Phân cụm dữ liệu (PCDL) là quá trình nhóm một tập các đối tượng tương tự nhau trong tập dữ liệu vào các cụm sao cho các đối tượng thuộc cùng một cụm là tương đồng còn các đối tượng thuộc các cụm khác nhau sẽ không tương đồng. Phân cụm dữ liệu là một ví dụ của phương pháp học không có thầy. Không giống như phân lớp dữ liệu, phân cụm dữ liệu không đòi hỏi phải định nghĩa trước các mẫu dữ liệu huấn luyện. Vì thế, có thể coi phân cụm dữ liệu là một cách học bằng quan sát, trong khi phân lớp dữ liệu là học bằng ví dụ…

Hiện nay, các phương pháp phân cụm trên đã và đang được phát triển [6] và áp dụng nhiều trong các lĩnh vực khác nhau và đã có một số nhánh nghiên cứu được phát triển trên cơ sở của các phương pháp đó như: Phân cụm thống kê, phân cụm khái niệm, phân cụm mờ.

    Phân cụm sử dụng mạng Kohonen SOM (Self-Organizing Maps): Loại phân cụm này dựa trên khái niệm của các mạng nơron. Mạng SOM có tầng nơron vào và các tầng nơron ra. Mỗi nơron của tầng vào tương ứng với mỗi thuộc tính của bản ghi, mỗi một nơron vào kết nối với tất cả các nơron của tầng ra. Mỗi liên kết được gắn liền với một trọng số nhằm xác định vị trí của nơron ra tương ứng.

            Trong số này, SOM là một giải thuật được phát triển bởi Kohonen, nó có thể được áp dụng cho nhiều lớp bài toán khác nhau. Giải thuật SOM ban đầu được phát triển cho mục đích phân loại tiếng nói, tuy nhiên SOM còn có thể áp dụng được trong nhiều lĩnh vực khác như điều khiển tự động (Control Engineering) [14], nhận dạng tiếng nói (Kohonen, 1989, robotics (Ritter et al., 1989), máy ảo (Oja, 1992), tối ưu tổ hợp (Fort, 1988), phân lớp (Kohonen, 1984), hóa - sinh trắc học (Biomedical Sciences and Chemistry), phân tích tài chính (Financial Analysis) [16][20] và xử lý ngôn ngữ tự nhiên (Natural Language Processing)

             Tại Việt Nam, học phần mạng noron cũng đã được đưa vào chương trình đào tạo hệ đại học và sau đại học. Hiện nay cũng đã có rất nhiều bài báo, công trình nghiên cứu về mạng noron nhân tạo, trong số đó có một vài bài có đề cập đến loại mạng SOM do Kohonen đề xuất và các ứng dụng trong thực tế của loại mạng này.

Bài báo của tác giả Đỗ Phúc [18] đề cập đến vấn đề gom cụm đồ thị và ứng dụng vào việc rút trích nội dung chính của khối thông điệp trên diễn đàn thảo luận, tác giả đã biểu diễn các thông điệp bằng đồ thị, và chọn giải pháp gom cụm đồ thị bằng mạng Kohonen. Ngoài ra, mạng Kohonen cũng có thể được áp dụng để giải quyết các bài toán về dự báo [19] như: dự báo thông tin thị trường, thời thiết, phụ tải điện,…

Phân cụm có ý nghĩa rất quan trọng trong hoạt động của con người và được sử dụng rộng rãi trong nhiều ứng dụng, bao gồm nhận dạng mẫu, phân tích dữ liệu, xử lý ảnh, nghiên cứu thị trường.... phân cụm dữ liệu có thể được sử dụng như một bước tiền xử lí cho các thuật toán khai phá dữ liệu khác như là phân loại và mô tả đặc điểm, có tác dụng trong việc phát hiện ra các cụm. Với tư cách là một chức năng khai phá dữ liệu, phân tích phân cụm có thể được sử dụng như một công cụ độc lập chuẩn để quan sát đặc trưng của mỗi cụm thu được bên trong sự phân bố của dữ liệu và tập trung vào một tập riêng biệt của các cụm để giúp cho việc phân tích đạt kết quả.

Theo các nghiên cứu cho thấy thì hiện nay chưa có một phương pháp phân cụm tổng quát nào có thể giải quyết trọn vẹn cho tất cả các dạng cấu trúc cụm dữ liệu. Hơn nữa, các phương pháp phân cụm cần có cách  thức biểu diễn cấu trúc của các cụm dữ liệu, với mỗi cách thức biểu diễn khác nhau sẽ có tương ứng một thuật toán phân cụm phù hợp. Vì vậy phân cụm dữ liệu vẫn đang là một vấn đề khó và mở, vì phải giải quyết nhiều vấn đề cơ bản một cách trọn vẹn và phù hợp với nhiều dạng dữ liệu khác nhau, đặc biệt là đối với dữ liệu hỗn hợp đang ngày càng tăng trong các hệ quản trị dữ liệu và đây cũng là một trong những thách thức lớn trong lĩnh vực KPDL.

Hiện nay có khá nhiều thuật toán đã được đưa ra để áp dụng cho bài toán phân cụm, tuy nhiên mỗi giải thuật đều có những ưu, nhược điểm riêng. Dựa trên các đặc tính của mạng nơron Kohonen thì việc lựa chọn giải thuật này cho bài toán phân cụm dựa trên tập dữ liệu điểm là một hướng đi mới, có nhiều hứa hẹn.

- Đưa ra mô hình mạng nơ ron Kohonen cải tiến (về thuật học hoặc cấu trúc) đảm bảo hiệu quả và tốc độ hội tụ của mạng, ứng dụng trong bài toán phân cụm dữ liệu tự động.

-         Một số về vấn đề và thuật toán cơ bản ứng dụng cho phân cụm dữ liệu hiện nay

• Một số thuật toán phân cụm rõ
• Một số thuật toán phân cụm mờ
• Đánh giá ưu nhược điểm của các thuật toán

-         Vấn đề phân cụm dữ liệu sử dụng mạng nơron Kohonen

• Mô hình mạng nơron Kohonen
• Đề xuất một số giải pháp cải tiến mạng kohonen về thuật học hoặc cấu trúc
• Đánh giá hiệu quả của giải pháp đề xuất so với mô hình cũ.

-         Xây dựng chương trình phần mềm thử nghiệm

• Chạy thử trên tập dữ liệu thực tế (dự kiến sử dụng tập dữ liệu điểm của sinh viên Khoa CNTT, hoặc phân vùng ảnh,...)
• Phân tích kết quả, đánh giá

Tải file Nghiên cứu mô hình mạng nơron Kohonen và ứng dụng trong bài toán phân cụm dữ liệu tại đây

-  Nghiên cứu lý thuyết và xây dựng mô hình ứng dụng cho bài toán thực tế

- Thu thập số liệu thực tế để thử nghiệm trên mô hình

- Xây dựng chương trình thử nghiệm

- Bổ sung nguồn tài liệu nghiên cứu về lĩnh vực khai phá dữ liệu và tính toán thông minh cho chương trình đào tạo Công nghệ thông tin tại Khoa CNTT

- Có thể sử dụng phần mềm đã cài đặt để thực hiện việc phân cụm trên nhiều các dữ liệu của nhiều bài toán thực tế, đặc biệt đối với những bài toán cần xem xét trên các tập dữ liệu lớn. Qua đó giúp người dùng thu nhận được các đặc trưng trên tập dữ liệu cần phân tích để từ đó có những biện pháp giải quyết phù hợp mà ít tốn kém về thời gian, kinh phí.

Ví dụ có thể phân cụm dựa trên tập dữ liệu điểm của sinh viên khoa CNTT. Điều này có ý nghĩa quan trọng trong công tác quản lý, giúp đơn vị đào tạo có thể thấy được toàn cảnh về các môn học trong chương trình, từ đó có sự đánh giá đúng đắn về tính chất môn học và khả năng nhận thức của người học, đưa ra biện pháp tác động phù hợp để cải thiện chất lượng dạy và học. Ngoài ra, việc phân cụm cũng có thể giúp thấy được khả năng học tập của mỗi sinh viên với từng môn học, từ đó có biện pháp áp dụng phương pháp dạy học cá biệt hóa thích hợp (phương pháp dạy học đặc trưng của học chế tín chỉ), dựa trên kết quả phân cụm này cũng có thể giúp người học có có định hướng phù hợp cho quá trình học tập tiếp theo.

Như vậy, nội dung nghiên cứu của đề tài là giải quyết bước đầu trong vấn đề về khai phá dữ liệu, có vài trò cũng như đóng góp rất quan trọng trong việc nâng cao hiệu quả cho các bước phân tích dữ liệu phía sau.