Ngày 09/3/2026, Trường Đại học Tiền Giang đã tổ chức cuộc họp Hội đồng đánh giá nghiệm thu nhiệm vụ khoa học và công nghệ cấp Trường với đề tài: “Máy vectơ hỗ trợ kép mờ trực quan với cách tiếp cận bình phương tối thiểu có trọng số cho bài toán phân loại dữ liệu nhiều lớp” do Tiến sĩ Bùi Quang Thịnh làm chủ nhiệm.

Hội đồng đánh giá gồm: Phó Giáo sư, Tiến sĩ Lê Minh Tùng – Phó Hiệu trưởng, Chủ tịch Hội đồng; cùng các thành viên: Phó Giáo sư, Tiến sĩ Nguyễn Duy Hàm (Trường Đại học Sài Gòn); Tiến sĩ Bùi Danh Hường (Trường Đại học Công nghệ TP. HCM), Tiến sĩ Dương Văn Hiếu (Trưởng phòng Quản lý Đào tạo) và Thạc sĩ Lê Thị Hồng Vân (Phòng Quản lý Khoa học Công nghệ và Hợp tác quốc tế) – Thư ký Hội đồng.

Trong bối cảnh khoa học dữ liệu và trí tuệ nhân tạo phát triển mạnh mẽ, các phương pháp phân loại dữ liệu nhiều lớp ngày càng đóng vai trò quan trọng trong nhiều lĩnh vực như nhận dạng mẫu, khai phá dữ liệu, xử lý ảnh và phân tích dữ liệu lớn. Tuy nhiên, dữ liệu thực tế thường chứa nhiễu, thiếu chính xác hoặc có sự chồng lấp giữa các lớp, gây nhiều khó khăn cho các mô hình phân loại truyền thống. Các mô hình Máy vectơ hỗ trợ (Support Vector Machine – SVM) tuy có hiệu quả cao nhưng vẫn tồn tại những hạn chế khi xử lý dữ liệu nhiễu và các bài toán phân loại nhiều lớp.

Xuất phát từ thực tiễn đó, đề tài đã tập trung nghiên cứu và đề xuất một mô hình học máy mới dựa trên sự kết hợp giữa máy vectơ hỗ trợ kép, lý thuyết tập mờ trực quan và phương pháp bình phương tối thiểu có trọng số, nhằm nâng cao hiệu quả phân loại dữ liệu trong điều kiện dữ liệu có nhiễu và mức độ không chắc chắn cao. Kết quả nghiên cứu đã xây dựng mô hình IFWLS-TSVM (Intuitionistic Fuzzy Weighted Least Squares Twin Support Vector Machine) cho bài toán phân loại dữ liệu nhiều lớp. Mô hình cho phép gán mức độ tin cậy cho từng mẫu dữ liệu thông qua cơ chế mờ trực quan, đồng thời sử dụng phương pháp bình phương tối thiểu có trọng số để xác định hai siêu phẳng phân tách tối ưu. Các thực nghiệm trên nhiều bộ dữ liệu cho thấy phương pháp đề xuất đạt độ chính xác và hiệu quả phân loại cao hơn so với một số mô hình SVM truyền thống.

Từ những kết quả đạt được, nhóm nghiên cứu đề xuất tiếp tục mở rộng và ứng dụng mô hình trong các lĩnh vực như khai phá dữ liệu, phân tích dữ liệu lớn, nhận dạng mẫu và các hệ thống hỗ trợ ra quyết định trong nhiều bài toán thực tiễn.

Tại buổi nghiệm thu, Hội đồng đánh giá cao tính khoa học, tính mới và khả năng ứng dụng của đề tài, đồng thời ghi nhận sự đầu tư nghiêm túc và nỗ lực của nhóm nghiên cứu trong suốt quá trình thực hiện. Kết thúc buổi họp, Hội đồng thống nhất nghiệm thu và xếp loại “Xuất sắc” đối với nhiệm vụ khoa học và công nghệ này.

HỒNG VÂN – Phòng QLKHCN&HTQT

Phòng Quản lý khoa học công nghệ và Hợp tác quốc tế