Home |  ENGLISH |  Kontakt |  Impressum |  Datenschutz |  Anmelden |  KIT

Thema13

Aus Aifbportal

Wechseln zu: Navigation, Suche



Case based reasoning basierend auf unsicheren und/oder unvollständigen Daten





Informationen zur Arbeit

Abschlussarbeitstyp: Bachelor
Betreuer: Stella Möhrle
Forschungsgruppe: Betriebliche Informationssysteme

Archivierungsnummer: 13
Abschlussarbeitsstatus: Abgeschlossen
Beginn: unbekannt
Abgabe: unbekannt

Weitere Informationen

Motivation

Case based reasoning (CBR) ist ein maschinelles Lernverfahren, welches neue Probleme mit Hilfe von Erfahrungswissen löst. Dabei wird die Lösung ähnlicher, bereits gelöster Probleme wiederverwendet. Der Kern eines CBR Systems bildet die Fallbasis, welche Wissen in Form von Problemen und deren Lösungen enthält. CBR kann besonders gut in Domänen eingesetzt werden, die nicht vollständig verstanden und nicht durch vorgegebene Regeln formalisierbar sind. Ein Beispiel sind komplexe Krisen und deren Bewältigungsmaßnahmen für welche langfristig CBR angewandt werden soll. Die Qualität des Systems hängt dabei maßgeblich von der Fallbasis ab. Im Katastrophenfall erschweren jedoch unteranderem fehlende oder unsichere Daten die Bewältigung. In dieser Arbeit sollen Methoden innerhalb des CBR Prozesses untersucht werden, welche unsichere oder unvollständige Daten berücksichtigen.

Ziel

Zunächst soll aufgezeigt werden, in welcher Form sich Unsicherheit und Unvollständigkeit in der Problemdarstellung widerspiegeln und wie diese quantifiziert wird. Ferner soll untersucht werden, welche CBR Methoden für diese spezielle Datenlage existieren um anschließend eine Evaluation dieser durchzuführen.

Kontakt

Stella Möhrle, Center for Disaster Management and Risk Reduction Technology (CEDIM)