¡p kh¡c nhau tø m¤ng học s¥u, học gi¡m s¡t, không gi¡m s¡t và c¡c phương ph¡p ph¥n lớp kh¡c nhau trong c¡c giai đoạn hu§n luy»n m¨u, x¡c định sự sai kh¡c, v.v để thu được k¸t qu£ dự đoán h¼nh £nh ti¸p theo. Tuy nhi¶n v¨n cán tồn t¤i mët sè h¤n ch¸ như sau: - C¡c phương ph¡p học m¡y thường cho k¸t qu£ tèt đối với dú li»u nhỏ, tuy nhi¶n c¡c mô h¼nh này thường k²m hi»u qu£ đối với dú li»u lớn hoặc thi¸u thông tin. - Đối với c¡c phương ph¡p học s¥u, c¡c mô h¼nh này có độ ch½nh x¡c r§t cao. Tuy nhi¶n c¡c mô h¼nh này thường đòi hỏi mët lượng dú li»u đầu vào lớn và thời gian xû lý chªm, do đó thường không phù hñp với bài to¡n dự b¡o ng­n h¤n. - Với đặc thù bài to¡n ng­n h¤n chuéi £nh v» tinh c¦n thời gian dự b¡o nhanh, h¼nh £nh có y¸u tè không gian và thời gian th¼ hướng ti¸p cªn x¥y dựng h» suy di¹n mờ phùc không - thời gian là phù hñp được thº hi»n ở mët c¡c công tr¼nh. Tuy nhi¶n mët sè phương ph¡p suy di¹n mới ch¿ tªp trung vào ph¦n thực và chưa để ý pha hoặc t¡ch ph¦n thực, ph¦n pha ri¶ng. Ch½nh điều đó làm gi£m đi ý nghĩa cõa h» thèng suy di¹n tr¶n tªp mờ phùc do vi»c t¡ch ri¶ng ph¦n thực và ph¦n pha cõa c¡c gi¡ trị đầu vào làm gi£m đi ý nghĩa cõa vi»c ùng dụng trong mi·n phùc. Xu§t ph¡t tø nhúng v§n đề thực ti¹n n¶u tr¶n cho th§y, vi»c nghi¶n cùu x¥y dựng h» suy di¹n mờ phùc không - thời gian và ùng dụng trong dự b¡o ng­n h¤n chuéi £nh v» tinh là mët y¶u c¦u có t½nh c§p thi¸t v· mặt lý thuy¸t (hoàn thi»n c¡c nghi¶n cùu v· h» suy di¹n mờ phùc không - thời gian, c¡c cơ ch¸ x¡c định c¡c bë tham sè tèt trong mô h¼nh, c¡c phương ph¡p tèi ưu luªt trong h» suy di¹n) và ùng dụng mô h¼nh đề xu§t vào trong thực t¸ qu¡ tr¼nh dự đoán. 2. Mục ti¶u nghi¶n cùu cõa luªn ¡n 2.1. Mục ti¶u chung cõa luªn ¡n Mục ti¶u chung cõa luªn ¡n, là nghi¶n cùu ph¡t triºn h» suy di¹n mờ phùc không - thời gian và ùng dụng trong dự b¡o ng­n h¤n chuéi £nh v» tinh. Sau đó ti¸n hành cài đặt so s¡nh, đánh gi¡ t½nh hi»u qu£ cõa phương ph¡p đề xu§t so với c¡c phương ph¡p kh¡c tr¶n c¡c độ đo nh¬m chùng minh t½nh hi»u qu£ cõa phương ph¡p đề xu§t. 2.2. Mục ti¶u cụ thº Xu§t ph¡t tø nhúng tồn t¤i và h¤n ch¸ cõa c¡c công bè v· tªp mờ phùc, h» suy di¹n dựa tr¶n tªp mờ phùc và c¡c phương ph¡p dự b¡o ng­n h¤n đối với £nh v» tinh cũng như mục ti¶u têng qu¡t, luªn ¡n tªp trung nghi¶n cùu đề xu§t x¥y dựng
5. 3 h» suy di¹n mờ phùc không - thời gian ùng dụng trong dự b¡o ng­n h¤n chuéi £nh v» tinh cụ thº như sau: • Mục ti¶u 1 : Đề xu§t h» suy di¹n mờ phùc không – thời gian ùng dụng trong dự b¡o ng­n h¤n chuéi £nh v» tinh. • Mục ti¶u 2 : Đề xu§t phương ph¡p x¡c định đồng thời c¡c tham sè trong h» suy di¹n mờ phùc không - thời gian. • Mục ti¶u 3 : Đề xu§t phương ph¡p tèi ưu luªt trong h» suy di¹n mờ phùc không - thời gian. • Mục ti¶u 4 : Đề xu§t mô h¼nh ùng dụng h» suy di¹n mờ phùc không - thời gian trong dự b¡o ng­n h¤n chuéi £nh v» tinh. 3. Đối tượng và ph¤m vi nghi¶n cùu cõa luªn ¡n 3.1. Đối tượng nghi¶n cùu Đối tượng nghi¶n cùu cõa luªn ¡n là c¡c h» suy di¹n theo ti¸p cªn tªp mờ phùc, c¡c phương ph¡p x¡c định đồng thời bë tham sè cõa h» luªt mờ phùc và c¡ch thùc c£i ti¸n h» luªt. 3.2. Ph¤m vi nghi¶n cùu Tø mục ti¶u và nëi dung nghi¶n cùu, ph¤m vi nghi¶n cùu cõa luªn ¡n đưñc đề xu§t như sau: • Lý thuy¸t: Nghi¶n cùu lý thuy¸t v· tªp mờ phùc, h» suy di¹n dựa tr¶n tªp mờ phùc, c¡c phương ph¡p x¡c định đồng thời c¡c tham sè trong h» luªt và c¡c phương ph¡p tèi ưu luªt. • Thực nghi»m: Luªn ¡n tªp trung nghi¶n cùu và thû nghi»m c¡c bài to¡n dự b¡o ng­n h¤n chuéi £nh vi¹n th¡m có y¸u tè không - thời gian. • Dú li»u: Nghi¶n cùu tr¶n £nh vi¹n th¡m Landsat cõa H£i qu¥n Hoa kỳ và dú li»u PRISMA 4. Phương ph¡p và nëi dung nghi¶n cùu 4.1. Phương ph¡p nghi¶n cùu Phương ph¡p nghi¶n cùu cõa đề tài bao gồm phương ph¡p lý thuy¸t và phương ph¡p thực nghi»m. 4.2. Nëi dung nghi¶n cùu Với mục ti¶u nghi¶n cùu ở tr¶n th¼ trong luªn ¡n tªp trung vào nghi¶n cùu mët sè nëi dung ch½nh sau: • Nghi¶n cùu c¡c cơ sở dú li»u £nh v» tinh và c¡c mô h¼nh, phương ph¡p dự b¡o ng­n h¤n cõa chuéi £nh v» tinh. • Nghi¶n cùu c¡c công bè li¶n quan đến tªp mờ phùc, h» suy di¹n mờ phùc, ùng dụng trong dự b¡o ng­n h¤n chuéi £nh v» tinh. N­m được c¡c ưu điểm cũng như c¡c h¤n ch¸ cõa tøng phương ph¡p và đề xu§t phương ph¡p c£i ti¸n.
6. 4 • Nghi¶n cùu ph¡t triºn, c£i ti¸n đề xu§t h» suy di¹n mờ phùc không – thời gian, ph¡t triºn mët độ đo t½nh luªt không - thời gian và phương ph¡p x¡c định đồng thời c¡c tham sè cho h» suy di¹n mờ phùc không – thời gian. 5. Đóng góp cõa luªn ¡n C¡c đóng góp ch½nh cõa luªn ¡n bao gồm c¡c nëi dung sau: • Đề xu§t h» suy di¹n mờ phùc không – thời gian ùng dụng trong dự b¡o ng­n h¤n chuéi £nh v» tinh. - Mô h¼nh đề xu§t thực hi»n xû lý để thu được bë dú li»u đầu vào gồm ph¦n thực và ph¦n pha (ph¦n sai kh¡c cõa c¡c điểm £nh giúa hai £nh li¶n ti¸p). - Dú li»u đầu vào sau khi ti¸n hành ti·n xû lý được ph¥n thành c¡c cụm phù hñp b¬ng thuªt to¡n FCM [41]. - Tø k¸t qu£ ph¥n cụm s³ ti¸n hành sinh c¡c h» luªt mờ phùc trong không gian d¤ng tam gi¡c. - C¡c tham sè cho hàm gi£i mờ được hu§n luy»n bởi thuªt to¡n ADAM [42] để t¼m ra c¡c tham sè phù hñp. C¡c luªt mờ phùc trong không gian d¤ng tam gi¡c sau đó được gi£i mờ bởi c¡c tham sè tø k¸t qu£ hu§n luy»n. - K¸t qu£ dự đoán cõa ph¦n thực và ph¦n pha ti¸p tục được đưa vào thuªt to¡n ADAM [42] hu§n luy»n và t¼m ra h» sè phụ thuëc để có thº têng hñp h¼nh £nh dự đoán tèt hơn. • Đề xu§t phương ph¡p x¡c định đồng thời c¡c tham sè trong h» suy di¹n mờ phùc không - thời gian. - Mở rëng mô h¼nh h» suy di¹n mờ phùc không - thời gian ùng dụng trong dự b¡o ng­n h¤n chuéi £nh v» tinh t¤i chương 2 b¬ng c¡ch bê sung th¶m bèn bë tham sè trong mô h¼nh. - Đề xu§t mët phương ph¡p x¡c định đồng thời c¡c tham sè b¬ng thuªt to¡n FWADAM+. • Đề xu§t phương ph¡p tèi ưu luªt trong h» suy di¹n mờ phùc không - thời gian. - Luªn ¡n giới thi»u mô h¼nh h» suy di¹n mờ phùc không - thời gian th½ch ùng dựa tr¶n độ đo mờ phùc để ph¡t hi»n bi¸n đổi trong chuéi £nh vi¹n th¡m (RSI). - Mô h¼nh đề xu§t phương ph¡p sinh luªt trực ti¸p tø £nh mới thu được trong tªp kiºm tra và đề xu§t c¡c độ đo mờ phùc nh¬m mục đích so s¡nh hai h» luªt: h» luªt cũ sinh dựa tr¶n Spatial CFIS và h» luªt mới lªp trực ti¸p tø £nh. H» thèng s³ quy¸t định th¶m, bớt hay têng hñp c¡c luªt thông qua k¸t qu£ so s¡nh. - Cuèi cùng, mët bë luªt mới thu được để điều ch¿nh và phù hñp với bë h¼nh £nh mới, c£i thi»n c£ độ ch½nh x¡c và thời gian cõa mô h¼nh. 6. T½nh mới cõa luªn ¡n - So với c¡c nghi¶n cùu v· suy di¹n mờ phùc như cõa Lan và cëng sự ([25]) luªn ¡n đóng góp th¶m v· h» suy di¹n mờ phùc không - thời gian (Spatial CFIS) và c¡c c£i ti¸n li¶n quan đến học đồng thời tham sè.
7. 5 - So với c¡c nghi¶n cùu sû dụng h» suy di¹n mờ kinh điển như Mamdani, Takagi- Sugeno, Tsukamoto th¼ luªn ¡n đã cung c§p h» suy di¹n mờ phùc cho ph²p xû lý dú li»u có c£ y¸u tè không gian và thời gian mà h» suy di¹n mờ kinh điển không có. - So với c¡c nghi¶n cùu sû dụng c¡c mô h¼nh học m¡y và học s¥u th¼ c¡c gi£i ph¡p trong luªn ¡n cho ph²p xû lý dú li»u ng­n h¤n với độ ch¿nh x¡c cao và y¶u c¦u dú li»u đầu vào nhỏ. 7. Bè cục cõa luªn ¡n Luªn ¡n “Nghiên cùu x¥y dựng h» suy di¹n mờ phùc không - thời gian và ùng dụng trong dự b¡o ng­n h¤n chuéi £nh v» tinh” gồm có ph¦n mở đầu, 4 chương nëi dung, ph¦n k¸t luªn và danh mục c¡c tài li»u tham kh£o với c¡c nëi dung ch½nh sau: • Mở đầu • Chương1 : Tr¼nh bày ki¸n thùc cơ sở cho đề tài nghi¶n cùu • Chương2 : Tr¼nh bày đề xu§t x¥y dựng h» suy di¹n mờ phùc không - thời gian ùng dụng vào dự b¡o chuéi £nh v» tinh (Spatial CFIS), c¡c k¸t qu£ thực nghi»m và ph¥n t½ch đánh gi¡ mô h¼nh đề xu§t. • Chương3 : Tr¼nh bày đề xu§t phương ph¡p x¡c định đồng thời c¡c tham sè trong h» suy di¹n mờ phùc không - thời gian, c¡c k¸t qu£ thực hi»n và ph¥n t½ch đánh gi¡ phương ph¡p đề xu§t. • Chương4 : Tr¼nh bày đề xu§t phương ph¡p tèi ưu luªt trong h» suy di¹n mờ phùc không - thời gian, c¡c k¸t qu£ thực hi»n và ph¥n t½ch đánh gi¡ phương ph¡p đề xu§t. • K¸t luªn và hướng ph¡t triºn Chương 1 TÊNG QUAN NGHIÊN CỨU VÀ CƠ SÐ LÝ THUYẾT 1.1 Cơ sở lý thuy¸t 1.1.1 Tªp mờ Zadel định nghĩa tªp mờ (FS) vào n«m 1965 [43] và được coi là ph¦n mở rëng cõa tªp kinh điển như sau: Định nghĩa 1.1. [43] N¸u X là mët không gian n·n (mët tªp n·n) và nhúng ph¦n tû cõa nó được biºu thị b¬ng x, th¼ mët tªp mờ A trong X được x¡c định bởi mët cặp c¡c gi¡ trị như công thùc (1.1) sau: A = f(x; µA(x))jx 2 Xg (1.1) Trong đó µA(x) được gọi là hàm thuëc cõa x trong tªp mờ A-vi¸t t­t là MF (Mem- bership Function). Tùc là, hàm li¶n thuëc ¡nh x¤ méi mët ph¦n tû cõa X tới mët gi¡ trị li¶n thuëc trong kho£ng [0; 1].
8. 6 1.1.2 Tªp mờ phùc Theo Ramot [44, 45] th¼ tªp mờ phùc được coi như là công cụ mô h¼nh hóa hi»u qu£ đối với nhúng v§n đề, nhúng đối tượng có ý nghĩa thay đổi theo thời gian hay với nhúng v§n đề có y¸u tè chu k¼, định k¼. Định nghĩa 1. [44] Mët tªp mờ phùc được đặc trưng bởi mët hàm thuëc gi¡ trị phùc µS (x) mà ph¤m vi gi¡ trị cõa nó là đường trán đơn vị trong không gian phùc, và được biºu di¹n có d¤ng như công thùc 1.2 dưới đây: p j!S(x) µS (x) = rS (x) :e ; j = −1 (1.2) Trong đó, rS (x) là bi¶n độ, !S (x) là pha và c£ 2 đều là c¡c hàm có gi¡ trị thực với điều ki»n rS (x) 2 [0; 1]. 1.1.3 H» suy di¹n mờ H» suy di¹n mờ [46] gồm ba ph¦n ch½nh: mët bë mờ hóa, mët cơ sở luªt và mët bë gi£i mờ được như sau: - Giao di»n mờ hóa: chuyºn đổi c¡c lớp đầu vào vào c¡c bi¶n độ phù hñp với c¡c gi¡ trị ngôn ngú. - Cơ sở tr½ thùc bao gồm 2 ph¦n: • Cơ sở dú li»u: định nghĩa c¡c hàm thuëc cõa c¡c tªp mờ được sû dụng trong c¡c luªt mờ. • Bë luªt: gồm c¡c luªt mờ IF - THEN - Đơn vị thực thi: thực hi»n c¡c ho¤t động suy di¹n trong c¡c luªt - Giao di»n gi£i mờ: chuyºn đổi c¡c gi¡ trị k¸t qu£ mờ cõa h» suy di¹n ra c¡c lớp đầu ra. 1.1.4 H» suy di¹n mờ phùc H» suy di¹n mờ phùc (CFIS) [45] được bi¸t đến như h» logic mờ phùc (CFLS) sû dụng h» suy di¹n mờ làm cơ sở. Mët CFIS/ CFLS s³ nhªn mët tªp đầu vào rã và ¡nh x¤ chúng thành tªp đầu ra rã. Mët CFIS/ CFLS chõ y¸u gồm 4 thành ph¦n sau:C¡c luªt mờ phùc; Mët bë mờ hóa phùc; Mët cơ ch¸ suy di¹n phùc; Mët bë gi£i mờ phùc. Đầu ra cõa mët h» CFIS/CFLS có thº được x¡c định thông qua 3 giai đoạn: Giai đo¤n đầu ti¶n là mờ hóa phùc, được dùng để ¡nh x¤ dú li»u đầu vào rã thành c¡c tªp dú li»u đầu vào mờ. Giai đo¤n thù 2, bước suy di¹n mờ, sû dụng mët cơ sở luªt mờ phùc để ¡nh x¤ c¡c tªp dú li»u đầu vào mờ thành c¡c tªp dú li»u đ¦u ra mờ. Giai đo¤n cuèi cùng gi£i mờ là vi»c thực hi»n ¡nh x¤ bởi CFIS/CFLS. Trong giai đoạn này, gi£i mờ cõa tªp dú li»u đầu ra phùc s³ đưa ra mët dú li»u đ¦u ra rã. Qu¡ tr¼nh x¥y dựng CFIS/CFLS [47] được thực hi»n b¬ng c¡ch x¥y dựng c¡c tªp mờ phùc và logic mờ phùc. Qu¡ tr¼nh này bao gồm 4 bước: • Bước 1: X¥y dựng c¡c vùng mờ phùc • Bước 2. Sinh c¡c luªt mờ phùc • Bước 3. Gi£n lược cơ sở luªt • Bước 4. Ánh x¤ đầu ra thông qua gi£i mờ phùc
9. 7 1.1.5 H» suy di¹n mờ phùc Mandani (M-CFIS)[48] V· cơ b£n h» duy di¹n mờ phùc Mamdani bao gồm 6 bước: Bước 1: X¡c định tªp c¡c luªt mờ phùc Bước 2: Mờ hóa dú li»u đầu vào Bước 3: X¡c định độ m¤nh cõa luªt Bước 4: T½nh to¡n c¡c k¸t qu£ đầu ra y cõa luªt mờ phùc Bước 5: Têng hñp k¸t qu£ đầu ra cõa c¡c luªt mờ phùc Bước 6: Gi£i mờ k¸t qu£ đầu ra 1.1.6 C¡c ph²p to¡n tr¶n tªp mờ phùc Ph¦n bù cõa tªp mờ phùc j! (x) Cho A tªp mờ phùc với hàm thuëc mờ phùc tương ùng là: µA(x) = rA(x)e A . Định nghĩa 1.2 ([44]). Ph¦n bù cõa tªp mờ phùc A ( k½ hi»u A) có thº được x¡c định như sau: n o j!A(x) A = f(x; µA(x))jx 2 Ug = (x; rA(x)e )jx 2 U (1.3) Với rA(x) = 1 − rA(x) và !A(x) = 2π − !A(x). Theo [44], ph²p to¡n ph¦n bù mờ phùc có thº có c¡c d¤ng như sau: j(−!A(x)) A = (1 − rA (x)) :e (1.4) j(!A(x)) A = (1 − rA (x)) :e (1.5) j(!A(x)+π) A = (1 − rA (x)) :e (1.6) Ph²p hñp và ph²p giao cõa hai tªp mờ phùc Ramot [44] đã tr¼nh bày v· ph²p hñp và ph²p giao tr¶n tªp mờ phùc cùng với nhúng to¡n tû ¡p dụng đối với thành ph¦n pha cõa c§p độ thuëc mờ phùc. Cho A và B là hai tªp mờ phùc với hàm thuëc mờ phùc tương ùng là: µA(x) = j! (x) j! (x) rA(x)e A và µB(x) = rB(x)e B , khi đó, c¡c ph²p to¡n tr¶n tªp mờ phùc được định nghĩa như sau: Định nghĩa 1.3 ([44]). Ph²p hñp hai tªp mờ phùc A và B (k½ hi»u A [ B) được định nghĩa như sau: A [ B = f(x; µA[B(x))jx 2 Ug n o j!A[B(x) = (x; rA[B(x)e )jx 2 U (1.7) n o j!A[B(x) = (x; [rA(x) ⊕ rB(x)] e )jx 2 U Với ph²p ⊕ có thº là ph²p t-đối chu©n, v½ dụ như rA[B(x) = max frA(x); rB(x)g. Định nghĩa 1.4 ([44]). Ph²p giao hai tªp mờ phùc A và B (k½ hi»u A \ B) được x¡c định bởi A \ B = f(x; µA\B(x))jx 2 Ug n o j!A\B(x) = (x; rA\B(x)e )jx 2 U (1.8) n o j!A\B(x) = (x; [rA(x) ⊗ rB(x)] e )jx 2 U
10. 8 Với rA\B(x) = min frA(x); rB(x)g và !A\B(x) = min (!A(x);!B(x)). Trong đó, ph²p ⊗ biºu di¹n hàm T-chu©n, v½ dụ như to¡n tû Min hoặc ph²p nh¥n đ¤i sè. Khi rA và rB là gi¡ trị thực, c¡c to¡n tû max và min đều có thº được sû dụng ở đây. 1.1.7 Độ đo mờ và độ đo mờ phùc Định nghĩa 2. Mët độ đo mờ phùc [49] k½ hi»u ρ :(F ∗ (U) × F ∗ (U)) ! [0; 1] đối với A, B và C 2 F ∗ (U) n¸u thỏa m¢n c¡c t½nh ch§t sau: 1. ρ (A; B) ≥ 0; ρ (A; B) = 0 khi và ch¿ khi A = B 2. ρ (A; B) = ρ (B; A) 3. ρ (A; B) ≤ ρ (A; C) + ρ (C; B) Với F ∗ (U) là tªp c¡c tªp mờ phùc trong U 1.2.6.1. Độ đo tương tự mờ phùc Cosine [50] j!S1 (x) j!S2 (x) Định nghĩa 3. Cho hai tªp mờ phùc S1 = rS1 (x) e và S2 = rS2 (x) e trong S với mọi x 2 X; thành ph¦n bi¶n độ và thành ph¦n pha cõa hai tªp mờ phùc đều 2 [0; 1]. Độ đo tương tự mờ phùc Cosine (k½ hi»u CFCSM) giúa hai tªp mờ phùc S1 và S2 được định nghĩa theo công thùc sau: n 1 X a1a2 + b1b2 CCFS = (1.9) n q 2 2 q 2 2 k=1 (a1) + (b1) : (a2) + (b2) j!S1 (x)
    j!S1 (x)
    j!S2 (x)
    Với a1 = Re rS1 (x) e ; b1 = Im rS1 (x) e ; a2 = Re rS2 (x) e ; j!S2 (x)
    b2 = Im rS2 (x) e 1.2.6.2. Độ đo tương tự mờ phùc Dice [50] j!S1 (x) j!S2 (x) Định nghĩa 4. Cho hai tªp mờ phùc S1 = rS1 (x) e và S2 = rS2 (x) e trong S với mọi x 2 X; thành ph¦n bi¶n độ và thành ph¦n pha cõa hai tªp mờ phùc đều 2 [0; 1]. Độ đo tương tự mờ phùc Dice (k½ hi»u CFDSM) giúa hai tªp mờ phùc S1 và S2 được định nghĩa theo công thùc sau: n p 1 X 2 a1b1a2b2 D = (1.10) CFS n a b + a b k=1 1 1 2 2 j!S1 (x)
    j!S1 (x)
    j!S2 (x)
    Với a1 = Re rS1 (x) e ; b1 = Im rS1 (x) e ; a2 = Re rS2 (x) e ; j!S2 (x)
    b2 = Im rS2 (x) e 1.2.6.3. Độ đo tương tự mờ phùc Jaccard [50] j!S1 (x) j!S2 (x) Định nghĩa 5. Cho hai tªp mờ phùc S1 = rS1 (x) e và S2 = rS2 (x) e trong S với mọi x 2 X; thành ph¦n bi¶n độ và thành ph¦n pha cõa hai tªp mờ phùc đều 2 [0; 1].
11. 9 Độ đo tương tự mờ phùc Jaccard (k½ hi»u CFJSM) giúa hai tªp mờ phùc S1 và S2 được định nghĩa theo công thùc sau: n p 1 X a1b1a2b2 J = p p (1.11) CFS n (a b + a b ) − a b : a b
    k=1 1 1 2 2 1 1 2 2 j!S1 (x)
    j!S1 (x)
    j!S2 (x)
    Với a1 = Re rS1 (x) e ; b1 = Im rS1 (x) e ; a2 = Re rS2 (x) e ; j!S2 (x)
    b2 = Im rS2 (x) e 1.1.8 Ảnh vi¹n th¡m Vi¹n th¡m là lĩnh vực khoa học thu thªp thông tin v· b· mặt Tr¡i đất mà không thực sự ti¸p xúc với nó. Điều này được thực hi»n b¬ng c¡ch ghi l¤i n«ng lượng ph£n x¤ hoặc ph¡t ra, đồng thời xû lý, ph¥n t½ch và ¡p dụng thông tin đó [51]. Ảnh vi¹n th¡m có c¡c đặc trưng: k¶nh £nh, độ ph¥n gi£i không gian, độ ph¥n gi£i phê, độ ph¥n gi£i bùc x¤, độ ph¥n gi£i thời gian. Có nhi·u lo¤i £nh/v» tinh vi¹n th¡m kh¡c nhau như: V» tinh Landsat, SPOT, MOS, IRS, IKONOS, WORLD VIEW – 2, COSMOS [51] v.v. Với nhúng ưu điểm nêi bªt so với c¡c phương ph¡p truy·n thèng, công ngh» vi¹n th¡m đã được sû dụng rëng r¢i và mang l¤i hi»u qu£ to lớn trong nông nghi¶p, l¥m nghi»p, qu£n lý tài nguy¶n thi¶n nhi¶n và gi¡m s¡t môi trường, v.v. 1.2 Dú li»u, môi trường và độ đo sû dụng trong qu¡ tr¼nh thực nghi»m - Bë dú li»u thù nh§t là chuéi £nh v» tinh li¶n ti¸p được ph¥n t¡ch tø kho dú li»u £nh thời ti¸t cõa h£i qu¥n Mỹ [52]. - Bë dú li»u thù hai là bë dú li»u tø dự ¡n PRISMA [53] cõa Cơ quan v» tinh vũ trụ Italia. - Để đánh gi¡ độ hi»u qu£ cõa c¡c phương ph¡p đề xu§t, luªn ¡n sû dụng hai độ đo R2 (R Squared) [54] và trung b¼nh phương sai (RMSE) [55], sau đó sû dụng phương ph¡p ph¥n t½ch ANOVA hai chi·u đº ph¥n t½ch k¸t qu£. Chương 2 HỆ SUY DIỄN MÍ PHỨC KHÆNG - THÍI GIAN 2.1 Giới thi»u Trong chương này luªn ¡n tªp trung tr¼nh bày v· đóng góp mới cõa luªn ¡n Đễ xu§t h» suy di¹n mờ phùc không - thời gian ùng dụng trong dự b¡o ng­n h¤n chuéi £nh v» tinh. Ý tưởng ch½nh cõa đề xu§t này là, tø c¡c chuéi h¼nh £nh đầu vào trước ti¶n được xû lý để thu được bë dú li»u đầu vào gồm ph¦n thực và ph¦n pha (ph¦n sai kh¡c cõa c¡c điểm £nh giúa hai £nh li¶n ti¸p). C¡c ma trªn này sau đó được xû lý bởi thuªt to¡n FCM [41] để ph¥n thành c¡c cụm phù hñp. Tø k¸t qu£ ph¥n cụm s³ ti¸n hành sinh c¡c h» luªt mờ phùc không - thời gian. C¡c tham sè cho hàm gi£i
12. 10 mờ trong phương ph¡p này được hu§n luy»n bởi thuªt to¡n Adam [42] để t¼m ra c¡c tham sè phù hñp. 2.2 Mô h¼nh đề xu§t H¼nh 2.1: Sơ đồ têng quan phương ph¡p Spatial CFIS 2.3 Chi ti¸t thuªt to¡n Bước 1: Ti·n xû lý dú li»u Bước 1.1. Bi¸n đổi £nh màu tø £nh v» tinh (£nh màu RGB) v· £nh x¡m Sû dụng phương ph¡p bi¸n đổi tø £nh màu vi¹n th¡m thu đưñc bi¸n đổi v· x¡m [56] theo công thùc (2.1) để ti¸n hành t½nh to¡n. Y = 0:2126R + 0:7152G + 0:0722B (2.1) Bước 1.2.X¡c định gi¡ trị ph¦n pha Méi ph¦n tû trong ma trªn sai kh¡c được t½nh theo công thùc 2.2 dựa tr¶n độ sai kh¡c HoD(i); i = 1; 2; :::; N giúa c¡c vùng tương ùng cõa £nh vi¹n th¡m X(t) t¤i thời điểm t, trong đó k = 1; 2; :::; d là h¼nh £nh thù k. (t) (t−1) HoDk(i) = X − X (2.2) Độ sai kh¡c fHoD1(i); HoD2(i); :::; HoDd(i)g cõa chuéi thời gian vào fT1(t);T2(t); :::; Td(i)g; t = 0::::; N t¤i thời điểm t.
13. 11 Sau khi x¡c định được gi¡ trị ph¦n pha, ta thu đưñc tªp dú li»u đầu vào cho (t) (t) bước ti¸p theo gồm ph¦n thực và ph¦n pha như sau: Xk(X ; HoD ) Bước 2: Ph¥n cụm dú li»u đầu vào Sû dụng thuªt to¡n ph¥n cụm mờ (Fuzzy C-means FCM)[41] để ph¥n cụm (t) (t) đồng thời c£ ph¦n thực và ph¦n pha. Trong đó, độ thuëc dú li»u Xk(X ; HoD ) tới cụm thù j được biºu điễn bởi Ukj được th¶m vào hàm mục ti¶u theo công thùc 2.3 XN XC m 2 J = U kXk − Vjk ! min (2.3) k=1 j=1 kj Bước 3: Sinh luªt theo h» luªt mờ phùc không gian d¤ng tam gi¡c C¡c luªt mờ tam gi¡c đưñc t¤o tr¶n c¡c cụm bởi c¡c mèc luªt (a; b; c; a0; b0; c0) là c¡c đỉnh cõa tam gi¡c và được t½nh theo d¤ng sè mờ tam gi¡c bởi c¡c công thùc như sau: bkj = Vj (2.4) 0 b kj = Vj (2.5) P (k) Ui,j × Ii (k) i=1;2; :::n and Ii ≤ bkj akj = P (2.6) Ui,j (k) i=1;2; :::n and Ii ≤ bkj P (k) Ui,j × HODi (k) 0 i=1;2; :::n and Ii ≤ bkj a kj = P (2.7) Ui,j (k) i=1;2; :::n and Ii ≤ bkj P (k) Ui,j ∗ Ii (k) i=1;2; :::n and Ii ≥ bkj ckj = P (2.8) Ui,j (k) i=1;2; :::n and Ii ≥ bkj P (k) Ui,j × HODi (k) 0 i=1;2; :::n and Ii ≥ bkj c kj = P (2.9) Ui,j (k) i=1;2; :::n and Ii ≥ bkj Bước 4: Nëi suy đầu ra Bước 4.1. Dịch chuyºn điểm £nh v· vùng không gian mờ phùc cõa luªt tam gi¡c. Dịch chuyºn điểm £nh ngoài không gian luªt vào không gian luªt b¬ng c¡ch x¡c định mët h» sè α, sao cho sau khi chia gi¡ trị điểm n¬m ngoài vùng không gian mờ phùc tam gi¡c cho α ta thu đưñc t§t c£ c¡c điểm đã x²t n¬m trong vùng không gian cõa luªt.
14. 12 Bước 4.2. Nëi suy c¡c gi¡ trị ∗ ∗ ∗ Sau khi têng hñp được gi¡ trị hàm thuëc cõa £nh th¼ t½nh Oi = (Oi: Re l;Oi: Im g) đầu ra theo công thùc (2.10), (2.11) như dưới: q P min U (X(k)) ∗ DEF (X ) 1≤k≤d Akj i i ∗ j=1 Oi: Re l = q (2.10) P min U (X(k)) 1≤k≤d Akj i j=1 q P min U (X(k)) ∗ DEF (HOD ) 1≤k≤d Akj i i ∗ j=1 Oi: Im g = q (2.11) P min U (X(k)) 1≤k≤d Akj i j=1 Bước 5: Hu§n luy»n trọng sè gi£i mờ Gi¡ trị hàm gi£i mờ đưñc t½nh theo công thùc (2.12), (2.13) như sau: h a + h b + h c DEF (X ) = 1 2 3 (2.12) i 3 P hi i=1 h0 a0 + h0 b0 + h0 c0 DEF (HOD ) = 1 2 3 (2.13) i 3 P 0 h i i=1 0 0 0 Trong đó h1; h2; h3; h1; h2; h3 là c¡c trọng sè gi£i mờ. 0 0 0 Để có được dự đoán h¼nh £nh tèt, c¦n x¡c định c¡c trọng sè gi£i mờ h1; h2; h3; h1; h2; h3 th½ch hñp. Sû dụng thuªt to¡n Adam [42] để x¡c định c¡c tham sè gi£i mờ tèi ưu và sû dụng độ đo trung b¼nh phương sai (RMSE - 2.14) là hàm mục ti¶u v u n 2 uX  (t) ^ (t) RMSE = t Xi − Xi (2.14) i=1 ^ (t) Trong đó Xi là gi¡ trị dự đoán được x¡c định bởi công thùc (2.10, 2.11) Bước 6: Dự đoán £nh đầu ra Têng hñp k¸t qu£ dự b¡o cuèi cùng theo công thùc (2.15) sau: ∗ ∗ ∗0 Oi = α × Oi: Re l + (1 − α) × Oi: Im g (2.15) Để có được k¸t qu£ dự b¡o tèt, luªn ¡n ti¸p tục sû dụng thuªt to¡n Adam [42] để hu§n luy»n và x¡c định gi¡ trị h» sè phụ thuëc giúa ph¦n thực và ph¦n pha sao cho RMSE t¤i công thùc sè (2.14) cõa £nh dự đoán nhỏ nh§t.
15. 13 2.4 K¸t qu£ thực nghi»m mô h¼nh đề xu§t Biºu đồ tr¼nh bày k¸t qu£ ph¥n t½ch RMSE tr¶n Spatial CFIS tr¶n bë dú li»u cõa H£i qu¥n Hoa kỳ với h¼nh £nh có k½ch thước 100x100 và 500x500 Pixels được đưa ra trong h¼nh dưới đây. Biºu đồ tr¼nh bày k¸t qu£ ph¥n t½ch R2 tr¶n Spatial CFIS tr¶n bë dú li»u cõa H£i qu¥n Hoa kỳ với h¼nh £nh có k½ch thước 100x100 và 500x500 Pixels được đưa ra trong h¼nh dưới đây. Biºu đồ tr¼nh bày k¸t qu£ ph¥n t½ch RMSE, R2 tr¶n Spatial CFIS tr¶n bë dú li»u Prisma được đưa ra trong h¼nh dưới đây:
16. 14 Chương 3 PHƯƠNG PHÁP XÁC ĐỊNH ĐỒNG THÍI CÁC THAM SÈ TRONG HỆ SUY DIỄN MÍ PHỨC KHÆNG - THÍI GIAN 3.1 Giới thi»u Trong chương này, luªn ¡n đề xu§t phương ph¡p gi£m chi·u điºm £nh và bê sung mët sè bë tham sè như h» sè mèc luªt, h» sè luªt, h» sè gi£i mờ, h» sè phụ thuëc giúa ph¦n thực với ph¦n pha nh¬m gi£m thời gian xû lý và t«ng kh£ n«ng m·m d´o cõa mô h¼nh. Ngoài ra, luªn ¡n cán đề xu§t mët thuªt to¡n mới FWADAM+ giúp x¡c định đồng thời c¡c bë tham sè đó. 3.2 Mô h¼nh đề xu§t H¼nh 3.1: Sơ đồ chi ti¸t mô h¼nh đề xu§t
17. 15 3.3 Chi ti¸t thuªt to¡n • Bước 1: Ti·n xû lý dú li»u đầu vào - Chuyºn đổi £nh v» tinh tø £nh màu sang £nh x¡m. - Gi£m k½ch thước £nh theo điểm £nh đại di»n, £nh đầu vào gèc được chia thành c¡c £nh có k½ch thước nhỏ c × c , theo công thùc (3.1) sau: c2 X Im ¯ = κiImi (3.1) i=1 Trong đó, κi và Imi được t½nh theo công thùc (3.2) sau: 8 c2 > 1 P >κi = kIm −Im ∥×d κi thỏa m¢n κij = 1 Imi :> i=1 Imtb = c2 - X¡c định ma trªn sai kh¡c (ph¦n pha) được x¡c định b¬ng c¡ch trø trực ti¸p ph¦n ch¶nh l»ch giúa c¡c vùng tương ùng cõa £nh đại di»n cõa £nh vi¹n th¡m tương ùng theo công thùc (3.3) sau: (t) (t−1) HOD = Imtb − Imtb (3.3) t Thu được k¸t qu£ đầu vào tương ùng: X(Imtb; HoD) - Dú li»u đầu vào được chia thành sè lượng m¨u theo công thùc (3.4) sau: N − Z M = + 1 (3.4) Z (1 − dr) • Bước 2: Ph¥n cụm dú li»u Sau khi ti·n xû lý dú li»u, ¡p dụng Fuzzy C-means [41] để ph¥n cụm dú li»u đầu vào đồng thời ph¦n thực và ph¦n pha cõa méi h¼nh £nh trong méi m¨u dú li»u. • Bước 3: T¤o và têng hñp c¡c luªt Spatial CFIS+ tø c¡c k¸t qu£ ph¥n cụm Đầu ti¶n x¡c định c¡c gi¡ trị vùng bi¶n a; b; c; a0; b0; c0 cõa dú li»u đầu vào t X là tªp h» sè mèc luªt αj cõa tøng luªt. Sû dụng véctơ t¥m cụm Vj đại di»n cho b và b0, Trong đó: b rel bij = αj × Vj (3.5) 0 b0 img b ij = αj × Vj (3.6) 0 P (k) 1 Ui,j × Xi Bi=1;2; :::n and X(k) ≤ b C a B i ij C aij = αj × B P C (3.7) @ Ui,j A (k) i=1;2; :::n and Xi ≤ bij
18. 16 0 P (k) 1 Ui,j × HODi (k) 0 Bi=1;2; :::n and HOD ≤ b C 0 a B i ij C a ij = αj × B P C (3.8) @ Ui,j A (k) i=1;2; :::n and HODi ≤ bij 0 P (k) 1 Ui,j × Xi Bi=1;2; :::n and X(k) ≥ b C c B i ij C cij = αj × B P C (3.9) @ Ui,j A (k) i=1;2; :::n and Xi ≥ bij 0 P (k) 1 Ui,j × HODi (k) 0 Bi=1;2; :::n and HOD ≥ b C 0 c B i ij C c ij = αj × B P C (3.10) @ Ui,j A (k) i=1;2; :::n and HODi ≥ bij • Bước 4: T½nh to¡n gi¡ trị nëi suy và dự đoán h¼nh £nh ti¸p theo X¡c định h» sè luªt βi theo công thùc (3.11) sau: βi1 × wi1 + βi2 × wi2 + ::: + βiR × wiR + βiR+1 Wi = (3.11) βi1 + βi2 + ::: + βiR+1 0 0 0 Ti¸p theo, t½nh to¡n h» sè gi£i mờ h1j; h2j; h3j; h ij; h 2j; h 3j bởi công thùc (3.12-3.13), như sau: (t) h1ja + h2jb + h3jc DEFj(X ) = (3.12) h1j + h2j + h3j 0 0 0 0 0 0 (t) h 1ja + h 2jb + h 3jc DEFj(HOD ) = 0 0 0 (3.13) h 1j + h 2j + h 3j Sau đó, x¡c định h» sè phụ thuëc γ 2 [0; 1], là g½a trị giúp c¥n b¬ng k¸t qu£ dự đoán ph¦n thực và ph¦n pha được x¡c định bởi công thùc 3.14 như sau: ∗ ∗ ∗0 Oi = γ × Oi: Re l + (1 − γ) × Oi: Im g (3.14) ∗ (*) K¸t qu£ dự đoán cõa h¼nh ti¸p theo ph¦n thực Oi:Rel được t½nh theo công thùc 3.15 như sau: R P (k) (t) Wi(Xi ) × DEFj(X ) j=1 O∗ = (3.15) i: Re l R ∗0 ( ) K¸t qu£ dự đoán cõa h¼nh £nh ti¸p theo ph¦n pha Oi:Img được t½nh theo công thùc (3.16) như sau: ∗0 (t) ∗ Oi: Im g = Xi × (1 + Oi: Im g) (3.16) R P (k) (t) Wi(Xi ) × DEFj(HOD ) j=1 O∗ = (3.17) i: Im g R
19. 17 Ảnh dự đo¡n ti¸p theo Xdb là k¸t qu£ suy di¹n cõa t§t c£ c¡c điểm £nh tø £nh trung t¥m O∗.   db 1 ∗ Xi = abs − O i (3.18) κi × di d c2 e • Bước 5: Hu§n luy»n đồng thời c¡c tham sè cõa mô h¼nh (Co – Learn- ing) Tø tªp c¡c tham sè αj, βi, hi và γ đã đưñc n¶u ở tr¶n. Luªn ¡n cũng đề xu§t mët phương ph¡p mới đº hu§n luy»n đồng thời bë tham sè ở tr¶n b¬ng phương ph¡p tèi ưu hóa FWADM+ như dưới để hàm mục ti¶u RMSE đạt gi¡ trị nhỏ nh§t: B£ng 3.1: Thuªt to¡n FWADAM+ 3.4 K¸t qu£ thực nghi»m mô h¼nh đề xu§t K¸t qu£ trung b¼nh cõa RMSE và R2 khi ¡p dụng SeriesNet, DSFA, PFC-PFR và phương ph¡p đề xu§t được tr¼nh bày dưới đây:
20. 18 K¸t qu£ cho th§y r¬ng phương ph¡p đề xu§t tèt hơn so với ba phương ph¡p cán l¤i. Cụ thº, thời gian ch¤y cõa phương ph¡p đề xu§t này tương đương b¬ng kho£ng 90,6%, 93,4% và 38,1% thời gian ch¤y cõa c¡c phương ph¡p SeriesNet, DSFA và PFC-PFR tương ùng. Chương 4 PHƯƠNG PHÁP TÈI ƯU HỆ LUẬT SUY DIỄN MÍ PHỨC KHÆNG - THÍI GIAN 4.1 Giới thi»u Trong Chương2 và Chương3 luªn ¡n đã đề xuªt mët mô h¼nh h» suy di¹n mờ phùc không - thời gian (Spatial CFIS) và phương ph¡p x¡c định đồng thời c¡c tham sè trong h» suy di¹n mờ phùc không - thời gian (Co-Spatial CFIS+). Mô h¼nh đề xu§t được x¥y dựng tr¶n cơ sở sinh luªt và hu§n luy»n h» luªt t¤i thời điểm t và sau đó ti¸n hành dự b¡o h¼nh £nh trong tương lai (t + 1; t + 2;::: ). Tuy nhi¶n khi ¡p dụng trong thực t¸ qu¡ tr¼nh dự b¡o c¡c h¼nh £nh ti¸p theo t + 1; t + 2;::: s³ có sai sè và nhúng sai sè này được t½ch lũy theo thời gian (do ph£i g¡nh chịu sai sè t½ch luỹ cõa c¡c qu¡ tr¼nh dự b¡o trước đó) làm cho mô h¼nh ngày càng k²m hi»u qu£. Để gi£m sai sè t½ch lũy khi mô h¼nh thực hi»n dự b¡o, luªn ¡n đề xu§t mët h» suy di¹n mờ phùc không gian th½ch ùng b¬ng c¡c đë đo mờ phùc được gọi là Spatial CFIS++ với nhúng t½nh n«ng ch½nh: - Giới thi»u mô h¼nh h» di¹n mờ phùc không - thời gian th½ch ùng dựa tr¶n độ đo mờ phùc để ph¡t hi»n thay đổi trong chuéi £nh vi¹n th¡m (RSI). Mô h¼nh này li¶n quan đến c¡c đặc điºm không gian và thời gian cõa h¼nh £nh RSI thông qua lý thuy¸t CFS. - Đề xu§t phương ph¡p sinh luªt trực ti¸p tø £nh mới thu được trong tªp kiºm tra. - Đề xu§t c¡c độ đo mờ phùc nh¬m mục đích so s¡nh hai h» luªt để quy¸t định th¶m, bớt hay têng hñp c¡c luªt thông qua k¸t qu£ so s¡nh. Cuèi cùng, mët bë luªt mới thu được đº điều ch¿nh và phù hñp với bë h¼nh £nh mới, c£i thi»n c£ độ ch½nh x¡c và thời gian cõa mô h¼nh.
21. 19 4.2 Mô h¼nh đề xu§t H¼nh 4.1: Mô h¼nh ph¡t triºn độ đo t½nh luªt không - thời gian với c¡c l¡t c­t thời gian 4.3 Chi ti¸t thuªt to¡n • Bước 1. Ti·n xû lý dú li»u đầu vào • Bước 1.1: Ti¸n hành bi¸n đổi £nh màu thu được v· £nh x¡m • Bước 1.2: X¡c định gi¡ trị ph¦n pha Gi¡ trị ph¦n pha (HoD) là gi¡ trị sai kh¡c giúa £nh đầu ti¶n trong tªp dự b¡o (£nh mới thu nhªn) và £nh cuèi cùng trong tªp đã hu§n luy»n và sinh luªt trước đó như công thùc 4.1 dưới đây. HoDi = (Ii − I(i−1)) (4.1) • Bước 1.3: Bi¸n đổi £nh x¡m thu được ph¦n thực và ph¦n pha tø không gian thường v· d¤ng [0,1] • Bước 2. Mờ hóa Sû dụng hàm mờ hóa Gaussian [57] như công thùc (4.2) dưới đây để ti¸n hành mờ hóa c£ ph¦n thực và ph¦n pha £nh đầu vào. 2 − 1 ( x−m ) µgaussian (x; m; σ) = e 2 σ (4.2)
22. 20 • Bước 3: X¡c định không gian nghi»m Định nghĩa 6. Theo [58], không gian nghi»m (Ω) được giới h¤n bởi công thùc 4.3 sau: Ω = f(x; y; z) jxmin ≤ x ≤ xmax; ymin ≤ y ≤ ymax; zmin ≤ z ≤ zmaxg (4.3) • Bước 4. Sinh luªt Bước 4.1. X¡c định c¡c vùng (nhóm điểm £nh) Với £nh vi¹n th¡m sè lượng điểm £nh r§t lớn, n¸u xû lý với tøng điểm £nh s³ tèn r§t nhi·u thời gian xû lý và tài nguy¶n h» thèng. Luªn ¡n đề xu§t sû dụng biºu đồ Histogram [59] để ph¥n nhóm điểm £nh Bước 4.2. X¡c định c¡c mèc luªt (a; b; c; a0; b0; c0) Luªn ¡n sû dụng h» luªt mờ phùc trong không gian d¤ng tam gi¡c Co- Spatial CFIS+ [60] để sinh luªt, do đó c¦n x¡c định c¡c gi¡ trị mèc luªt (a; b; c; a0; b0; c0) như sau: Bước 4.2.1. X¡c định mèc luªt (b; b0) - Gi¡ trị mèc luªt b; b0 điểm t¥m cõa tøng vùng, được x¡c định b¬ng c¡ch sû dụng thuªt to¡n Ternary search [61]. Bước 4.2.2. X¡c định mèc luªt (a; a0; c; c0) C¡c gi¡ trị mèc luªt (a; a0; c; c0) là c¡c điểm bi¶n, được x¡c định theo Co-Spatial CFIS+ [60] như sau: P (k) Ui,j × Xi;j (k) i=1;2; :::;jNPjj and Xij ≤ bij aj = P (4.4) Ui,j (k) i=1;2; :::;jNPjj and Xij ≤ bij P (k) Ui,j × HODi;j i=1;2; :::;jNP j and HOD(k) ≤ b 0 j ij ij a j = P (4.5) Ui,j (k) i=1;2; :::;jNPjj and HODij ≤ bij P (k) Ui,j × Xi;j (k) i=1;2; :::;jNPjj and Xij ≥bij cj = P (4.6) Ui,j (k) i=1;2; :::;jNPjj and Xij ≥ bij P (k) Ui,j × HODi;j i=1;2; :::;jNP j and HOD(k) ≥ b 0 j ij ij c j = P (4.7) Ui,j (k) i=1;2; :::;jNPjj and HODij ≥ bij • Bước 5. Đánh gi¡ luªt Mi·n không gian luªt V cõa D được x¡c định theo công thùc (4.8) sau: ZZZ V = dV (4.8) D
23. 21 ! Z b Z g2(x) Z f2(x;y) Z b Z g2(x) Z f2(x;y) , V = dzdydx = dz dydx: (4.9) a g1(x) f1(x;y) a g1(x) f1(x;y) Bước 5.1: X¡c định thº t½ch giao cõa vùng nghi»m được t¤o bởi hai luªt p, q Vùng không gian nghi»m cõa luªt p, q được x¡c định tương ùng như công thùc (4.10- 4.11) sau: p p p ! Z b Z g2 (x) Z f2 (x;y) Vp = dz dydx (4.10) p p p a g2 (x) f2 (x;y) q q q ! Z b Z g2(x) Z f2 (x;y) Vq = dz dydx (4.11) q q q a g2(x) f2 (x;y) Luªn ¡n x¡c định độ đo cõa hai luªt mờ phùc trong không gian d¤ng t¤m gi¡c là gi¡ trị mi·n giao cõa vùng không gian giúa hai luªt p; q như công thùc 4.12 sau: Vpq = Vp \ Vq (4.12) Để x¡c định gi¡ trị mi·n giao cõa hai luªt Vpq, ti¸n hành chia không gian nghi»m Ω thành c¡c khèi vuông theo công thùc 4.13 như sau: Ωijk = [xi−1; xi] × [yj−1; yj] × [zk−1; zk] (4.13) Mi·n không gian nghi»m Ω sau khi được chia thành c¡c khèi vuông k½ch thước θ như tr¶n c¦n thỏa m¢n biºu thùc (4.14) sau: ( Vactual = Sbase area × h (4.14) 1 − Vactual ≤ " Vθ Bước 5.1.1: X¡c định vị tr½ tương đối cõa c¡c khèi vuông đèi với không gian luªt X²t mặt b¶n thù nh§t cõa không gian luªt V X¡c định phương tr¼nh mặt ph¯ng mặt b¶n cõa không gian luªt dựa tr¶n ba điểm A (xA; yA; zA), B (xB; yB; zB), C (xC; yC; zC) thuëc mặt b¶n b¬ng c¡ch thay tọa độ 03 điểm này vào phương tr¼nh mặt ph¯ng têng qu¡t như công thùc (4.15) dưới đây: Nax + Nby + Ncz + d = 0 (4.15) Tø đó suy ra phương tr¼nh mặt ph¯ng và vector ph¡p tuy¸n cõa mặt ph¯ng là N~ = (Na;Nb;Nc) với tọa độ điểm c¦n x²t bởi công thùc (4.16) sau: N~ · Gijk = Na × xi + Nb × yj + Nc × zk (4.16) Thực hi»n c¡c với t§t c£ c¡c mặt b¶n cán l¤i cõa mi·n không gian nghi»m V và x¡c định vị tr½ tương đối cõa điểm Gijk so với mi·n không gian luªt V như biºu thùc (4.17) sau: 9N~ · G < 0;G n¬m ngoài không gian nghi»m V ijk ijk (4.17) elsewise; Gijk n¬m trong không gian nghi»m V
24. 22 Bước 5.1.2: T½nh thº t½ch cõa vùng giao là tªp hñp c¡c khèi vuông n¬m trong vùng giao cõa hai không gian luªt Vùng giao cõa hai không gian luªt Vpq là tªp c¡c khèi vuông Ωijk n¬m trong c£ vùng không gian luªt p và vùng không gian luªt q. Do đó, Vpq được x¡c định theo công thùc (4.18) sau: X Vpq = VΩikj (4.18) VΩijk = jxi−1; xij × jyj−1; yjj × jzk−1; zkj (4.19) Bước 5.2: Tèi ưu luªt 0 0 Vpq Vpq ap cp a p c p - N¸u ≥ "v và ≥ "v và + + 0 + 0 < "R th¼ ti¸n hành gëp luªt Vp Vq ap cp a p c p theo công thùc sau: a + a b + b c + c a0 + a0 b0 + b0 c0 + c0 a = p q ; b = p q ; c = p q a0 = p q ; b0 = p q ; c0 = p q new 2 new 2 new 2 new 2 new 2 new 2 0 0 Vpq Vpq ap cp a p c p - N¸u ≥ "v và < "v và + < "R or 0 + 0 < "R th¼ loai bỏ luªt q Vq Vp ap cp a p c p và sû dụng luªt p. 0 0 Vpq Vpq ap cp a p c p - N¸u < "v và ≥ "v và + < "R or 0 + 0 < "R th¼ loai bỏ luªt p Vq Vp ap cp a p c p và sû dụng luªt q. Vpq Vpq - N¸u < "v và < "v th¼ sû dụng c£ hai luªt p và q. Vq Vp Sau khi ti¸n hành đánh gi¡ với t§t c£ c¡c cặp luªt, ta có được h» luªt sinh ra tø £nh mới. • Bước 6: Têng hñp h» luªt cũ R và h» luªt mới R0 thành h» luªt R00 .B¬ng c¡ch so s¡nh vùng giao cõa h» luªt như bước sè 5 tr¶n. 4.3.1 K¸t qu£ thực nghi»m mô h¼nh đề xu§t Dựa theo k¸t qu£ cõa trung b¼nh RMSE cõa c¡c phương ph¡p tr¶n ba bë dú li»u, gi¡ trị RMSE cõa phương ph¡p đề xu§t tương đương với phương ph¡p Co-Spatial CFIS+ (trung b¼nh têng gi¡ trị RMSE cõa phương ph¡p đề xu§t cao hơn Co-Spatial CFIS+ kho£ng 1%), nhưng có k¸t qu£ tèt hơn so với c¡c phương ph¡p seriesNet, DSFA và PFC-PFR, k¸t qu£ tr¶n cũng được thº hi»n trực quan dưới đây. Thời gian t½nh to¡n và têng sè luªt xû lý cõa phương ph¡p đề xu§t và c¡c phương ph¡p SeriesNet, DSFA, PFC-PFR, Co-Spatial CFIS+ tr¶n c£ 3 bë dú li»u.
25. 23 Tø k¸t qu£, ta có têng thời gian xû lý cõa phương ph¡p đề xu§t ½t hơn phương ph¡p Co-Spatial CFIS+ (34%), SeriesNet (40%), DSFA (38%) và đặc bi»t ½t hơn phương ph¡p PFC-PFR (60%). KẾT LUẬN Nhúng k¸t qu£ ch½nh cõa luªn ¡n Với mục ti¶u nghi¶n cùu là tªp trung nghi¶n cùu đề xu§t x¥y dựng h» suy di¹n mờ phùc không - thời gian ùng dụng trong dự b¡o ng­n h¤n chuéi £nh v» tinh, luªn ¡n có nhúng k¸t qu£ đóng góp ch½nh sau: • Thù nh§t, luªn ¡n đã đ· xu§t mët h» suy di¹n mờ phùc không - thời gian (Spatial CFIS) để ph¡t hi»n nhúng thay đổi trong £nh vi¹n th¡m. - Phương ph¡p đề xu§t này t¤o ra c¡c luªt mờ phùc b¬ng c¡ch sû dụng ph¥n cụm mờ (FCM) và thực hi»n dự đo¡n h¼nh £nh thông qua c¡c luªt mờ phùc trong không gian tam gi¡c. - Để n¥ng cao hi»u qu£ cõa phương ph¡p, Spatial CFIS sû dụng thuªt to¡n ADAM để tèi ưu hóa trọng sè cõa h» sè gi£i mờ, h» sè phụ thuëc giúa ph¦n thực và ph¦n pha. • Thù hai, luªn ¡n đề xu§t phương ph¡p x¡c định đồng thời c¡c bë tham sè cho h» suy di¹n mờ phùc không - thời gian (Co-Spatial CFIS+) bao gồm: - Đề xu§t c£i ti¸n luªt mờ phùc không - thời gian b¬ng c¡ch bê sung c¡c tham sè cho h» luªt cho méi luªt. - Đề xu§t phương ph¡p hu§n luy»n đồng thời FWADAM+ để t¼m ra c¡c tham sè tèt hơn phục vụ qu¡ tr¼nh dự đoán h¼nh £nh. • Thù ba, luªn ¡n đề xu§t mët h» suy di¹n mờ phùc không gian th½ch ùng b¬ng c¡c độ đo mờ phùc được gọi là Spatial CFIS++ với nhúng t½nh n«ng ch½nh: - Giới thi»u mô h¼nh h» di¹n mờ phùc không - thời gian th½ch ùng dựa tr¶n độ đo mờ phùc đº ph¡t hi»n thay đổi trong chuéi £nh vi¹n th¡m (RSI). Mô h¼nh này li¶n quan đến c¡c đặc điểm không gian và thời gian cõa h¼nh £nh RSI thông qua lý thuy¸t CFS. - Đề xu§t phương ph¡p sinh luªt trực ti¸p tø £nh mới thu được trong tªp kiºm tra. - Đề xu§t c¡c độ đo mờ phùc nh¬m mục đích so s¡nh hai h» luªt: h» luªt cũ sinh dựa tr¶n Spatial CFIS và h» luªt mới lªp trực ti¸p tø £nh. H» thèng s³
26. 24 quy¸t định th¶m, bớt hay têng hñp c¡c luªt thông qua k¸t qu£ so s¡nh. Cuèi cùng, mët bë luªt mới thu được để điều ch¿nh và phù hñp với bë h¼nh £nh mới, c£i thi»n c£ độ ch½nh x¡c và thời gian cõa mô h¼nh. Mët sè h¤n ch¸ cõa luªn ¡n B¶n c¤nh c¡c k¸t qu£ nghi¶n cùu đã đạt được, nhúng nghi¶n cùu trong luªn ¡n v¨n cán tồn t¤i mët sè điểm h¤n ch¸ như: - Thuªt to¡n ph¥n cụm mờ phùc là thuªt to¡n lặp n¶n c¦n nhi·u thời gian t½nh to¡n. Mët sè gi¡ trị đầu vào được khởi t¤o ng¨u nhi¶n, do đó sè l¦n lặp l¤i cõa thuªt to¡n phụ thuëc vào độ tèt cõa dú li»u ban đầu - Ph¥n cụm b¬ng c¡ch sû dụng nhóm điểm £nh có thº giúp gi£m thời gian xû lý nhưng v¨n sû dụng thuªt to¡n FCM để ph¥n cụm do đó tèc độ chưa c£i thi»n được nhi·u. - Vi»c x¡c định mi·n giao cõa c¡c h» luªt cán nhi·u sai sè, điều này s³ £nh hưởng trực ti¸p đến k¸t qu£ cõa mô h¼nh. - Cơ ch¸ ph¥n chia nhóm điểm £nh cán đơn gi£n d¨n đến d¹ x£y ra hi»n tượng c¡c nhóm điểm £nh ph¥n m£nh, rời r¤c. - Cơ ch¸ gi£m luªt và tèi ưu h» luªt trong mô h¼nh cán kh¡ đơn gi£n do đó chưa c£i thi»n được nhi·u v· luªt. Hướng ph¡t triºn cõa luªn ¡n Trong tương lai, định hướng ph¡t triºn ti¸p theo cõa luªn ¡n có thº thực hi»n theo c¡c hướng nghi¶n cùu sau: – C£i thi»n thuªt to¡n để t«ng kh£ n«ng t½nh to¡n và gi£m sû dụng tài nguy¶n bë nhớ. – C£i thi»n mô h¼nh b¬ng c¡ch gi£m hơn núa thời gian xû lý mà v¨n đảm b£o t½nh ên định và độ ch½nh x¡c cõa mô h¼nh; – Ti¸p tục nghi¶n cùu, đề xu§t c¡c thuªt to¡n học như học chuyºn giao, học cëng t¡c v.v. vào trong qu¡ tr¼nh hu§n luy»n c¡c bë tham sè, tinh gi£m h» luªt Spatial CFIS mục ti¶u tèi ưu hóa h» luªt. – Thû nghi»m c¡c mô h¼nh đề xu§t trong luªn ¡n với nhi·u bë dú li»u phùc t¤p hơn trong c¡c lĩnh vực kh¡c nhau trong cuëc sèng như: y t¸, kinh t¸ , địa lý v.v. – Áp dụng, triºn khai và t½ch hñp c¡c nghi¶n cùu đã đề xu§t cho c¡c h» thèng trong thực ti¹n như dự b¡o thời ti¸t, thi¶n tai, dự b¡o b¢o, v.v.;
27. 25 DANH MỤC CÁC CÆNG TRÌNH CỦA LUẬN ÁN 1. Công tr¼nh đã công bè [CT1] L¶ Trường Giang, Tri»u Thu Hương, Nguy¹n Long Giang, L¶ Hoàng Sơn,Tr¦n M¤nh Tu§n, Lương Thị Hồng Lan. (2020) “Một mô h¼nh suy di¹n mờ phùc không gian mới cho bài to¡n ph¡t hi»n bi¸n đổi cõa £nh vi¹n thám”. Kỷ y¸u Hëi nghị Khoa học Công ngh» Quèc gia l¦n thù XIII v· Nghi¶n cùu cơ b£n và ùng dụng Công Ngh» thông tin (FAIR), 267-275, DOI: 10.15625/vap.2020.00178 [CT2] L¶ Trường Giang, L¶ Hoàng Sơn,Nguy¹n Trường Th­ng, Nguy¹n Long Gi- ang, Tr¦n M¤nh Tu§n, Nguy¹n V«n Lương, Phùng Th¸ Hu¥n, Ph¤m B¡ Tu§n Chung, (2022). “Phương ph¡p học đồng thời cho h» suy di¹n mờ phùc trong không gian đối với bài to¡n ph¡t hi»n bi¸n đổi £nh vi¹n thám”. Kỷ y¸u Hëi th£o Quèc gia l¦n thù XXIV - VNICT 2022, 192-198. [CT3] Le Truong Giang, Le Hoang Son, Nguyen Long Giang, Tran Manh Tuan, Nguyen Van Luong, Mai Dinh Sinh, Ganeshsree Selvachandran, Vassilis C. Gero- giannis. (2022) “A New Co-Learning Method in Spatial Complex Fuzzy Inference Systems for Change Detection from Satellite Images”, Neural Computing and Ap- plications. (SCIE, Springer, 2021 IF=5.102) [CT4] L¶ Trường Giang, L¶ Hoàng Sơn,Tr¦n M¤nh Tu§n, Ph¤m B¡ Tu§n Chung.(2020) “Dự đoán £nh m¥y v» tinh với mô h¼nh suy di¹n mờ phùc không - thời gian”. Kỷ y¸u Hëi th£o Quèc gia l¦n thù XXIII - VNICT 2020. [CT5 ] Trung Tuan, N., Le Truong Giang, Pham Huy Thong, Nguyen Van Luong, Le Minh Tuan, Nguyen Quoc Uy, & Le Minh Hoang. (2023). "A novel method for weather nowcasting based on spatial complex fuzzy inference with multiple band input data". Journal of Computer Science and Cybernetics. 9663/18028 2. Công tr¼nh đang review [CT6 ] Nguyen Truong Thang, Le Truong Giang, Le Hoang Sơn, Nguyen Long Giang, Tran Manh Tuan, David Taniar, Nguyen Van Thien. “A Novel Spatial Complex Fuzzy Inference System for Detection of Changes in Remote Sensing Images”, Applied Intelligence, (SCIE, Springer, 2021 IF=5.019) Under re- view. [CT7] Le Truong Giang, Le Hoang Son, Nguyen Long Giang, Tran Manh Tuan, Nguyen Van Luong, Luong Thi Hong Lan, Nguyen Truong Thang “Adaptive Spatial Complex Fuzzy Inference Systems with Compex Fuzzy Measures”, IEEE Access, (SCIE, IEEE, 2021 IF=3.476) Under review.