W artykule zaproponowano metodę współczynników niepełności (IF) służących do modelowania niepełności wiedzy w systemach wspomagania decyzji. Przedstawiono miarę współczynnika niepełności wiedzy oraz wyniki przeprowadzonych eksperymentów i ich interpretację.
EN
The paper consists of the proposition of using the method of incompleteness factors (IF) in order to model the incompleteness of knowledge in decision support systems. The authors are using cluster analysis methods along with the incompleteness factors to reason in systems with incomplete knowledge.
Autorzy proponują użycie metod analizy skupień (grupowania) do szybkiego wyszukiwania, aktywowania reguł i wnioskowania w złożonych bazach wiedzy z wiedzą niepełną. Artykuł porównuje użycie dwóch algorytmów – AHC oraz mAHC, przedstawiona jest również metoda do wyznaczania optymalnej liczby skupień oraz eksperymenty obliczeniowe potwierdzające zdolność zaproponowanego podejścia do wnioskowania z wiedzą niepełną.
EN
The authors propose to use the methods of cluster analysis (clustering) in complex decision support systems with incomplete knowledge. The paper compares using of mAHC and AHC algorithms. The problem of finding the optimal number of clusters is addressed, the experiments confirming the ability of proposed approach to inference within decision support systems with incomplete knowledge are provided.
4
Dostęp do pełnego tekstu na zewnętrznej witrynie WWW
Artykuł zawiera przegląd podstawowych pojęć i metod dotyczących dwóch najbardziej znanych podejść do reprezentacji wiedzy niepełnej: zbiorów rozmytych i zbiorów przybliżonych. Pierwsze z nich bazuje na rozszerzeniu funkcji przynależności na przedział [0, 1], natomiast drugie opisuje niedokładność klasyfikacji przez relację równoważności, tzn. elementy nierozróżnialne należą do tych samych klas. Obie teorie, wywodzące się z dążenia do opisu tego samego problemu przyjmują jednak odrębne założenia początkowe, co oczywiście prowadzi do różnych metod analizy i odmiennych obszarów efektywnego zastosowania. Nie oznacza to jednak całkowitej rozłączności tych obszarów, należy również wspomnieć o możliwości komplementarnego stosowania obu podejść. W opracowaniu nieco mniej miejsca poświęcono zagadnieniom zbiorów rozmytych, gdyż teoria jest szerzej znana, natomiast zbiory przybliżone są podejściem młodszym i słabiej rozpowszechnionym. Efektywność metod oferowanych przez tę teorię jest bardzo dobrze widoczna dla tablicowej reprezentacji wiedzy (tablice decyzyjne). Ten sposób reprezentacji wiedzy jest szeroko stosowany w informatyce (systemy regułowe, wspomaganie podejmowania decyzji, analiza danych, klasyfikacja), co przenosi się na szeroki obszar zastosowań. W końcowej części pracy pokazano alternatywny sposób reprezentacji wiedzy - zastosowanie kolorowanych sieci Petriego. Stanowi to nie tylko alternatywne podejście, lecz również umożliwia rozszerzenie klasy analizowanych tablic, m.in. przez możliwości hierarchizacji.
EN
The paper contains an overview of basic notions and methods related to two mostly known approaches to representation of uncertain knowledge, i.e. fuzzy sets and rough sets. The first approach is based on an extension of membership function into interval [0, 1], while the second one describes uncertainty of classification by equivalence relation, i.e. indistinguishable elements belong to the same classes. The both theories starting from the same requirements related to description ofthe same problem, are based on different assumptions, which lead to different analysis methods and different areas of efficient applications. However, the application areas are not totally disjoint, many examples of complement applications of both methods also can be encountered. Presentation of fuzzy sets theory is relatively less detailed, because the theory is widely known. Rough sets theory is relatively younger and not so popular. Efficiency of methods provided by the theory is especially visible in the case of table knowledge representation (decision tables). This knowledge representation is widely used in computer science (rule-based systems, decision support, data analysis, classification). The wide diversity of the applications implies wide range of areas, where the theory can be applied. In the final part of the paper, an alternative way for knowledge representation is shown. This part describes an application of Coloured Petri nets for specification and analysis of decision tables. It is not only an alternative approach, but also provides possibilities for extensions of class of analysed tables, among others by providing hierarchical structure.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.