Quản lý rủi ro là một bài toán có tầm quan trọng hàng đầu trong các tổ chức, doanh nghiệp. Việc giải quyết bài toán này sẽ gặp nhiều thách thức vì nó phụ thuộc vào rất nhiều yếu tố. Hai bước quan trọng của bài toán quản lý rủi ro là nhận diện rủi ro và phân tích rủi ro. Trong thực tế, người ta thường sử dụng các phương pháp truyền thống như điều tra, phỏng vấn để nhận diện và phân tích rủi ro. Cách làm này không những làm mất rất nhiều thời gian, công sức mà còn chưa tận dụng triệt để nguồn dữ liệu có sẵn. Gần đây, đã xuất hiện một số nghiên cứu trên thế giới sử dụng các kỹ thuật của ngành khoa học máy tính để hỗ trợ cho việc nhận diện và phân tích rủi ro. Tuy nhiên, hầu hết các công trình này chỉ sử dụng các kỹ thuật có sẵn mà chưa có sự phát triển hoặc cải tiến chúng để cho phù hợp hơn với bài toán vì thế mà hiệu quả cũng chưa cao. Thế mạnh của các kỹ thuật khám phá tri thức của ngành khoa học máy tính là tìm kiếm thông tin, tri thức nằm tiềm ẩn trong dữ liệu lớn. Nhằm tận dụng thế mạnh đó, luận án đã nghiên cứu, phát triển và ứng dụng các kỹ thuật khám phá tri thức vào các bước nhận diện rủi ro và phân tích rủi ro. Đầu tiên, luận án đề xuất một framework dựa trên các kỹ thuật khám phá tri thức để làm cơ sở định hướng chung cho việc xây dựng các phương pháp nhận diện và phân tích rủi ro. Tiếp theo, dựa trên framework này phát triển hai phương pháp nhận diện và phân tích rủi ro rõ và mờ. Nhằm hỗ trợ cho việc xây dựng các phương pháp nhận diện và phân tích rủi ro được tốt hơn, luận án cũng nghiên cứu phát triển hai thuật toán FCM-E và FCM-R và tích hợp chúng vào để xây dựng các phương pháp này. Trong đó, thuật toán FCM-R vừa có khả năng tự động xác định số cụm thích hợp của tập dữ liệu, vừa có khả năng xếp hạng các cụm thu được theo độ đo mức độ rủi ro nên sẽ là công cụ rất tốt cho việc phân tích rủi ro. Tiến hành thực nghiệm các phương pháp đã phát triển trong luận án trên các tập dữ liệu chuẩn đã được công bố và các tập dữ liệu thực tế của doanh nghiệp cho thấy các phương pháp này thật sự có hiệu quả.
Tên đề tài luận án tiến sĩ: "Phát triển một số phương pháp nhận diện và phân tích rủi ro theo hướng tiếp cận gom cụm mờ"
- Chuyên ngành: Khoa học máy tính
- Mã số: 62 48 01 01
- Họ và tên nghiên cứu sinh: Đoàn Huấn
- Người hướng dẫn khoa học:
1. PGS. TS Nguyễn Đình Thuân
2. PGS. TS Hồ Bảo Quốc
- Tên cơ sở đào tạo: Trường Đại học Công Nghệ Thông Tin – ĐHQG-HCM
+ Tóm tắt nội dung luận án
Quản lý rủi ro là một bài toán có tầm quan trọng hàng đầu trong các tổ chức, doanh nghiệp. Việc giải quyết bài toán này sẽ gặp nhiều thách thức vì nó phụ thuộc vào rất nhiều yếu tố. Hai bước quan trọng của bài toán quản lý rủi ro là nhận diện rủi ro và phân tích rủi ro. Trong thực tế, người ta thường sử dụng các phương pháp truyền thống như điều tra, phỏng vấn để nhận diện và phân tích rủi ro. Cách làm này không những làm mất rất nhiều thời gian, công sức mà còn chưa tận dụng triệt để nguồn dữ liệu có sẵn. Gần đây, đã xuất hiện một số nghiên cứu trên thế giới sử dụng các kỹ thuật của ngành khoa học máy tính để hỗ trợ cho việc nhận diện và phân tích rủi ro. Tuy nhiên, hầu hết các công trình này chỉ sử dụng các kỹ thuật có sẵn mà chưa có sự phát triển hoặc cải tiến chúng để cho phù hợp hơn với bài toán vì thế mà hiệu quả cũng chưa cao. Thế mạnh của các kỹ thuật khám phá tri thức của ngành khoa học máy tính là tìm kiếm thông tin, tri thức nằm tiềm ẩn trong dữ liệu lớn. Nhằm tận dụng thế mạnh đó, luận án đã nghiên cứu, phát triển và ứng dụng các kỹ thuật khám phá tri thức vào các bước nhận diện rủi ro và phân tích rủi ro. Đầu tiên, luận án đề xuất một framework dựa trên các kỹ thuật khám phá tri thức để làm cơ sở định hướng chung cho việc xây dựng các phương pháp nhận diện và phân tích rủi ro. Tiếp theo, dựa trên framework này phát triển hai phương pháp nhận diện và phân tích rủi ro rõ và mờ. Nhằm hỗ trợ cho việc xây dựng các phương pháp nhận diện và phân tích rủi ro được tốt hơn, luận án cũng nghiên cứu phát triển hai thuật toán FCM-E và FCM-R và tích hợp chúng vào để xây dựng các phương pháp này. Trong đó, thuật toán FCM-R vừa có khả năng tự động xác định số cụm thích hợp của tập dữ liệu, vừa có khả năng xếp hạng các cụm thu được theo độ đo mức độ rủi ro nên sẽ là công cụ rất tốt cho việc phân tích rủi ro. Tiến hành thực nghiệm các phương pháp đã phát triển trong luận án trên các tập dữ liệu chuẩn đã được công bố và các tập dữ liệu thực tế của doanh nghiệp cho thấy các phương pháp này thật sự có hiệu quả.
2. NHỮNG ĐÓNG GÓP CHÍNH CỦA LUẬN ÁN
Dựa trên các kết quả nghiên cứu đã đạt được, các đóng góp chính của luận án được tóm tắt như sau:
1) Đề xuất một framework gồm hai giai đoạn dựa trên các kỹ thuật khám phá tri thức để làm cơ sở định hướng chung cho việc xây dựng các phương pháp nhận diện và phân tích rủi ro tiềm ẩn trong dữ liệu.
2) Xây dựng phương pháp nhận diện và phân tích rủi ro rõ bằng cách sử dụng các thuật toán phân lớp ở giai đoạn nhận diện và thuật toán gom cụm mờ FCM-R ở giai đoạn phân tích rủi ro.
3) Xây dựng phương pháp nhận diện và phân tích rủi ro mờ bằng cách tích hợp logic mờ và các kỹ thuật khám phá tri thức đặc biệt là thuật toán gom cụm mờ FCM-R.
4) Phát triển thuật toán gom cụm mờ cải tiến FCM-E bằng cách nghiên cứu xây dựng chỉ số xác định tự động số lượng cụm thích hợp của tập dữ liệu dựa trên các phần tử cực biên của cụm và tích hợp vào thuật toán FCM.
5) Phát triển thuật toán gom cụm mờ cải tiến FCM-R bằng cách xây dựng một độ đo xếp hạng mức độ rủi ro của các cụm thu được sau quá trình gom cụm và tích hợp vào thuật toán FCM-E.
Các kết quả nghiên cứu và thực nghiệm của luận án được công bố trong tám bài báo khoa học trong đó có ba bài báo tạp chí quốc tế, một trong số đó được chỉ mục bởi ISI (IAJIT, IF: 0.724, SCImago: Q2) và bốn bài báo ở hội nghị quốc tế chuyên ngành có phản biện độc lập mà các kỷ yếu hội nghị này được phát hành bởi các nhà xuất bản uy tín Springer, IEEE. NgoàiNgoài ra còn có một bài báo công bố trong kỷ yếu của một hội thảo chuyên ngành quốc gia.
Hãy là người bình luận đầu tiên