Optymalizacja procesów wnioskowania z wiedzą niepełną : rozprawa doktorska

Abstract

Głównym celem pracy jest opracowanie metod poprawiających efektywność wnioskowania w systemach wspomagania decyzji dzięki zmianie struktury bazy wiedzy w strukturę skupień reguł podobnych do siebie i uformowaniu dla każdego skupienia jego reprezentanta. Ponadto optymalizacja procesów wnioskowania staje się możliwa dzięki uwzględnieniu niepełności wiedzy. Efektywność wnioskowania mierzona jest zyskiem czasowym wynikającym z braku konieczności przeglądania wszystkich reguł w bazie wiedzy oraz liczbą nowych faktów wygenerowanych w trakcie procesu wnioskowania. W rozprawie dokonana została analiza efektywności wnioskowania w bazach wiedzy o złożonej strukturze (tj. o dużej liczbie reguł, dowolnej liczbie przesłanek, bez ograniczeń dla typu atrybutów i ich wartości). Uwzględnienie reprezentacji dla wiedzy niepełnej pozwala na zwiększenie efektywności systemów opartych na bazach dziedzinowych. Istniejące podejścia bazujące na teorii zbiorów przybliżonych, teorii Bayesa oraz innych okazują się niewystarczające do tak postawionego problemu. Wykorzystanie zaproponowanych w rozprawie modyfikacji algorytmów analizy skupień oraz metody badania stopnia niepełności wiedzy pozwoli na realizacje procesów wnioskowania efektywnie mimo, ze wiedza początkowa cechowała się niepełnością - co w rzeczywistych systemach wspomagania decyzji jest zjawiskiem dość często spotykanym. Dlatego niniejsza rozprawa ma dostarczyć narzędzia i metody pozwalające na rozwiązywanie problemów tego typu.