11723_Áp dụng một số thuật toán khai phá dữ liệu trong quản lý địa chỉ internet

BỘ GIÁO DỤC VÀ ĐÀO TẠO
TRƢỜNG ĐẠI HỌC DÂN LẬP HẢI PHÒNG
——-o0o——-

ISO 9001: 2008

ĐỒ ÁN TỐT NGHIỆP
NGÀNH CÔNG NGHỆ THÔNG TIN

HẢI PHÒNG 2016

BỘ GIÁO DỤC VÀ ĐÀO TẠO
TRƢỜNG ĐẠI HỌC DÂN LẬP HẢI PHÒNG
——-o0o——-

ÁP DỤNG MỘT SỐ THUẬT TOÁN KHAI PHÁ DỮ
LIỆU TRONG QUẢN LÝ ĐỊA CHỈ INTERNET

ĐỒ ÁN TỐT NGHIỆP LIÊN THÔNG
Ngành:Công nghệ thông tin

HẢI PHÒNG- 2016

BỘ GIÁO DỤC VÀ ĐÀO TẠO
TRƢỜNG ĐẠI HỌC DÂN LẬP HẢI PHÒNG
——-o0o——-

ÁP DỤNG MỘT SỐ THUẬT TOÁN KHAI PHÁ DỮ
LIỆU TRONG QUẢN LÝ ĐỊA CHỈ INTERNET

ĐỒ ÁN TỐT NGHIỆP LIÊN THÔNG
Ngành:Công nghệ thông tin

Sinh viên thực hiện:
Nguyễn Văn Tuyên
Giáo viên hƣớng dẫn:
Nguyễn Trịnh Đông
Mã số sinh viên:
1513101002

HẢI PHÒNG- 2016

BỘ GIÁO DỤC VÀ ĐÀO TẠO
TRƢỜNG ĐẠI HỌC DÂN LẬP HẢI PHÒNG
CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM
Độc lập – Tự do –Hạnh phúc
——-o0o——-

NHIỆM VỤ THIẾT KẾ TỐT NGHIỆP

Sinh viên: Nguyễn Văn Tuyên

Mã số: 1513101002
Lớp: CTL901

Ngành: Công Nghệ Thông tin
Tên đề tài:
Áp dụng một số thuật toán khai phá dữ liệu trong quản lý địa chỉ Internet

NHIỆM VỤ ĐỀ TÀI
1. Nội dung và yêu cầu cần giải quyết trong nhiệm vụ đề tài tốt nghiệp
a. Nội dung.
– Tìm hiểu các phƣơng pháp phân cụm.
– Tìm hiểu một số phƣơng pháp tạo các luật cơ bản và các giải thuật liên quan.
– Đề ra phƣơng pháp xâp dựng hệ thống.
– Thử nghiệm với các công cụđể gải quyết bài toán.
b. Các yêu cầu cần giải quyết

2. Các số liệu thống kê, tính toán

3. Địa điểm thực tập

CÁN BỘ HƢỚNG DẪN ĐỀ TÀI TỐT NGHIỆP
Ngƣời hƣớng dẫn thứ nhất:
Họ và tên: Nguyễn Trịnh Đông
Học hàm, học vị: Thạc sĩ
Cơ quan công tác: Trƣờng Đại Học Dân Lập Hải Phòng
Nối dung hƣớng dẫn:
Tìm hiểu các phƣơng pháp phân cụm.
– Tìm hiểu một số phƣơng pháp tạo các luật cơ bản và các giải thuật liên quan.
– Đề ra phƣơng pháp xâp dựng hệ thống.
– Thử nghiệm với các công cụ để gải quyết bài toán.
Ngƣời hƣớng dẫn thứ hai:
Họ và tên : ………………………………………………………………………………………………………. ..
Học hàm, học vị:
…………………………………………………………………………………………

Cơ quan công tác: ……………………………………………………………………………………….

Nội dung hƣớng dẫn: …………………………………………………………………………………..

…………………………………………………………………………………………………………………

…………………………………………………………………………………………………………………

…………………………………………………………………………………………………………………

Đề tài tốt nghiệp đƣợc giao ngày 03 tháng 10 năm 2016
Yêu cầu hoàn thành trƣớc ngày 30 tháng 12 năm 2016
Đã nhận nhiệm vụ: Đ. T. T. N
Sinh viên
Đã nhận nhiệm vụ: Đ. T. T. N
Cán bộ hƣớng dẫn Đ. T. T. N

Hải Phòng,ngày . . . tháng. . . năm 2016
HIỆU TRƢỞNG

GS. TS. NGƯT Trần Hữu Nghị

PHẦN NHẬN XÉT TÓM TẮT CỦA CÁN BỘ HƢỚNG DẪN
1. Tinh thần thái độ của sinh viên trong quá trình làm đề tài tốt nghiệp:
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2. Đánh giá chất lƣợng của đề tài tốt nghiệp (so với nội dung yêu cầu đã đề ra
trong nhiệm vụ đề tài tốt nghiệp)
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3. Cho điểm của cán bộ hƣớng dẫn:(Điểm ghi bằng số và chữ)
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Ngày. . . . . . tháng. . . . . . năm 2016
Cán bộ hƣớng dẫn chính
( Ký, ghi rõ họ tên)

3

PHẦN NHẬN XÉT ĐÁNH GIÁ CỦA CÁN BỘ CHẤM PHẨN BIỆN ĐỀ
TÀI TỐT NGHIỆP
1. Đánh giá chất lƣợng đề tài tốt nghiệp (về các mặt nhƣ cơ sở lý luận, thuyết
minh chƣơng trình, giá trị thực tế, . . .)
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.Cho điểm của cán bộ phản biện(điểm ghi bằng số,chữ)
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Ngày. . . . . . tháng. . . . . . năm 2016
Cán bộ chấm phản biện
( ký,ghi rõ họ tên)

4

MỤC LỤC
MỤC LỤC HÌNH ẢNH ………………………………………………………………………………….
7
LỜI CẢM ƠN ……………………………………………………………………………………………….
8
GIỚI THIỆU …………………………………………………………………………………………………
9
CHƢƠNG 1: GIỚI THIỆU CHUNG VỀ KHAI PHÁ DỮ LIỆU ……………………….
11
1. Giới thiệu
…………………………………………………………………………………………………
11
1.1. Mở đầu ………………………………………………………………………………………………
11
1.2. Khai phá dữ liệu
………………………………………………………………………………….
11
1.3. Phạm vi của khai phá dữ liệu
………………………………………………………………..
11
1.4. Mục tiêu của khai phá dữ liệu
……………………………………………………………….
12
1.5. Các kỹ thuật khai phá dữ liệu ……………………………………………………………….
12
1.6. Ứng dụng của khai phá dữ liệu ……………………………………………………………..
12
1.7. Các khó khăn trong khai phá dữ liệu ……………………………………………………..
13
2. Chi tiết các bƣớc khai phá tri thức ………………………………………………………………
13
2.1. Lựa chọn dữ liệu (data selection)…………………………………………………………..
14
2.2.Xóa bỏ dữ liệu không cần thiết (cleaning)
……………………………………………….
14
2.3.Làm giàu dữ liệu (enrichment) ………………………………………………………………
14
2.4. Chuẩn hóa và mã hóa (coding and normalzation) ……………………………………
14
2.5. Khám phá tri thức (datamining)
…………………………………………………………….
15
2.6. Báo cáo kết quả (reporting) ………………………………………………………………….
15
3.Chi tiết mã hóa và biến đổi dữ liệu ………………………………………………………………
15
3.1. Phép biến đổi và chuẩn hóa dữ liệu ……………………………………………………….
15
3.1.1. Phép chuẩn hóa dữ liệu
…………………………………………………………………..
15
3.2.Biến đổi dữ liệu
……………………………………………………………………………………
15
3.2.1. Phân tích thành phần chính …………………………………………………………….
16
3.2.2. SVD (Singular Value Decomposition)
……………………………………………..
16
3.2.3. Phép biến đổi Karhunen-Loéve
……………………………………………………….
16

5

4. Địa chỉ Internet
…………………………………………………………………………………………
16
4.1. Giới thiệu địa chỉ Internet …………………………………………………………………….
16
4.2. Cấu trúc của địa chỉ Internet …………………………………………………………………
17
4.3. Hệ thống tên miền (DNS) …………………………………………………………………….
20
4.4.Chức năng hệ thống tên miền ………………………………………………………………..
20
4.4 Tổ chức quản lý IP và Hệ thống tên miền ……………………………………………….
20
CHƢƠNG 2: CÁC THUẬT TOÁN TRONG KHAI PHÁ DỮ LIỆU …………………
23
1. Giới thiệu phân cụm dữ liệu
……………………………………………………………………….
23
1.1. Định nghĩa phân cụm …………………………………………………………………………..
23
1.2. Mục đích của phân cụm ……………………………………………………………………….
24
1.3. Những lĩnh vực áp dụng phân cụm
………………………………………………………..
25
1.4. Các yêu cầu về thuật toán phân cụm………………………………………………………
25
1.5. Các kiểu dữ liệu phân cụm……………………………………………………………………
26
1.5.1. Kiểu dữ liệu dựa trên kích thƣớc miền
……………………………………………..
28
1.5.2. Kiểu dữ liệu dựa trên hệ đo …………………………………………………………….
28
1.5.3. Phép đo độ tƣơng tự và khoảng cách đối với các kiểu dữ liệu
……………..
30
1.5.4. Các phƣơng pháp tiếp cận của bài toán phân cụm dữ liệu
…………………..
36
2.Thuật toán phân cụm dữ liệu dựa vào phân hoạch
………………………………………….
41
2.1. Thuật toán K-Means ……………………………………………………………………………
41
2.2. Thuật toán K-Medoids(hoặc PAM) ……………………………………………………….
46
2.3. Thuật toán CLARA
……………………………………………………………………………..
47
2.4.Thuật toán CLARANS
………………………………………………………………………….
48
CHƢƠNG 3: THỬ NGHIỆM HỆ THỐNG
……………………………………………………..
51
1. Phần mềm quản lý dữ liệu
………………………………………………………………………….
51
2.Các chức năng của chƣơng trình ………………………………………………………………….
51
2.1. Thiết lập kết nối cơ sở dữ liệu ………………………………………………………………
51
2.2. Giao diện ngƣời dùng ………………………………………………………………………….
54

6

2.2.1. Đăng nhập
…………………………………………………………………………………….
54
2.2.2. Giao diện chính sau đăng nhập
………………………………………………………..
56
2.2.3.Cập nhật một bảng
………………………………………………………………………….
56
2.2.4. Tìm kiếm thông tin ………………………………………………………………………..
57
2.2.5. Báo cáo ………………………………………………………………………………………..
57
2.2.6. K-Means và K-Medoids(Hoặc PAM) ………………………………………………
58
KẾT LUẬN …………………………………………………………………………………………………
62
TÀI LIỆU THAM KHẢO
……………………………………………………………………………..
63

7

MỤC LỤC HÌNH ẢNH
H NH 1: MÔ HÌNH KHAI PHÁ DỮ LIỆU …………………………………………………………. 14
H NH 2: TÍNH KHOẢNG CÁCH
……………………………………………………………………. 32
H NH 3: KMEANS KHỞI TẠO ……………………………………………………………………… 42
H NH 4: TÍNH LẠI TỌA ĐỘ ………………………………………………………………………… 44
H NH 5: TÍNH LẠI KHOẢNG CÁCH
………………………………………………………………. 45
H NH 6: KẾT NỐI CƠ SỞ DỮ LIỆU ……………………………………………………………….. 51
H NH 7: GIAO DIỆN ĐĂNG NHẬP
………………………………………………………………… 54
H NH 8: GIAO DIỆN SAU KHI ĐĂNG NHẬP ……………………………………………………. 56
H NH 9: CẬP NHẬT TÊN MIỀN ĐĂNG KÝ
………………………………………………………. 56
H NH 10: TÌM KIẾM THÔNG TIN
…………………………………………………………………. 57
H NH 11: BÁO CÁO …………………………………………………………………………………. 57
H NH 12: K-MEANS VÀ K-MEDOIDS …………………………………………………………. 58

8

LỜI CẢM ƠN
Em xin chân thành cảm ơn thầy giáo Ths. Nguyễn Trịnh Đông đã tận tình chỉ bảo,
định hƣớng, góp ý cho em trong suốt thời gian qua. Để em có thể hoàn thành đồ án tốt
nghiệp.Cũng nhƣ em xin chân thành cảm ơn các thầy, cô trongKhoa công nghệ thông tin
trƣờng ĐHDL Hải Phòng giúp đỡ em. Em cũng xin gửi lời cảm ơn tới gia đình, bạn bè,
những ngƣời luôn động viên, quan tâm và giúp đỡ em trong suốt thời gian em làm đồ án.
Trong đồ án này chắc còn nhiều thiếu sót. Em rất mong nhận đƣợc những lời nhận
xét, góp ý từ các thầy, cô giáo và các bạn.
Hải phòng, ngày 23 tháng 12 năm 2016
Sinh viên
Nguyễn Văn Tuyên

9

GIỚI THIỆU
Sự phát triển của khoa học và công nghệ, cũng nhƣ sự phát triển củacông nghệ
thông tin đã và đang đƣợc áp dụng trong nhiều lĩnh vực trong đời sống, nhƣ kinh tế, xã
hội, y tế, giáo dục,….Ở mỗi lĩnh vực lại có những bƣớc tiến khác nhau, nhằm phục vụ cho
đời sống con ngƣời ngày một tốt lên.
Khi khoa học và công nghệ phát triển đã tạo ra những bƣớc tiến to lớn cho con
ngƣời. Những phát minh ngày càng phongphú và đa dạng. Một trong số đó là mạng
Interet. Mạng Internet từ khi đƣợc giới thiệu cũng nhƣ đƣợc sử dụngrộng rãi đến mọi
ngƣời đã tạo ra một cuộc cách mạng. Và khi đó cần có các chuẩn để mọi ngƣời có thể
nhìn vào đó để xây dựng lên hệ thống của mình mà có thể trao đổi với hệ thống khác. Từ
đó các giao thức đƣợc sinh ra nhƣ: TCP/IP. Trong đó dịch vụ World Wide Web đã đƣợc
sinh ra và đã trở thành dịch vụ khá phổ biến trên Internet.
Mỗi quốc gia sẽ có sẽ có những nhà cung cấp khác nhau để có thể phục vụ các nhu
cầu đăng ký sử dụng của ngƣời dùng. Mỗi ngày có rất nhiều tên miền đƣợc đăng ký. Mỗi
tên miền sẽ chứa những nội dung có thể giống hoặc khác nhau tùy theo mục đích của
ngƣời tạo. Khi đó sẽ mỗi nhà cung cấp sẽ có một khối dữ liệu khổng lồ. Và dƣới khối dữ
liệu khổng lồ đó tiềm ẩn rất nhiều thông tin hữu ích, phục vụ cho việc kinh doanh cũng
nhƣ đánh giá sự phát triển của xã hội. Nhất là trong việc kinh doanh, khi mà thông tin là
một phần cực kỳ quan trọng cho việc đƣa ra các định hƣớng cho việc kinh doanh. Khi đó
các phƣơng pháp quản trị và khai thác cơ sở dữ liệu truyền thống không thể đáp ứng đƣợc,
từ đó các nhà khoa học sẽ phải suy nghĩ và đƣa ra các cách quản lý và khai thác mới
nhằm có thể khai thác dữ liệu một cách tối đa. Khai phá tri thức đã đƣợcxây dựng nhằm
phá tri thức và khai phá dữ liệu phục vụ cho mục đích tìm kiếm thông bên dƣới dữ liệu.

10

Xuất phát từ các lý do trên em chọn đề tài: “ÁP DỤNG MỘT SỐ THUẬT TOÁN
KHAI PHÁ DỮ LIỆU TRONG QUẢN LÝ ĐỊA CHỈ INTERNET. ”
Mục tiêu của đề tàiáp dụng một số thuật toán khai phá dữ liệu, trong quản lý địa chỉ
Internet.
Đề tài đƣợc trình bày nhƣ sau:
Giới thiệu: Phát biểu bài toán
Chƣơng 1: Trình bày các khái niệm và kiến thức cơ bản trong lĩnh vực khai phá dữ
liệu.
Chƣơng 2: Chương này tập trung trình bày các thuật toán phục vụ cho việc khai
phá dữ liệu.
Chƣơng 3: Áp dụng một số thuật toán cho khai phá dữ liệu.
Kết luận
Tài liệu tham khảo

11

CHƢƠNG 1: GIỚI THIỆU CHUNG VỀ KHAI PHÁ DỮ LIỆU
1. Giới thiệu
1.1. Mở đầu
Hiện nay, sự phát triển nhanh chóng của Internet đã giúp cho việc trao đổi thôngtin
giữa các tổ chức, công ty, cá nhân ngày càng gia tăng. Khi đó, mỗi công ty, tổ chức,cá
nhân sẽ có rất nhiều thông tin.Sau một thời gian,các thông tin quá nhiều. Khi đó sẽ cần
các cách quản lý tốt hơn, nhằm phục vụ cho mục đích đó đã hình thành các khái niệm
DATAMINING vàWEBMINING. Trong đồán chúng ta chỉ quan tâm đến DATA
MINING.
1.2.Khai phá dữ liệu
Khai phá dữ liệu đƣợc định nghĩa là sử dụng các hệ chuyên gia, hệ lập lịch,
hệhọc máy,… và CSDL hoặc kho dữ liệu. Nhằm phân tích đánh giá rút, trích tri thức để
đƣa ra các quy luật, dự đoán để hỗ trợ cho việc quyết định.
1.3. Phạm vi của khai phá dữ liệu
Khai phá dữ liệu đƣợc sử dụng rộng rãi ở nhiều lĩnh vực khác nhau. Nhƣ thống kê,
học máy cơ sở dữ liệu.
Trong học máy, khai phá dữ liệu đƣa ra những thông tin cụ thể khá chính xác, để từ
đó đƣa vào các thuật toán đƣợc xây dựng sẵn trên máy nhằm trích chọn đƣa ra các dự
đoán trong tƣơng lai. Học máy và khai phá dữ liệu luôn song hành với nhau, mục tiêu tuy
khác nhau, nhƣng lại có liên quan mật thiết với nhau.
Trong lĩnh vực thống kê, khai phá dữ liệu là tiền đề để đƣa ra các thông tin cụ thể
tùy theo mục đích của ngƣời thống kê. Tuy trong thống kê chỉ cần những thông tin chƣa
đầy đủ chƣa tìm ra hết những thông tin, nhƣng với những thông tin chi tiết từ bƣớc khai
phá sẽ giúp việc thống kê dễ dàng hơn. Độ tin cậy cao hơn. Tuy cơ sở dữ liệu truy vấn
truyền thống (SQL) có thể phần nào đáp ứng đƣợc nhu cầu, nhƣng vẫn có những thông
chƣa đƣợc tìm ra. Dữ liệu có nhiều loại khác nhau và mỗi loại dữ liệu là các môi trƣờng
khác nhau để khai phá.

12

1.4. Mục tiêu của khai phá dữ liệu
Từ những gì đƣợc trình bày ở trên chúng ta có thể thấy các mục đích của khai phá
dữ liệu nhƣ sau:
– Khai phá thông tin tìm kiếm tri thức nhỏ được dấu kín trong kho thông tin.
Trích rút thông tin, dựa trên các thông tin đã rút trích để đưa ra dự báo dữ
liệu tương lai. Chỉ ra xu hướng có thể xuất hiện cho việc kinh doanh, hay sự
thay đổi của xã hội.
– Tìm ra các quy luật mô tả sao cho con người có thể hiểu được dữ liệu đó.
Thông qua việc rút trích phân tích dữ liệu.
1.5. Các kỹ thuật khai phá dữ liệu
 Cây quyết định.
 Luật kết hợp.
 Các phƣơng pháp phát triển tri thức qua việc học tập mẫu.
 Khoảng cách ngắn nhất.
 Phân cụm (clustering).
1.6. Ứng dụng của khai phá dữ liệu
Các kỹ thuật khai phá dữ liệu có thể đƣợc áp dụng vào trong nhiều lĩnh vực,
điển hình nhƣ sau:
 Thông tin thƣơng mại:
 Phân tích dữ liệu tiếp thị và bán hàng và thị trƣờng.
 Phân tích vốn đầu tƣ.
 Quyết định cho vay vốn.
 Phát hiện gian lận.
 Thông tin sản xuất:
 Điều khiển và lập lịch.
 Hệ thống quản lý.
 Quản trị mạng.
 Phân tích kết quả thí nghiệm.
 Thông tin khoa học:
 Dự báo thời tiết.
 Cơ sở dữ liệu sinh học.
 Khoa học địa lý: tìm động đất; …
 Thông tin cá nhân

13

1.7. Các khó khăn trong khai phá dữ liệu
Khai phá dữ liệu liên quan đến nhiều ngành, nhiều lĩnh vực trong thực tế, vìvậy các
thách thức và khó khăn ngày càng nhiều, càng lớn. Một số các thách thứcvà khó khăn cần
đƣợc quan tâm:
Các cơ sở dữ liệu lớn, các tập dữ liệu cần xử lý có kích thƣớc rất lớn,trongthực tế, kích
thƣớc của các tập dữ liệu thƣờng ở mức tera-byte.
–
Mức độ nhiễu cao hoặc dữ liệu bị thiếu (nhiều thông tin sai lệch)
–
Số chiều lớn (nhiều dữ liệu giữa đƣợc khai thác)
–
Thay đổi dữ liệu và tri thức có thể làm cho các mẫu đã phát hiện khôngcòn
phù hợp
–
Quan hệ giữa các trƣờng phức tạp(cơ sở dữ liệu lớn, nhiều quan hệ ràng
buộc)
2. Chi tiết các bƣớc khai phá tri thức
Một tiến trình khám phá tri thức gồm 6 giai đoạn.
Bƣớc 1: Chọn lọc dữ liệu (data selection).
Bƣớc 2: Xóa bỏdữ liệu không cần thiết (cleaning).
Bƣớc 3: Làm giàu dữ liệu (enrichment).
Bƣớc 4: Mã hóa (coding).
Bƣớc 5: Khám phá tri thức (data mining).
Bƣớc 6: Báo cáo kết quả (reporting).
Bên trên là 6 bƣớc khai phá tri thức nhƣng thực ra việc khai phá tri thức chỉ thực sự
bắt đầu ở bƣớc thứ 5 mà thôi.

14

nh 1:Mô hình khai phá dữ liệu
2.1. Lựa chọn dữ liệu (data selection)
Trong việc quản lý dữ liệu các cơ sở dữ liệu sẽ đƣợc xây dựng ở khắp mọi nơi
chúng ta cần lựa chọn, một cách tốt nhất nhằm phục vụ cho việckhai phá. Ở bƣớc này cần
có sự phân tích cao nhất, tránh sai sót để đƣa ra một bộ dữ liệu hoàn chỉnh.
2.2
.Xóa bỏ dữ liệu không cần thiết (cleaning)
Các cơ sở dữ liệu sau khi đƣợc tập hợp sẽ đƣợc tập trung tại một chỗ. Khi đó trong
dữ liệu sẽ có các dữ liệu không cần thiết cho việc khai phá. Chúng ta cần phải xóa bỏ
chúng để cơ sở dữ liệu trở lên linh hoạt và thuận tiện nhất.
Giai đoạn này có thể đƣợc thực hiện nhiều lần trong quá trình khai phá. Dữ liệu
cuối cùng cần là tốt nhất tránh sai xót, để khi khai phá tránh đƣa ra dữ liệu không tốt.
2.3
.Làm giàu dữ liệu (enrichment)
Trong giai đoạn này chúng ta cần bổ sung thông tin cho cơ sở chính bằng cách đƣa
liên kết với cơ sở dữ liệu ngoài. Những cơ sở dữ liệu có liên quan đến cơ sở dữ liệu chính.
Chọn lọc các cơ sở dữ liệu phù hợp bổ sung cho cơ sở dữ liệu chính. Làm cho thông tin
chính rõ ràng hơn, nhằm phục vụ cho việc khai phá dữ liệu tốt nhất.
Khi có sự kết hợp giữa hai cơ sở dữ liệu chúng ta cần lƣu ý đến các mối quan hệ có
thể giữa hai cơ sở dữ liệu. Việc làm giàu có thể rât có ích nếu chúng ta xây dựng đúng
cách. Nếu bƣớc này làm sai sẽ gây ra việc khó lắm dữ liệu cho bƣớc sau, làm bƣớc sau
khó đoán nhận dữ liệu.
2.4. Chuẩn hóa và mã hóa (coding and normalzation)
Mục đích chính của giai đoạn này là biến cơ sở dữ liệu về dạng mà khi triển khai
các thuật toán khai phá dữ liệu là tốt nhất. Nhƣng không phải loại dữ liệu nào cũng có thể
mã hóa đƣợc, mà tùy loại dữ liệu mà chúng ta sử dụng các cách mã hóa khác nhau.
Thông
tin yêu
cầu
Chọn
lọc dữ
liệu
Xóa bỏ
dữ liệu
Làm
giàu dữ
liệu
Mã hóa
dữ liệu
Khám phá
tri thức
Dùng
các
biểu
đồ báo
cáo
Hành
động

15

2.5. Khám phá tri thức (datamining)
Sử dụng các thuật toán khai phá dữ liệu để tìm kiếm tri thức trong cơ sở dữ liệu.
Trong giai đoạn này chúng ta có rất nhiều các thuật toán để phù hợp với mọi loại dữ liệu
chúng ta thu thập đƣợc. Giai đoạn này sẽ đƣợc đề cập cụ thể hơn ở chƣơng tiếp theo.
2.6. Báo cáo kết quả (reporting)
Đây là giai đoạn cuối cùng của quá trình khai phá tri thức. Tổng hợp dữ liệu đã khai
phá tri thức thông báo kết quả. Đƣa ra tóm tắt sao cho ngƣời đọc dễ hiểu, dễ tiếp cận dữ
liệu quan trọng.
3. Chi tiết mã hóa và biến đổi dữ liệu
Ngoài một số cách mã hóa nhƣ trên chúng ta còn có một số cách phƣơng pháp biến
đổi để có thể khai phá. Trong phần này đề cập đến phép biến đổi và chuẩn hóa dữ liệu.
3.1. Phép biến đổi và chuẩn hóa dữ liệu
Trong thực tế sau khi đã có dữ liệu từ nhiều nguồn khác nhau, chúng ta chƣa thể
khai phá ngay đƣợc. Chúng ta cần đƣa về một loại dữ liệu nhất định.
3.1.1. Phép chuẩn hóa dữ liệu
Chuẩn hóa dữ liệu sẽ làm cho dữ liệu ban đầu nhỏ đi tốt cho việc phân cụm dữ liệu.
Việc chuẩn hóa sẽ biến đổi vị trí, cấu trúc dữ liệu ban đầu hoặc có thể bị mất đi[2]. Có hai
phƣơng pháp chuẩn hóa là: Chuẩn hóa toàn cục và chuẩn hóa trong cụm.
Chuẩn hóa toàn cục: làm chuẩn hóa các biến trên tất cả các yếu tố trong các tập dữ
liệu. Trong vòng-cụm tiêu chuẩn hóa dùng để chỉ tiêu chuẩn hóa xảy ra trong các cụm
biến mỗi ngày. Một số hình thức tiêu chuẩn hóa có thể đƣợc sử dụng trong các chuẩn hóa
toàn cục và chuẩn hóa trong phạm vi rất tốt. Tuy nhiên trong một số trƣờng hợp chúng ta
chỉ có thể sử dụng trong chuẩn hóa toàn cục.
Chuẩn hóa trong cụm: Để khắc phục nhƣợc điểm của chuẩn hóa toàn cục là chỉ
chuẩn hóa khi dữ liệu cho trƣớc. Khi đó tổng thể và [6]đề xuất một cách tiếp cận lặp rằng
các cụm thu đƣợc đầu tiên dựa trên số ƣớc lƣợng tổng thể và sau đó sử dụng kết quả của
cụm này để so sánhvới cụm khác để xem sự chênh lệch trong cụm có lớn không.
3.2.Biến đổi dữ liệu
Biến đổi dữ liệu tác động lên dữ liệu chuẩn hoá, nhƣng biến đổi dữ liệuphức tạp hơn
so với chuẩn hoá dữ liệu. Chuẩn hoá dữ liệu tập trung vàocác biến, nhƣng biến đổi dữ

16

liệu tập trung vào các dữ liệu toàn bộ thiết lập.Trong phần này, trình bày một số dữ
liệukỹ thuật biến đổi có thể đƣợc sử dụng trong phân cụm dữ liệu.
3.2.1. Phân tích thành phần chính
Mục đích chính của phân tích thành phần chính là giảm chiều cao của một chiều cao
của một chiều đặt dữ liệu bao gồm một lƣợng lớn số biến tƣơng quan và đồng thời giữ lại
càng nhiều càng tốt của biến đổi hiện diện trong tập dữ liệu. Các thành phần chính (PC)
là các biến mới đƣợc không tƣơng quan và ra lệnh nhƣ vậy là ngƣời đầu tiên giữ lại vài
phần lớn các biến thể hiện diện trong tất cả các bản gốc biến.[3] 3.2.2. SVD (Singular Value Decomposition)
SVD(phân tách giá trị riêng) là một kỹ thuật mạnh mẽ trong tính toán ma trận và
phân tích, chẳng hạn nhƣ việc giải quyết các hệ thống phƣơng trình tuyến tính và xấp xỉ
ma trận. SVD cũng là một kỹ thuật nổi tiếng chiếu tuyến tính và đã sử dụng rộng rãi
trong nén dữ liệu và ảo.
3.2.3. Phép biến đổi Karhunen-Loéve
Các phép biến đổi Karhunen-Loeve (KL) có liên quan với các giải thích cấu trúc dữ
liệu thông qua một số tuyến tính kết hợp của các biến. Giống nhƣ PCA, phép biến đổi KL
cũng là cách tối ƣu cho dự án, tính toán sao cho sai số là nhỏ nhất (tức là tổng khoảng
cách bình phƣơng (SSD) là tối thiểu [7].
4. Địa chỉ Internet
Đồ án tập trung khai phá dữ liệu địa chỉ Internet nhằm tìm ra những thông tin về
loại dữ liệu ngƣời dùng thƣờng truy cập, sở thích, thói quen,…. Những thông tin trên, sẽ
cho chúng ta biết đƣợc sự quan tâm của mọi ngƣời trong một khoảng thời gian sẽ nhƣ thế
nào.
4.1. Giới thiệu địa chỉ Internet
IPlàmột giao thức hƣớng dữ liệu đƣợc sử dụng bởi các máy chủ nguồn và đích để
truyền dữ liệu trong một liên mạng chuyển mạch gói.Dữ liệu trong một liên mạng IP
đƣợc gửi theo các khối đƣợc gọi là các gói (packet hoặc datagram). Cụ thể, IP không cần
thiết lập các đƣờng truyền trƣớc khi một máy chủ gửi các gói tin cho một máy khác mà
trƣớc đó nó chƣa từng liên lạc với nhau.[4]

17

4.2. Cấu trúc của địa chỉ Internet
Địa chỉ IP đƣợc dùng phổ biến hiện nay là IPv4, và một số nƣớc đang sử dụng song
song giữa IPv4 và IPv6.
Cấu trúc của IPv4
IPv4 sử dụng 32 bits để đánh địa chỉ, đƣợc chia thành 4 octet, theo đó, số địa chỉ tối
đa có thể sử dụng là 4.294.967.296 (232). Tuy nhiên, trong thực tế chúng ta đã sử dụng
gần hết địa chỉ cũng nhƣ một số địa chỉ đƣợc sử dụng cho mục đích khác.Với sự phát
triển không ngừng của mạng Internet, nguy cơ thiếu hụt địa chỉ đã đƣợc dự báo, tuy nhiên,
nhờ công nghệ NAT (Network Address Translation – Chuyển dịch địa chỉ mạng) tạo nên
hai vùng mạng riêng biệt: Mạng riêng và Mạng công cộng, địa chỉ mạng sử dụng ở
mạng riêng có thể dùng lại ở mạng công cộng mà không hề bị xung đột, giải quyết đƣợc
vấn đề thiếu hụt địa chỉ .
Ban đầu, một địa chỉ IP đƣợc chia thành hai phần:
 Network ID: Xác lập bởi octet đầu tiên
 Host ID: Xác định bởi ba octet còn lại
Với cách chia này, số lƣợng network bị giới hạn ở con số 256, quá ít so với nhu cầu
thực tế.
Để vƣợt qua giới hạn này, việc phân lớp mạng đã đƣợc định nghĩa, tạo nên một tập
hợp lớp mạng đầy đủ (classful). Theo đó, có 5 lớp mạng (A, B, C, D và E) đƣợc định
nghĩa.
Class A: 0. 0. 0. 0 – 127. 255. 255.255Default Subnet Mask: 255. 0. 0. 0
Class B: 128. 0. 0. 0 – 191. 255. 255. 255Default Subnet Mask: 255. 255. 0. 0
Class C: 192.0. 0. 0 – 223.255. 255. 255Default Subnet Mask: 255. 255. 255. 0
Class D: 224.0. 0. 0 – 239. 255. 255. 255: multicast/broadcast
Class E: 240. 0. 0. 0 – 255. 255. 255. 255: reserve (bảo tồn).
–>các thiết bị chỉ đặt được IP trong dải A, B, C.
IP Private: trích 1 phần nhỏ từ 3 class A, B, C.
– 10. 0. 0. 0 – 10. 255. 255. 255
– 172.16. 0. 0 – 172.31. 255. 255
– 192.168. 0. 0 – 192.168. 255. 255
Cấu trúc IPv6.

18

IPv6 viết tắt tiếng Anh: “Internet Protocol version 6”, là “Giao thức liên mạng thếhệ
6”, một phiên bản của giao thức liên mạng (IP) nhằm mục đích nâng cấp giao thức liên
mạng phiên bản 4 (IPv4) hiện đang truyền dẫn cho hầu hết lƣu lƣợng truy cập.
Internet nhƣng đã hết địa chỉ. IPv6 cho phép tăng lên đến 2128 địa chỉ, một sự gia
tăng khổng lồ so với232 (khoảng 4.3 tỷ) địa chỉ của IPv4.[4] Phiên bản địa chỉ Internet mới IPv6 đƣợc thiết kế để thay thế cho phiên bản IPv4,
với hai mục đích cơ bản:
 Thay thế cho nguồn IPv4 cạn kiệt để tiếp nối hoạt động Internet.
 Khắc phục các nhược điểm trong thiết kế của địa chỉ IPv4.
Mục tiêu IPv6.
 Không gian địa chỉ lớn hơn và dễ dàng quản lý không gian địa chỉ.
 Khôi phục lại nguyên lý kết nối đầu cuối-đầu cuối của Internet và loại bỏ
hoàn toàn công nghệ NAT.
 Quản trị TCP/IP dễ dàng hơn: D CP được sử dụng trong IPv4 nhằm giảm
cấu hình thủ công TCP/IP cho host. IPv6 được thiết kế với khả năng tự động
cấu hình mà không cần sử dụng máy chủ DHCP, hỗ trợ hơn nữa trong việc
giảm cấu hình thủ công.
 Cấu trúc định tuyến tốt hơn: Định tuyến IPv6 được thiết kế hoàn toàn phân
cấp.
 Hỗ trợ tốt hơn Multicast: Multicast là một tùy chọn của địa chỉ IPv4, tuy
nhiên khả năng hỗ trợ và tính phổ dụng chưa cao.
 Hỗ trợ bảo mật tốt hơn: IPv4 được thiết kế tại thời điểm chỉ có các mạng
nhỏ, biết rõ nhau kết nối với nhau. Do vậy bảo mật chưa phải là một vấn đề
được quan tâm. Song hiện nay, bảo mật mạng Internet trở thành một vấn đề
rất lớn, là mối quan tâm hàng đầu.
 Hỗ trợ tốt hơn cho di động: Thời điểm IPv4 được thiết kế, chưa tồn tại khái
niệm về thiết bị IP di động. Trong thế hệ mạng mới, dạng thiết bị này ngày
càng phát triển, đòi hỏi cấu trúc giao thức Internet có sự hỗ trợ tốt hơn. [4] IPv6 có độ dài 128bit, biểu diễn ở dạng số Hecxa, chia thành 8 octet. Mỗi ocet có 4
số hecxa, và cách nhau bởi dấu “:”.
Ví dụ:0123: 4567: 89AB: CDEF: 0123: 4567: 89AB: CDEF
Tƣơng thích giữa IPv4 và IPv6 khi chuyển đổi:

19

– Dual-stack: thiết bị vừa chạy được IPV4, vừa chạy được IPv6
– Tunneling: khi 2 đoạn IPv6 bị chia cắt bởi đoạn IPv4.
– Translation: các đoạn IPv4 và IPv6 nối liên tiếp nhau.
Một số cách viết IPv6:
– Trong 1 octet, ta có thể xóa số 0 ở ngoài cùng bên trái.
Ví dụ 1:
0123: 4567: 89AB: CDEF: 0123: 4567: 89AB: CDEF
123: 4567: 89AB: CDEF: 123: 4567: 89AB: CDEF
Ví dụ 2:
1234: 0010: 3456: 7890: 000A: ABCE: 1234: 4567
1234: 10: 3456: 7890: A: ABCE: 1234: 4567
Trong 1 octet toàn 0, ta có thể giữ lại một số 0
Ví dụ:
1234: 0000: 3456: 7890: 0000: ABCE: 1234: 4567
1234: 0: 3456: 7890: 0: ABCE: 1234: 4567
Nếu có từ 2 octet trở lên toàn 0, thì ta có thể viết gọn thành dấu”: :”
Nhưng chú ý là 1 IPv6 chỉ được viết “: :”một lần.
Ví dụ:
1234: 0000: 0000: 1234: 0000: 0000: 0000: 1234
1234: : 1234: 0: 0: 0: 1234
1234: 0: 0: 1234: : 1234
Một số không gian IPv6:
– Global Unicast: giống nhƣ IPv4 Public.
chạy từ 2000:  3FFF:
– Link Local: giống nhƣ IPv4 APIPA (169. 254.0. 0/16)
 thiết bị dùng IPv6 lúc nào cũng tự sinh ra Link-local address, không
quan tâm tới việc nó đã đƣợc đặt IP hay có DHCP hay chƣa.
 chạy từ FE80:  FEBF:
– Loopback: giống nhƣ IPv4 127. 0. 0. 0/8
với IPv6 là “: :”1
– Dải đặc biệt:(0: 0: 0: 0: 0: 0: 0: 0)
– Unique Local: giống nhƣ IPv4 Private

20

 chạy từ FC00:  FDFF:
4.3.Hệ thống tên miền (DNS)
Hệ thống tên miền là một hệ thống cho phép thiết lập tƣơng ứng giữa địa chỉ
IP và tên miền trên Internet.
Hệ thống tên miền về căn bản là một hệ thống giúp cho việc chuyển đổi các tên
miền mà con ngƣời dễ ghi nhớ (dạng kí tự, ví dụ www. example. com) sang địa chỉ IP vật
lý (dạng số, ví dụ 123.11.5.19) tƣơng ứng của tên miền đó. Hệ thống tên miền giúp liên
kết với các trang thiết bị mạng cho các mục đích định vị và địa chỉ hóa các thiết bị trên
Internet.
Phép so sánh thƣờng đƣợc sử dụng để giải thích cho hệ thống tên miền, nó phục vụ
nhƣ một “Danh bạ điện thoại”, có khả năng tìm kiếm và dịch tên miền thành địa chỉ IP.
Ví dụ, www.example.com dịch thành 208.100.188.166. Tên miền Internet dễ nhớ hơn các
địa chỉ IP, là 208.100.188. 166 (IPv4) hoặc 2001:db8:1f70: :999:de8:7648:6e8 (IPv6).
4.4.Chức năng hệ thống tên miền
Mỗi website có một tên (là tên miền hay đƣờng dẫn URL: Uniform Resource
Locator) và một địa chỉ IP. Địa chỉ IP gồm 4 nhóm số cách nhau bằng dấu chấm(IPv4).
Khi mở một trình duyệt Web và nhập tên website, trình duyệt sẽ đến thẳng website mà
không cần phải thông qua việc nhập địa chỉ IP của website. Quá trình “dịch” tên miền
thành địa chỉ IP để cho trình duyệt hiểu và truy cập đƣợc vào website là công việc của
một máy chủ hệ thống tên miền.
Các máy chủ DNS trợ giúp qua lại với nhau để dịch địa chỉ “IP” thành “tên” và
ngƣợc lại. Ngƣời sử dụng chỉ cần nhớ “tên”, không cần phải nhớ địa chỉ IP (địa chỉ IP là
những con số rất khó nhớ).
4.4 Tổ chức quản lý IP và Hệ thống tên miền
Tổ chức cấp phát số hiệu Internet (tên tiếng Anh là Internet Assigned Numbers
Authority –IANA) là một cơ quan giám sát việc chỉ định địa chỉ IP, quản lý khu vực
gốc của DNS toàn cầu, và cấp phát giao thức Internet khác. Tổ chức này đƣợc điều này
bởi ICANN.
Trƣớc khi ICANN đƣợc thành lập với mục đích này, IANA chủ yếu do Jon
Postel quản lý tại Viện Khoa học Thông tin của trƣờng Đại học Nam California, dƣới một
hợp đồng USC/ISI với Bộ Quốc phòng Hoa Kỳ, cho đến khi ICANN đƣợc thành lập để
nhận trách nhiệm dƣới hợp đồng của Bộ Thƣơng mại Hoa Kỳ.