 tài Lun vn Cao hc CNTT nm hc 2007-2008 ti HBK TP HCM
GVHD: TS. Nguyn Ha Phùng
 1:
Software Verification là k thut xác đnh xem mt phn mm tha mãn các yêu cu thit k. K thut
này đòi hi xác đnh mt phng pháp mô t các yêu cu thit k và mt c ch suy din đ thc hin
quá trình chng minh.
Yêu cu: Sinh viên cn có kin thc c bn v logic toán
Giai đon làm đ cng:
- Tìm hiu lý thuyt v software verification
- Tìm hiu mt s phng pháp mô t hin có
- Tìm hiu các c ch suy din hin có
- Xác đnh phm vi nghiên cu
Giai đon làm lun vn:
- Phát trin mt mô hình thích hp
- Hin thc chng trình
- Th nghim

 2:
Plagiarism Detection là k thut phát hin sao cp phn mm. K thut đánh giá kh nng trùng khp
c
a hai phn mm t đó d đoán kh nng sao cp.
Giai đon làm đ cng:
- Tìm hiu v các k thut Plagiarism Detection hin có
- Tìm hiu mt s phn mm hin có
- Xác đnh phm vi nghiên cu
Giai đon làm lun vn:
- Phát trin mt mô hình thích hp
- Hin thc chng trình
- Th nghim




Tham kho:

Cao, T.H. & Do, H.T. & Hong, D.T. & Quan, T.T. (2008), Fuzzy Named Entity-Based
Document Clustering. In Proc. of the 17th IEEE International Conference on Fuzzy Systems. 2. Nhn din quan h gia các thc th có tên trên vn bn

Tham kho:

Cao Duy Trng (2008). Dch câu truy vn ting Anh sang đ th khái nim: cách tip cn ít ph thuc
cú pháp. Lun vn Cao hc, Khoa KH&KT Máy tính, HBK TP.HCM. 3. Dch câu truy vn ting Anh có liên t lun lý, tính t, và lng t sang đ th khái nim

Tham kho:

Cao Duy Trng (2008). Dch câu truy vn ting Anh sang đ th khái nim: cách tip cn ít ph thuc
cú pháp. Lun vn Cao hc, Khoa KH&KT Máy tính, HBK TP.HCM.
GVHD: TS. ng Trn Khánh
 tài 1: ng Trn Trí
Bo mt da trên trc quan hóa cho các ng dng chia s tài nguyên ngang hàng.
(Security Visualization for Peer-to-Peer Resource Sharing Applications)

Yêu cu: Trc quan hóa các vn đ bo mt trong h thng là mt hng nghiên cu mi và đang thu
hút đc s quan tâm rt ln ca cng đng các nhà/nhóm nghiên cu v bo mt trên th gii. Trong
đ tài này, hc viên phi nghiên cu v security visualization và ng dng vào vic xây dng mt
framework h tr

GVHD: TS. Nguyn Vn Minh Mn
Key Theme: Algebraic Methods for Pattern Recognition & Industrial Statistics

PROJECT 1. MULTIPLE REGRESSION FOR SELECTING MEANINGFUL PREDICTOR
VARIABLES: A CASE STUDY WITH BRIDGE MONITORING DATA
Graduate: Tran Vinh Tan (CSE2007)

A/ Introduction. The Lab of Applied Mechanics (LAM) of The University of Technology – VNU-HCM (HCMUT) has
recently obtained a huge amount real data from continuously monitoring bridges in HCMC. One of the very beginning task
of statistically data mining this data is finding efficient methods to delete out useless sensors, select only meaningful
sensors, the ones could provide damage-sensitive features.
This task contributes the first step of the Data Normalization phase of Damage Prognosis (DP). DP can be defined as the
estimate of remaining useful life of a system (e.g. engineered structure, civil-mechanical system or service one...).

B/ Description. Few general questions in DP problems are: a) what are the loading conditions that cause the concerning
damage? b) What techniques/technologies should be used to assess the damage? c) Are statistical methods useful for DP
and how?
In civil-mechanical systems such as bridges, detection of the relationship between concerning factors and possibly recorded
damages mathematically requires reading rightly available sources of information, finding best regression models to be used
in further analysis. A key demand then arise: select only meaningful sensors for fitting best regression models.

C/ The project aim and scope:
• conducting this first step of Data Normalization (from bridge data monitored): study logistic regression and
relevant techniques of Statistical Pattern Recognition to choose the meaningful sensors
• designing and implementing a pilot software: combine R, a statistical software with Java; then validate with
practical data provided by LAM
• Extra request: if time allows, investigate parameter estimation of channel identification in the MISO case (multi-
input single-output) by Algebraic Geometry method.

PROJECT 2. CONSTRUCTIONS OF HADAMARD MATRICES AND DESIGNS