i

Số hóa bởi Trung tâm Học liệu http://www.lrc-tnu.edu.vn/ ĐẠI HỌC THÁI NGUYÊN
TRƢỜNG ĐẠI HỌC CÔNG NGHỆ TT&TT

QUÁCH THỊ THANH HẢI
TÍCH HỢP Ý KIẾN NGÔN NGỮ VÀ XÁC ĐỊNH ĐỘ
NHẤT TRÍ CỦA NHÓM CHUYÊN GIA
ỨNG DỤNG TRONG ĐÁNH GIÁ GIÁO DỤC Chuyên ngành: Khoa học máy tính
Mã số: 60 48 01 LUẬN VĂN THẠC SĨ KHOA HỌC MÁY TÍNH

1.3.1 Nhãn ngôn ngữ 19
1.3.2 Biến ngôn ngữ: 20
1.4 Kết luận chƣơng 1 22
CHƢƠNG II. TÍCH HỢP Ý KIẾN VÀ XÁC ĐỊNH 23
ĐỘ ĐỒNG THUẬN CỦA NHÓM CHUYÊN GIA 23
2.1 Một số phƣơng pháp tích hợp. 23
2.1.1 Phƣơng pháp tích hợp FLOWA 23
2.1.2 Phƣơng pháp tích hợp trọng số FLOWA 28
2.2 Độ nhất trí của nhóm chuyên gia. 32
2.1.1 Đo mức đồng thuận 32
2.2.2 Xếp hạng các ứng viên 33
iii

Số hóa bởi Trung tâm Học liệu http://www.lrc-tnu.edu.vn/ 2.2.3 Tính độ đồng thuận 35
2.2.4 Giá trị trung bình trên cơ sở đồng thuận. 35
2.3 Kết luận: 36
Chƣơng III. CHƢƠNG TRÌNH ỨNG DỤNG 38
3.1 Đặt bài toán 38
3.2 Các thao tác tính toán: 40
3.3 Ngôn ngữ lập trình 41
3.4 Giao diện và hƣớng dẫn sử dụng 42
3.5 Kết quả thử nghiệm 47
3.6 Đánh giá thi đua giữa các Trƣờng THPT thuộc Sở Giáo dục và đào tạo tỉnh
Ninh Bình. 50
3.7 Một số kết luận từ kết quả thử nghiệm 52
3.8 Kết luận chƣơng 3 53
KẾT LUẬN 54

Hình 1.4. Minh họa cho phép giao giữa 2 tập mờ 9
Hình 1.5. Minh họa cho phép lấy phần bù của tập mờ 9
Hình 1.6. Phép co 11
Hình 1.7. Các hàm thuộc của biến Nhiệt độ 16
Hình 1.8: Số mờ hình thang 18
Hình 1.9: Số mờ tam giác 19
Hình 2.1. Khái niệm FLOWA 24
Hình 2.2: Ví dụ về tích hợp 3 nhãn ngôn ngữ 27
Hình 2.3: sự phân bố trọng số của 1 chuyên gia lạc quan 28
Hình 2.4: Sự phân bố trọng số từ các chuyên gia E
2
31
Hình 2.5: kết quả tích hợp sau khi FLOWA với thái độ rủi ro 31
Hình 2.6: Các hàm thành viên của 3 số mờ A, B và C 34
Hình 3.1: Giao diện chính của màn hình 42
Hình 3.2: Giao diện sau khi kết nối cơ sở dữ liệu thành công 42
Hình 3.3: Giao diện cập nhật dữ liệu 43
Hình 3.4: Giao diện nhập các đối tƣợng 43
Hình 3.5: Giao diện nhập dữ liệu chuyên gia 44
Hình 3.6: Giao diện chọn danh sách và nhập kết quả đánh giá. 44
Hình 3.7: Giao diện chọn các đối tƣợng cần đánh giá. 45
Hình 3.8: Lƣu các đối tƣợng vừa chọn 45
Hình 3.9: Chọn các chuyên gia tham gia đánh giá. 46
Hinh 3.10: Nhập dữ liệu phần đánh gia của từng chuyên gia. 46
Hình 3.11: Dữ liệu đánh giá của từng chuyên gia. 47
vi

Số hóa bởi Trung tâm Học liệu http://www.lrc-tnu.edu.vn/

viii

Số hóa bởi Trung tâm Học liệu http://www.lrc-tnu.edu.vn/ LỜI CẢM ƠN
Tôi xin gửi lời cảm ơn sâu sắc tới PGS.TS. Nguyễn Tân Ân, Thầy đã tận
tình chỉ bảo giúp đỡ tôi trong suốt quá trình nghiên cứu và hoàn thành luận văn.
Xin chân thành cảm ơn quý Thầy Cô trong khoa Sau đại học Trƣờng
Đại học Công nghệ Thông tin và Truyền thông Thái Nguyên đã nhiệt tình
giảng dạy, trang bị cho tôi những kiến thức quý báu trong suốt thời gian học
tập tại trƣờng.
Xin cảm ơn các bạn cùng lớp và đồng nghiệp nơi tôi công tác đã tạo
điều kiện cho tôi hoàn thành luận văn này.
Xin gửi lời cảm ơn tới gia đình tôi đã động viên tôi trong suốt quá trình
học tập và hoàn thành luận văn.
Mặc dù tôi đã có nhiều cố gắng hoàn thành luận văn một cách tốt nhất,
tuy nhiên do năng lực còn nhiều hạn chế nên không thể tránh khỏi những
thiếu sót. Vì vậy, tôi rất mong nhận đƣợc những đóng góp quý báu của thầy
cô và các bạn.

theo đó họ cho rằng đâu là lựa chọn tốt nhất. Từ các ý kiến riêng lẻ, làm thế
nào để có đƣợc ý kiến chung? Hơn nữa ý kiến chung này phải đạt mức độ
đồng thuận cao trong nhóm?
Rất ít khi các ý kiến riêng lẻ của các chuyên gia lại trùng nhau, vì thế
việc tích hợp các ý kiến chuyên gia thành ý kiến chung là việc trƣớc tiên phải
làm. Trong quá trình tìm ý kiến chung, phải làm sao tìm đƣợc ý kiến chung
đạt đƣợc sự đồng thuận cao của cả nhóm. Vì thế ta luôn phải xác định mức độ
đồng thuận thuận kèm theo mỗi ý kiến chung tìm đƣợc.
2

Số hóa bởi Trung tâm Học liệu http://www.lrc-tnu.edu.vn/ Đã có một số tác giả công bố những kết quả nghiên cứu về vấn đề này,
tuy nhiên những kết quả đó đều không đủ tổng quát để áp dụng cho mọi
trƣờng hợp để trƣờng hợp nào cũng đạt hiệu quả cao.
Trong khuôn khổ của một luận văn thạc sỹ, tôi chọn đề tài “Tích hợp ý
kiến ngôn ngữ và xác định độ nhất trí của nhóm chuyên gia - Ứng dụng trong
đánh giá giáo dục” nhằm nghiên cứu phƣơng pháp tích hợp ý kiến dƣới dạng
ngôn ngữ của các chuyên gia và xác định độ nhất trí đối với kết quả tích hợp.
Luận văn cũng sẽ nhằm minh họa và khẳng định tính khả thi của kết quả
nghiên cứu.
2. Đối tƣợng và phạm vi nghiên cứu
Nghiên cứu tích hợp ý kiến dƣới dạng ngôn ngữ và xác định độ nhất trí
của nhóm chuyên gia đối với ý kiến chung. Ứng dụng trong đánh giá giáo dục.
3. Hƣớng nghiên cứu của đề tài
- Nghiên cứu lý thuyết tập mờ, số mờ, biến ngôn ngữ, nhãn ngôn ngữ.
- Nghiên cứu về tích hợp và tích hợp các nhãn ngôn ngữ.
- Phƣơng pháp tính độ nhất trí giữa các chuyên gia.
- Xây dựng ứng dụng trong đánh giá giáo dục.

hoặc có những ví dụ khác nhƣ: “lớp những chiếc xe đẹp”, “lớp những ngƣời
già ”,… Khi đó những khái niệm trên đƣợc gọi là những khái niệm mờ, đó là
những khái niệm không đƣợc định nghĩa một cách rõ ràng. Những tập hợp
dạng này đã đƣợc Zadeh biểu diễn bằng một khái niệm toán học đƣợc gọi là
tập mờ và đƣợc coi nhƣ là một trƣờng hợp riêng đƣợc khái quát từ khái niệm
tập hợp kinh điển.
Xét lại ví dụ trên, ta sẽ đi biểu diễn ngữ nghĩa của khái niệm “cao”
trong việc đánh giá về một ngƣời. Giả sử chiều cao của con ngƣời đƣợc biểu
diễn trong đoạn từ [0.5, 2.5] tính theo đơn vị mét. Theo Zadeh, khái niệm
4

Số hóa bởi Trung tâm Học liệu http://www.lrc-tnu.edu.vn/ “cao” có thể biểu diễn nhƣ sau: Xét tập hợp A
cao
là những ngƣời đƣợc đánh
giá là cao. Ông đƣa ra một câu hỏi cần trả lời “Một ngƣời có chiều cao x đƣợc
hiểu là thuộc tập A
cao
nhƣ thế nào?”. Thông thƣờng ta có thể thấy những
ngƣời cao từ 1.7 - 2.5 sẽ thuộc vào tập A
cao
tức là độ thuộc bằng 1; nhƣng với
ngƣời có chiều cao 1.68m thì có lẽ chỉ thuộc vào tập A
cao
với độ thuộc 0.3,
còn ngƣời có chiều cao 1.6m sẽ thuộc vào tập A
cao
với độ thuộc 0,… Từ đó

: 0, 1
A
U


đƣợc gọi là hàm thành viên.
+ Giá trị
()
A
u

đƣợc gọi là độ thành viên của phần tử u thuộc vào tập
hợp
A
.
Ví dụ 1.
Xét tập U gồm 4 ngƣời là
1 2 4
, , ,x x x
có chiều cao tƣơng ứng là: 1.55m,
1.6m, 1.75m, 1.8m và
A
là tập hợp những ngƣời “cao”.
Khi đó ta có thể xây dựng đƣợc hàm thuộc nhƣ sau:
(1.55) 0, (1.6) 0,


cao cao
(1.75) 0.8,
cao

Cách viết trên là sự liệt kê các phần tử khác nhau cùng với mức độ
thuộc về tập hợp A.
Từ định nghĩa trên chúng ta có thể suy ra:
- Tập mờ A là rỗng nếu và chỉ nếu hàm thuộc về μ
A
(a)= 0, a  U.
- Tập mờ A là toàn phần nếu và chỉ nếu μ
A
(a) = 1, a  U
- Hai tập mờ A và B bằng nhau nếu μ
A
(x) = μ
B
(x) với mọi x trong U
Ví dụ 3.
Một sự biểu diễn tập mờ cho số "integer nhỏ".

Hình 1.1 Đồ thị biểu diễn tập mờ cho số nguyên.
Ví dụ 4:
Cho U = {1, 2, 3, 4, 5}, tập mờ A trên U tƣơng ứng với ánh xạ μ
A
nhƣ
ví dụ trên.
A = {(1,0), (2,1), (3,0.5), (4,0.3), (5,0.2)}
Tập mờ B trên U tƣơng ứng với ánh xạ μ
B
nhƣ sau:
μ
B
: 1 → 0

A
u



,
 
( ) : ( ) 0
A
Support A u u




.
(ii) Độ cao của tập mờ: Độ cao của tập mờ
A

, ký hiệu là hight(
A

), là
cận trên đúng của hàm thuộc
A


trên U,
( ) sup{ ( ): }
A
hight A u u U

1

7

Số hóa bởi Trung tâm Học liệu http://www.lrc-tnu.edu.vn/ con của U đƣợc xác định nhƣ sau:
 
( ) : ( ) ( )
A
Core A u U u hight A

  



* Định nghĩa 1.2. Lực lƣợng của tập mờ
Cho
A

là một tập mờ trên U
(i) Lực lượng vô hướng: Lực lƣợng hay bản số thực của tập
A

, ký hiệu
là Count(
A

), đƣợc tính theo công thức đếm sau:

A

là một tập mờ
trên tập các số nguyên không âm N đƣợc định nghĩa nhƣ sau:
()
( ) ( )
Card A
N
Card A n dn






Trong đó
()
()
Card A
n


đƣợc xác định theo công thức sau:

 
()
( ) [0,1]:| |suppremum
t
Card A
n t A n

B x x x U




cùng
không gian tham chiếu U. Tập mờ
 
( , ( )) |
C
C x x x U




là hợp của
A

và
B


ký hiệu là
C A B


, trong đó
( ) max{ ( ), ( )}
C A B
x x x

1 2 3 4 5 6 7 8 9 10
0.3 0.9 0.6 0.9 0.7 0.9 1.0 0.65 0.8 0.7
C A B
x x x x x x x x x x
           



1.1.3.2 Phép giao
Cho 2 tậpmờ
 
( , ( )) |
A
A x x x U




và
 
( , ( )) |
B
B x x x U




cùng
không gian tham chiếu U. Tập mờ
 

, , , ,U x x x x
và 2 tập mờ:
1 2 3 4 8 9 10
1 2 3 5 6 8 9
0.3 0.5 0.6 0.9 1.0 0.9 0.8
0.5 0.8 0.6 0.7 1.0 0.4 0.65
A
x x x x x x x
B
x x x x x x x
      
      



A


B


AB



1
u





đƣợc xác định nhƣ sau:
 
~ ( ,1 ( ))|
A
A x x x U

  


Minh họa cho phép hợp trên tập mờ:

Hình 1.5. Minh họa cho phép lấy phần bù của tập mờ
A




u
~ A


1
AB





u



1.1.3.4 Phép cộng đại số
Cho 2 tập mờ
A

và
B

trên tập vũ trụ U. Tổng đại số của 2 tập mờ này
là một tập mờ, ký hiệu là
AB


đƣợc định nghĩa bởi đẳng thức sau:
Trƣờng hợp U là hữu hạn hoặc vô hạn đếm đƣợc:
( ) ( ) ( ). ( )
BB
AA
uU
A B u u u u u
   

   



   



      
      



1 2 3 4 5 6 7 8 9 10
0.7 0.86 0.84 0.9 0.5 1.0 1.0 0.65 0.8 0.6
AB
x x x x x x x x x x
          



1.1.3.5 Phép nhân đại số
Cho 2 tập mờ
A

và
B

trên tập vũ trụ U. Tích đại số của 2 tập mờ này là
một tập mờ, ký hiệu là
AB


đƣợc định nghĩa bởi đẳng thức sau:
Trƣờng hợp U là hữu hạn hay vô hạn đếm đƣợc:
( ). ( ) /
B
A

 
1 2 9 10
, , , ,U x x x x
và 2 tập mờ:
1 2 3 5 7 9 10
1 2 3 5 6 8 9
0.6 0.2 0.6 0.9 1.0 0.9 0.8
0.5 0.8 0.4 0.6 1.0 0.4 0.5
A
x x x x x x x
B
x x x x x x x
      
      



1 2 3 5 9
0.3 0.16 0.24 0.54 0.45
AB
x x x x x
     



1.1.3.6 Phép tập trung (phép co)
Cho tập mờ
A

trên U. Phép tập trung mờ

( ) ( )
AA
uu




và do đó miền giới hạn bởi hàm
()
A
u



sẽ
nằm trọn trong miền giới hạn bởi hàm
()
A
u


, hàm thuộc
()
A
u


của tập mờ bị
co lại sau phép tập trung. Phép co là một cách biểu thị đặc tả hơn khái niệm
gốc về tập mờ. Hình dƣới đây minh họa cho phép co.



1.1.3.7 Phép dãn
Phép dãn là phép ngƣợc lại của phép tập trung, đƣợc ký hiệu là DIL(
A

)
và đƣợc xác định bởi đẳng thức sau:
DIL(
A

)=
( ) ( )
A
uU
u du A







, với
1



Ta có
( ) ( )

1 2 9 10
, , , ,U x x x x
và 2 tập mờ:
1 2 3 4 7 9 10
0.5 0.4 0.6 0.7 1.0 0.6 0.8
A
x x x x x x x
      


DIL(
A

)=
1 2 3 4 7 9 10
0.5 0.4 0.6 0.7 1.0 0.6 0.8
x x x x x x x
     
với
1
2



1.1.3.8 Tích Đề-các của các tập mờ
Cho
i
A
là các tập mờ của tập vũ trụ U
i

1
1
1 2 1 1

( ) ( ) / ( , , )
n
n
n A A n n
UU
A A A u u u u


     

  

Ví dụ: Cho không gian tham chiếu
 
1 2 9 10
, , , ,U x x x x
và 2 tập mờ:
1 2 3
12
0.2 0.3 0.6
0.5 0.9
A
x x x
B
xx
  

YB


Trong đó các
i
X
là các biến ngôn ngữ và
i
A

là các tập mờ trên miền cơ
sở U
i
của biến X
i
. Và các phƣơng pháp giải liên quan đến các luật “Nếu – thì”
nêu trên thì đều đòi hỏi việc tích hợp dữ liệu trong phần tiền tố “Nếu” nhờ
toán tử kết nhập và tích Đề-các là một toán tử nhƣ vậy.
1.1.3.9 Phép tổ hợp lồi
Cho
i
A

là tập mờ của tập vũ trụ U
i
, tƣơng ứng với biến ngôn ngữ X
i
, i
= 1, 2, …, n, và
 

Số hóa bởi Trung tâm Học liệu http://www.lrc-tnu.edu.vn/ 1
1
( , ,u ) ( )
i
n
n i i
AA
i
u w u






Trong đó

là tổng số học.
Phép tổ hợp lồi thƣờng đƣợc sử dụng để biểu thị ngữ nghĩa của gia tử
kiểu “chủ yếu” hay “đặc trƣng” hay “đặc tính tiêu biểu”. Ví dụ, khái niệm mờ
về ngƣời “To lớn” đƣợc biểu thị một cách chủ yếu từ ngữ nghĩa của ngƣời
Cao và Béo thông qua phép tổ hợp lồi. Cụ thể, giả sử ngữ nghĩa của các tập
mờ Béo trên miền U
1
= [40, 100] theo đơn vị kg và của tập mờ Cao trên miền
U
2

220
2
2
50
140
1
30
u
du














Khi đó, tập mờ To-lớn đƣợc biểu thị qua phép tổ hợp lồi sau:
To-lớn = 0.6 Béo + 0.4 Cao =
100 220
1 2 1 2
40 50
0.6 ( ) 0.4 ( )}
BÐo

* Với bài toán thứ nhất phép mờ hóa được định nghĩa như sau:
Phép mờ hóa F của một tập mờ
A

trên tập vũ trụ U sẽ cho một tập mờ
15

Số hóa bởi Trung tâm Học liệu http://www.lrc-tnu.edu.vn/ F(
A

,
K

) đƣợc xác định theo công thức sau:
( , ) ( ) ( )
A
U
F A K u K u du







Trong đó
()Ku

trên A và bằng 0 ngoài A, thì mờ
hóa của A với nhân
()Ku

sẽ là tập mờ sau:
( , ) ( )
A
F A K K u du



Ví dụ: Cho 2 tập mờ
A

và
K

trên U nhƣ sau:
 
0.8 0.6 1.0 0.4
, , , , , ( )U a b c d A K a
a b a b
    


và
0.4 1.0 0.4
()Kb
a b c
  

Giả sử T là tập các giá trị ngôn ngữ của một biến ngôn ngữ X nào đó
16

Số hóa bởi Trung tâm Học liệu http://www.lrc-tnu.edu.vn/ trên miền cơ sở U. Cho một tập kinh điển hoặc tập mờ
A

trên U. Tìm tập mờ
trên miền T biểu thị tập mờ
A

hay nói cách khác, hãy tìm độ thuộc của giá trị

trong T tƣơng ứng với dữ liệu đầu vào
A

.
Ví dụ, xét biến Nhiệt độ thời tiết với T = {Thấp, Trung bình, Cao} với
không gian cơ sở là [0, 100] theo đơn vị
0
C. Khi đó, cần xác định độ thuộc
hay giá trị chân lý TV của mệnh đề
:,AT



, với := đƣợc hiểu là “xấp xỉ
bằng”. Có các giá trị chân lý sau cần xác định:

tập mờ, hay khái niệm mờ thấp là 0.52. Tƣơng tự, đồ thị
A

sẽ cắt đồ thị của
tập mờ Trung-bình ở hai giá trị 0.34 và 0.82 và do đó độ phù hợp nhất của
việc biểu diễn ngữ nghĩa của
A

qua khái niệm mờ Trung-bình là giá trị 0.82
17

Số hóa bởi Trung tâm Học liệu http://www.lrc-tnu.edu.vn/ lớn hơn. Còn độ phù hợp của
A

biểu thị qua khái niệm Cao là 0.18. Nhƣ vậy,
việc mờ hóa sẽ đƣa việc biểu diễn tập mờ
A

trên U thành tập mờ trên tập các
giá trị ngôn ngữ T sau:
Nhiệt-độ(
A

)=
0.54 0.82 0.18
ThÊp Trung-b×nh Cao



(u
1
),
A


(u
2
)), với




 
0,1

1.2.3 Tập mờ chuẩn.
Tập mờ
A

của tập vũ trụ U đƣợc gọi là tập mờ chuẩn nếu

u
i


U,
A




  










