Wykorzystanie rozproszonej bazy danych oraz wnioskowania na podstawie przypadków w procesach decyzyjnych Państwowej Straży Pożarnej

• Autorzy: Krasuski A. , Maciak T.

Warianty tytułu

EN

Using Distributed Direction Services and Case-Based Reasoning in Fire Service Decision Processes

• Języki publikacji: PL

Abstrakty

PL

W artykule przedstawiono projekt systemu wspomagania decyzji dla strażaków PSP. System wykorzystuje katalogową bazę danych w architekturze rozproszonej do przechowywania opisu interwencji PSP. Podstawę dla wyszukiwania i porównywania przypadków zapisanych w bazie stanowi metoda CBR.

EN

The article describes Decision Support System for Fire Service. The system is based on Distributed Directory Services and Case-Based Reasoning technique. The introduction of this article contains description of the current problems with decision taking in Fire Service. Short revision about currently used solutions in other fields is also described. Introduction also contains motivation and argumentation of the Recognition-Primed Decision (RPD) model choice in Fire Service. The second part of the article contains principles of Case-Based Reasoning (CBR). CBR is the most similar to the RPD model of Artificial Intelligence technique. Therefore, it was used as a base for the Decision Support System in Fire Service. The third part of the article is a description of the proposed Decision Support System. It consists of four subsections. The first describes distributed architecture of the Case Base. The pros and cons of using distributed architecture are described. The second subsection contains methods description concerning representation of Fire Service operations in the Case Base. The third subsection contains the description of procedures and methods used in collecting and acquisition of cases for the Case Base. The last subsection describes evaluation process of the cases stored in database. The article is summarized with short conclusion about the proposed system and further works.

Słowa kluczowe

PL

ochrona przeciwpożarowa; ochrona obiektów cywilnych; akcje ratownicze

• Wydawca: Szkoła Główna Służby Pożarniczej
• Czasopismo: Zeszyty Naukowe SGSP / Szkoła Główna Służby Pożarniczej
• Rocznik: 2008
• Tom: Nr 36
• Strony: 17--39
• Opis fizyczny: Bibliogr. 30 poz., rys.

Twórcy

autor

Krasuski A.

• SGSP, Katedra Techniki Pożarniczej, Zakład Informatyki i Łączności

autor

Maciak T.

• SGSP, Katedra Techniki Pożarniczej, Zakład Informatyki i Łączności

Bibliografia

• 1. Klein G.: Sources of Power: How People Make Decisions. Massachusetts, MIT Press, 1999.
• 2. Ross K. G. i inni: The Recognition-Primed Decision Model. Military Review 2004, Nr 4, s. 6−10.
• 3. Aamodt A., Plaza W.: Case-Based Reasoning. IOComm − Artificial Intelligence Communications 1994, Nr 1, s. 39−59.
• 4. Shiu S. C. K., Pal S. K.: Case-Base Reasoning: Concepts, Features and Soft Computing. Applied Intelligence 2004, Nr 3, s. 233−238.
• 5. Cortes U. i inni: Deliverable 4.1. Report on current reasonign engine practice and integration strategies. W: Report on current reasonign engine practice and integration strategies. University of Girona, Girona 2003.
• 6. Rozporządzenie Ministra Spraw Wewnętrznych i Administracji z dnia 29 grudnia 1999 r. w sprawie szczegółowych zasad organizacji krajowego systemu ratowniczo-gaśniczego. Dz. U. 1999, Nr 111.
• 7. Praca zbiorowa: Ewidencja zdarzeń − EWID99. [online]. [dostęp: 23.04.2007]. [Dostępne w Internecie: <http://www.ewid.pl/?set=rozw_ewid&gr=roz>.
• 8. Fang L., Ross S., Hipel K. W: Case-based reasoning support system for conflict modeling. Systems, Man, and Cybernetics, 2000 IEEE International Conference on Volume 1, Issue, 2000, vol. 1, s. 524−530.
• 9. An L., Yan J., Tong L.: An Integrated Rule-based and Case-based Reasoning System for Customer Service Management. W: e-Bussines Engeenering 2005.
• 10. Chaudhury S., Singh T. Goswami P.S.: Distributed fuzzy case based reasoning. Applied Soft Computing Journal 2004, Nr 4, s. 323−343.
• 11. Lenz M., Burkhard H.D., Bruckner S.: Applaying Case Retrieval Nets fo Diagnostic Tasks in Technical Domains. W: I. Smith and B. Faltings Advances in Case-Based Reasonig: Third European Workshop, Lausanne Third European Workshop, Ewcbr-96, Lausanne, Switzerland, November 14 − 16, 1996.
• 12. Huang M.J., Chen M.Y., Lee S.C.: Integrating data mining with case-based reasoning for chronic diseases prognosis and diagnosis. Expert Systems with Application 2007, Nr 32, s. 856−867.
• 13. Shimazu H., Kitano H., Shibata A.: Retrieving cases from relational data-bases: Another stride towards corporate-wide case-base systems. W: Proceeding of IJCAI-93, 1993.
• 14. Arkills B.: LDAP Directories Explained. An Introduction and Analysis. Reading, Addison Wesley, 2004.
• 15. Krasuski A., Maciak T.: Rozproszone bazy danych w Państwowej Straży Pożarnej − model systemu. W: Kozielski T. i inni: Bazy danych, technologie, narzędzia. Tom 1. WKŁ, Warszawa 2005, s. 135−142.
• 16. Krasuski A.: Rozproszona baza danych − możliwości wykorzystania w PSP. Przegląd Pożarniczy 2006, Nr 5, s. 30−33.
• 17. Zeilenga K.: Named Subordinate References in LDAP Directories. W: RFC 3296. Reston, The Internet Society 2002.
• 18. Wang X. i inni: Measurement and Analysis of LDAP Performance. W: Joint International Conference on Measurement and Modeling of Computer Systems. Santa Clara, ACM Press 2000, s. 156-165.
• 19. Maciak T., Kreński K.: Dobór atrybutów bazy przeciwpożarowej budynków systemu informacji przestrzennej służb ratowniczych. Zeszyty Naukowe SGSP 2005, Nr 32, s. 59−65.
• 20. Feldman R., Dagan I., Hirsh H.: Mining Text Using Keyword Distributions. Journal of Intelligent Information Systems 1998, Nr 3, s. 281−300.
• 21. Witten I. i inni: Text mining in a digital library. International Journal on Digital Libraries 2004, Nr 1, s. 56−59.
• 22. Feldman R., Sanger J.: The Text Mining Handbook. Cambridge, Cambridge University Press, 2000.
• 23. Song F., Liu S., Yang J.: A comparative study on text representation schemes in text categorization Pattern. Analysis and Applications 2005, Nr 1-2, s. 199-209.
• 24. Weigend A. S., Wiener E. D., Pedersen J. O.: Exploiting Hierarchy in Text Categorization Information. Retrieval. Information Retrieval 1999, Nr 3, s. 193−216.
• 25. Domeniconi C., Gunopulos D., Ma S.: Locally adaptive metrics for clustering high dimensional data. Data Mining and Knowledge Discovery 2007, Nr 1, s. 63−97.
• 26. Bikel D. M., Schwartz R., Weischedel R. M.: An Algorithm that Learns What's in a Name. Machine Learning 1999, Nr 1-3, s. 211−231.
• 27. Yi J., Nasukawa T., Bunescu R., Niblack W.: Sentiment Analyzer: Extracting Sentiments About A Given Topic Using Natural Language Processing Techniques. W: The Third IEEE International Conference on Data Mining 2003, s.n. s. 427−34.
• 28. Stergos A., Vangelis K., Panagiotis S.: Summarization from medical documents. Artificial Intelligence in Medicine 2005, Nr 2, s. 157−77.
• 29. Loh S., Oliveira J. P. M., Gammeiro M. A.: Knowledge Discovery in Texts for Constructing Decision Support System. Applied Intelligence 2003, Nr 3, s. 357−66.
• 30. Praca zbiorowa: Wikipedia: O Wikipedii. [online]. Wikipedia. [dostęp: 12.03.2007]. [Dostępne w Internecie: <http://en.wikipedia.org/wiki/Main_Page>.