Ocena efektywności wnioskowania wieloagentowego systemu decyzyjnego działającego na podstawie reguł decyzyjnych, wygenerowanych z wykorzystaniem lokalnych baz wiedzy

Przybyła-Kasperek, M.

Artykuł - szczegóły

Tytuł artykułu

Ocena efektywności wnioskowania wieloagentowego systemu decyzyjnego działającego na podstawie reguł decyzyjnych, wygenerowanych z wykorzystaniem lokalnych baz wiedzy

Autorzy

Przybyła-Kasperek M.

Identyfikatory

Warianty tytułu

Evaluation of effectiveness of inference of multiagent decision-making system, operating on the basis of decision rules, generated based on local knowledge bases

Języki publikacji

Abstrakty

Artykuł zawiera zagadnienia dotyczące procesu podejmowania decyzji globalnych na podstawie wiedzy zgromadzonej w kilku lokalnych bazach wiedzy. Lokalne bazy wiedzy zawierają informacje dotyczące tej samej dziedziny, ale określone są na różnych zbiorach atrybutów warunkowych, które nie muszą być rozłączne. Artykuł zawiera opis wieloagentowego systemu decyzyjnego o strukturze hierarchicznej oraz propozycję metody eliminacji niespójności wiedzy, działającej na podstawie reguł decyzyjnych, wygenerowanych z użyciem lokalnych baz wiedzy. Głównym celem artykułu jest porównanie efektywności wnioskowania, uzyskanej przy zastosowaniu metody eliminacji niespójności wiedzy, działającej na podstawie reguł decyzyjnych z efektywnością wnioskowania, otrzymaną przy zastosowaniu znanych z literatury metod eliminacji niespójności wiedzy.

The paper includes issues related to process of global decision-making on the basis of knowledge which is stored in several local knowledge bases. The local knowledge bases, that are used, contain information on the same subject, but are defined on different sets of conditional attributes that are not necessarily disjoint. The paper contains a description of a multi-agent decision-making system with a hierarchical structure. In the paper a method of elimination inconsistencies in the knowledge operating on the basis of decision rules generated based on local knowledge bases was proposed. The main aim of this paper is to compare the efficiency of inference obtained using the method of elimination inconsistencies in the knowledge operating on the basis of decision rules, with the efficiency of inference obtained using the methods of elimination inconsistencies in the knowledge, which are known from the literature.

Słowa kluczowe

system decyzyjny system wieloagentowy decyzja globalna zbiory przybliżone reguły decyzyjne

decision-making system multi-agent system global decision rough sets decision rules

Wydawca

Wydawnictwo Politechniki Śląskiej

Czasopismo

Studia Informatica

Rocznik

2012

Tom

Vol. 33, nr 2A

Strony

419--437

Opis fizyczny

Bibliogr. 31 poz.

Twórcy

autor

Przybyła-Kasperek M.

Uniwersytet Śląski, Instytut Informatyki, ul. Będzińska 39, 41-200 Sosnowiec, Polska, malgorzata.przybyla-kasperek@us.edu.pl

Bibliografia

1. Bazan J.: Metody wnioskowań aproksymacyjnych dla syntezy algorytmów decyzyjnych. Praca doktorska. Uniwersytet Warszawski, Wydział Matematyki, Informatyki i Mechaniki, Warszawa 1998.
2. Cichosz P.: Systemy uczące się. WNT, Warszawa 2000.
3. Deja R.: Conflict analysis, Rough Sets; New Developments, [in:] Polkowski L. (ed.): Studies in Fussiness and Soft Computer Science. Physica-Verlag, 2000.
4. Ester M., Kriegel H., Sander J., Xu X.: A Density-Based Algorithm for Discovering Clusters in Large Spatial Databases with Noise. Proceedings of2nd International Conference on Knowledge Discovery and Data Mining, Portland 1996, s. 226-231.
5. Gatnar E.: Podejście wielomodelowe w zagadnieniach dyskryminacji i regresji. PWN, Warszawa 2008.
6. Grzymała-Busse J., Goodwin L., Zhang X.: Increasing sensitivity of preterm birth by changing rule strengths. Proceedings of the Eight Workshop on Intelligent Information Systems, Ustroń, Poland 1999, s. 127-136.
7. Hart P.: The condensed nearest neighbor rule. IEEE Transactions on Information Theo-ry,Vol. 16, 1968, s. 515-516.
8. Koronacki J., Ćwik J.: Statystyczne systemy uczące się. EXIT, Warszawa 2008.
9. Kuncheva L.: Combining pattern classifiers methods and algorithms. John Wiley & Sons, 2004.
10. Michalski R., Wojtusiak J.: The Distribution Approximation Approach to Learning from Aggregated Data. Reports of the Machine Learning and Inference Laboratory, George Mason University, Fairfax, VA 2008.
11. Pawlak Z.: An Inquiry Anatomy of Conflicts. Journal of Information Sciences, Vol. 109, 1998, s. 65-78.
12. Pawlak Z.: On conflicts. International Journal of Man-Machine Studies, Vol. 21, 1984, s. 127-134.
13. Pawlak Z.: Rough sets. International Journal of Information & Computer Sciences, Vol. 11, 1982, s. 341-356.
14. Pawlak Z.: Rough Sets: Theoretical aspects of reasoning about data. Kluwer Academic Publishers,Boston 1991.
15. Pawlak Z., Skowron A.: A rough set approach for decision rules generation. ICS Research Report 23/93, Warsaw University of Technology, Proceedings of the IJCAI'93 Workshop W12: The Management of Unicertainly in AI, France 1993.
16. Skowron A., Deja R.: On Some Conflict Models and Contlict Resolutions. Romanian Journal of Information Science and Technology, Vol. 3(1-2), 2002, s. 69-82.
17. Skowron A.: Boolean reasoning for decision rules generation, [in:] Komorowski J., Ras Z. (eds.): Lecture Notes in Artificial Intelligence, Vol. 689, Proceeding of the 7th International Symposium ISMIS'93. Springer-Verlag, Trondheim, Norway 1993, s. 295-305.
18. Skowron A., Wang H., Wojna A., Bazan J.: Multimodal Classification: Case Studies. Rough Sets, 2006, s. 224-239.
19. Straffin P.: Teoria gier. Scholar, Warszawa 2004.
20 Wakulicz-Deja A., Przybyła-Kasperek M.: Hierarchiczny system wieloagentowy. Studia Informatica, Vol. 28, No. 4(74), Wydawnictwo Politechniki Śląskiej, Gliwice 2007, s. 63-80.
21. Wakulicz-Deja A., Przybyła-Kasperek M.: Hierarchical Multi-Agent System, Recent Advances in Intelligent Information Systems. Academic Publishing House EXIT, 2009, s. 615-628.
22. Wakulicz-Deja A., Przybyła-Kasperek M.: Podejmowanie decyzji globalnej z zastosowaniem hierarchicznego systemu wieloagentowego oraz algorytmu mrówkowego. Studia Informatica, Vol. 30, No. 2A(83), Wydawnictwo Politechniki Śląskiej, Gliwice 2009, s. 213-227.
23. Wakulicz-Deja A., Przybyła-Kasperek M.: Global decisions Taking on the Basis of Multi-Agent System with a Hierarchical Structure and Density-Based Algorithm. Concurrency, Specification and Programming, Warsaw University, Warsaw 2009, s. 616-627.
24. Wakulicz-Deja A., Przybyła-Kasperek M.: Podejmowanie decyzji globalnych z zastosowaniem wieloagentowego systemu decyzyjnego oraz rodziny klasyfikatorów, [w:] Wakulicz-Deja A. (red.): Systemy wspomagania decyzji. Instytut Informatyki Uniwersytetu Śląskiego, Katowice 2010, s. 83-92.
25. Wakulicz-Deja A., Przybyła-Kasperek M.: Multi-Agent Decision Taking System. FundamentaInformaticae, Vol. 101(1-2), 2010, s. 125-141.
26. Wakulicz-Deja A., Przybyła-Kasperek M.: Wieloagentowy system decyzyjny - porównanie metod. Studia Informatica, Vol. 31, No. 2A(89), Wydawnictwo Politechniki Śląskiej, Gliwice 2010, s. 173-188.
27. Przybyła-Kasperek M.: Wieloagentowy system decyzyjny - analiza konfliktów. Praca doktorska. Uniwersytet Śląski, Instytut Informatyki, Sosnowiec 2010.
28. Wakulicz-Deja A., Przybyła-Kasperek M.: Application of the method of editing and condensing in the process of global decision-making. Fundamenta Informaticae, Vol. 106(l),2011,s.93-117.
29. Wakulicz-Deja A., Przybyła-Kasperek M.: Wieloagentowy system decyzyjny - analiza porównawcza metod, [w:] Wakulicz-Deja A. (red.): Systemy wspomagania decyzji. Instytut Informatyki Uniwersytetu Śląskiego, Katowice 2011.
30. http://www.ics.uci.edu/~mlearn/MLRepository.html.
31. http://logic.mimuw.edu.pl/~rses/.

Typ dokumentu

Bibliografia

Identyfikator YADDA

bwmeta1.element.baztech-article-BSL6-0016-0073