Případové usuzování (Case-based Reasoning) je jedním z přístupů k rozhodování. Vychází z anglosaského pojetí práva, které je založeno na precedentech, využívá porovnání nového pří-padu (Case) se stávajícím, starým případem, podle kterého bylo již v minulosti rozhodnuto. Jednou z možných cest, jak zvýšit kvalitu rozhodování u případového usuzování, je využití metod výpočetní inteligence, které pomohou v případě, kdy je v datech zastoupena nepřesnost či neurčitost.
Cílem práce je představit skupiny dvou klasifikačních modelů, k jejichž řešení bylo využito metod případového usuzování a výpočetní inteligence. První skupina se věnuje modelování kvality ovzduší a druhá se zabývá klasifikací nového klienta v nebankovní finanční instituci. Navržený Huntův model případového usuzování pro hodnocení kvality ovzduší pracuje s daty z meteorologických a imisních stanic. Pro optimalizaci modelu jsou využity teorie rough i fuzzy množin. Model klasifikace nového klienta byl navržen na bázi 4R modelu případového usuzo-vání. Následnou úpravou 4R modelu došlo k vytvoření hybridního inteligentního systému, který při hledání podobnosti případů využívá neuronovou síť, teorii rough množin a kombinuje různé metriky. Výsledky navržených modelů jsou porovnány s dalšími metodami, jako jsou například rozhodovací stromy nebo logistická regrese. Modely byly vytvořeny na reálných datech a jejich výsledky lze aplikovat v praxi.
Anotace v angličtině
Case-based Reasoning is one of the approaches to decision making. Based on the Anglo-Saxon concept of law, which is based on precedents, it uses a comparison of a new case with an existing, old case, which was resolved in the past. One possible way to increase the quality of decision-making in Case-based Reasoning is to use computational intelligence methods to help with inaccuracies or uncertainties in the data.
The aim of this thesis is to introduce groups of two classification models, whose solutions were used Case-based Reasoning methods and Computational Intelligence. The first group deals with air quality modelling and the second deals with the classification of a new client in a non-banking financial institution. The proposed Hunt model of Case-based Reasoning for air quality assessment works with data from meteorological and air pollution stations. The theory of both rough and fuzzy sets is used to optimize the model. The new client's classification model was designed based on the 4R model of Case-based Reasoning. Subsequent modification of the 4R model has created a hybrid intelligent system that uses a neural network, the rough sets theory and combines various metrics to find similarities. The results of the proposed models are compared with other methods, such as decision trees or logistic regression. The models were created on real data sets and their results can be applied in practice.
Klíčová slova
Případové usuzování, výpočetní inteligence, měření vzdálenosti, kvalita ovzduší, nebankovní finanční instituce, management, klasifikace
Případové usuzování (Case-based Reasoning) je jedním z přístupů k rozhodování. Vychází z anglosaského pojetí práva, které je založeno na precedentech, využívá porovnání nového pří-padu (Case) se stávajícím, starým případem, podle kterého bylo již v minulosti rozhodnuto. Jednou z možných cest, jak zvýšit kvalitu rozhodování u případového usuzování, je využití metod výpočetní inteligence, které pomohou v případě, kdy je v datech zastoupena nepřesnost či neurčitost.
Cílem práce je představit skupiny dvou klasifikačních modelů, k jejichž řešení bylo využito metod případového usuzování a výpočetní inteligence. První skupina se věnuje modelování kvality ovzduší a druhá se zabývá klasifikací nového klienta v nebankovní finanční instituci. Navržený Huntův model případového usuzování pro hodnocení kvality ovzduší pracuje s daty z meteorologických a imisních stanic. Pro optimalizaci modelu jsou využity teorie rough i fuzzy množin. Model klasifikace nového klienta byl navržen na bázi 4R modelu případového usuzo-vání. Následnou úpravou 4R modelu došlo k vytvoření hybridního inteligentního systému, který při hledání podobnosti případů využívá neuronovou síť, teorii rough množin a kombinuje různé metriky. Výsledky navržených modelů jsou porovnány s dalšími metodami, jako jsou například rozhodovací stromy nebo logistická regrese. Modely byly vytvořeny na reálných datech a jejich výsledky lze aplikovat v praxi.
Anotace v angličtině
Case-based Reasoning is one of the approaches to decision making. Based on the Anglo-Saxon concept of law, which is based on precedents, it uses a comparison of a new case with an existing, old case, which was resolved in the past. One possible way to increase the quality of decision-making in Case-based Reasoning is to use computational intelligence methods to help with inaccuracies or uncertainties in the data.
The aim of this thesis is to introduce groups of two classification models, whose solutions were used Case-based Reasoning methods and Computational Intelligence. The first group deals with air quality modelling and the second deals with the classification of a new client in a non-banking financial institution. The proposed Hunt model of Case-based Reasoning for air quality assessment works with data from meteorological and air pollution stations. The theory of both rough and fuzzy sets is used to optimize the model. The new client's classification model was designed based on the 4R model of Case-based Reasoning. Subsequent modification of the 4R model has created a hybrid intelligent system that uses a neural network, the rough sets theory and combines various metrics to find similarities. The results of the proposed models are compared with other methods, such as decision trees or logistic regression. The models were created on real data sets and their results can be applied in practice.
Klíčová slova
Případové usuzování, výpočetní inteligence, měření vzdálenosti, kvalita ovzduší, nebankovní finanční instituce, management, klasifikace
Doktorand navrhl dva původní modely soft CBR a aplikoval je na problémy predikce kvality ovzduší a zákazníků nebankovní instituce. Doktorand dále uspokojivě zodpověděl všechny položené otázky členů komise.