Nhóm đề xuất và đánh giá giải thuật trí tuệ nhân tạo và học máy, khai thác dữ liệu và phân tích dữ liệu lớn. Hai chủ đề cụ thể đã và đang được thực hiện là về các thuật toán nâng cao trong khai thác mẫu tuần tự và luật và phát triển các thuật toán khai thác mẫu tuần tự và luật từ cơ sở dữ liệu chuỗi.
Chủ đề nghiên cứu
- Trí tuệ nhân tạo
- Học máy
- Khai thác dữ liệu
- Phân tích dữ liệu lớn
Nhân lực
- GS. TS Lê Hoài Bắc
- TS Nguyễn Ngọc Thảo
- TS Bùi Tiến Lên
- TS Nguyễn Tiến Huy
- ThS Lê Ngọc Thành
- ThS Nguyễn Ngọc Đức
Đề tài nghiên cứu
- Các thuật toán nâng cao trong khai thác mẫu tuần tự và luật (Nafosted, 2016-2018)
- Phát triển các thuật toán khai thác mẫu tuần tự và luật từ cơ sở dữ liệu chuỗi. (Nafosted, 2014-2016)
Các hoạt động hợp tác có thể thực hiện
- Triển khai các dự án về Datamining
- Phân tích dữ liệu
- Khai thác ý kiến người dùng
- Ẩn dữ liệu
Công bố khoa học
- Bac Le, Ut Huynh, Duy-Tai Dinh.
A pure array structure and parallel strategy for high-utility sequential pattern mining. Expert Syst. Appl. 104: 107-120 (2018)
- Bac Le, Phuc Luong.
Optimized cardinality-based generalized itemset mining using transaction ID and numeric encoding. Appl. Intell. 48(8): 2067-2080 (2018)
- Bac Le, Duy-Tai Dinh, Van-Nam Huynh, Quang-Minh Nguyen, Philippe Fournier-Viger.
An efficient algorithm for Hiding High Utility Sequential Patterns. Int. J. Approx. Reasoning 95: 77-92 (2018)
- Bac Le, Hai V. Duong, Tin C. Truong, Philippe Fournier-Viger.
FCloSM, FGenSM: two efficient algorithms for mining frequent closed and generator sequences using the local pruning strategy. Knowl. Inf. Syst. 53(1): 71-107 (2017)
- Hoai Bac Le, Minh-Thai Tran, Bay Vo.
Mining frequent closed inter-sequence patterns efficiently using dynamic bit vectors. Appl. Intell. 43(1): 74-84 (2015)