LuanVan.vnLuận Văn
Gửi thư

Thuật toán SVD và PCA: Cơ sở lý thuyết và ứng dụng

Khoá luận tốt nghiệp · Đại học · năm 2024 · đề tài tham khảo

Loại tài liệuKhoá luận tốt nghiệp
Bậc họcĐại học
NgànhCông nghệ thông tin
Tác giảNguyễn Thị Tú Trinh
Người hướng dẫnPhạm Bích Như
Cơ sở đào tạoTrường Đại học Cần Thơ
Năm2024
NguồnThư viện số Trường Đại học Cần Thơ · trang gốc

Tóm tắt

Nghiên cứu “Thuật toán SVD và PCA: Cơ sở lý thuyết và ứng dụng” được thực hiện nhằm trình bày cơ sở lý thuyết, thuật toán, và các ứng dụng thực tiễn của hai phương pháp phân tích dữ liệu quan trọng là SVD và PCA. Trong đó, nghiên cứu tập trung vào việc áp dụng các phương pháp này để nén ảnh, một trong những ứng dụng phổ biến trong xử lý dữ liệu hiện nay. Thông qua việc triển khai trên nền tảng Python với các thư viện hỗ trợ như NumPy, Matplotlib, và Scikit-learn, luận văn đã xây dựng được các mô hình nén ảnh sử dụng SVD và PCA, đồng thời so sánh hiệu quả của hai phương pháp này dựa trên các tiêu chí như chất lượng ảnh tái tạo, tỷ lệ bảo toàn thông tin và phép đo biến đổi KL Divergence. Kết quả thực đã cho thấy SVD và PCA có khả năng bảo toàn thông tin trong điều kiện cùng mức độ giảm chiều là gần như nhau, nhưng SVD lại đơn giản và linh hoạt hơn khi triển khai. Nghiên cứu đã góp phần làm rõ vai trò của SVD và PCA trong xử lý dữ liệu, đồng thời mở ra những hướng nghiên cứu mới như tối ưu hóa thuật toán để ứng dụng trong dữ liệu lớn hoặc tích hợp với các mô hình học máy hiện đại. Những kết quả không chỉ củng cố cơ sở lý thuyết mà còn chứng minh tính ứng dụng rộng rãi của các phương pháp này trong thực tiễn.
Bản toàn văn lưu tại thư viện Trường Đại học Cần Thơ

Thông tin và tóm tắt ở trên lấy từ kho số mở của thư viện trường. Bản toàn văn do thư viện trường quản lý — có nơi cho đọc trực tuyến, có nơi cần tài khoản bạn đọc của trường.

Mở tại thư viện trường ↗
Dùng tài liệu tham khảo cho đúng
  • Đọc để hiểu cách người trước đặt câu hỏi, chọn phương pháp, trình bày số liệu — rồi tự làm với dữ liệu và bối cảnh của bạn.
  • Ý, số liệu, bảng biểu lấy từ tài liệu này phải trích dẫn (tác giả, năm, tên đề tài, cơ sở đào tạo).
  • Đề tài trùng tên vẫn làm được nếu khác đơn vị khảo sát, thời gian hoặc cách tiếp cận — nêu rõ điểm khác trong phần mở đầu.

Hướng dẫn chọn đề tài, cấu trúc và số liệu cho ngành này: Luận văn công nghệ thông tin · Hỏi đáp từng chương với người hướng dẫn số: Học Giả Số · Công cụ số: Luận Văn Số.

Đề tài cùng ngành

Tác giả muốn gỡ, sửa thông tin hoặc bổ sung bản toàn văn: gửi yêu cầu qua trang Liên hệ, kèm đường dẫn trang này.