Details

Marc integrador de les capacitats de Soft-Computing i de Knowledge Discovery dels Mapes Autoorganitzatius en el Raonament Basat en Casos

by Fornells Herrera, Albert

Abstract (Summary)
RESUM: El Raonament Basat en Casos (CBR) és un paradigma daprenentatge basat en establir analogies amb problemes prèviament resolts per resoldren de nous. Per tant, lorganització, laccés i la utilització del coneixement previ són aspectes claus per tenir èxit en aquest procés. No obstant, la majoria dels problemes reals presenten grans volums de dades complexes, incertes i amb coneixement aproximat i, conseqüentment, el rendiment del CBR pot veures minvat degut a la complexitat de gestionar aquest tipus de coneixement. Això ha fet que en els últims anys hagi sorgit una nova línia de recerca anomenada Soft-Computing and Intelligent Information Retrieval enfocada en mitigar aquests efectes. Daquí neix el context daquesta tesi. Dins de lampli ventall de tècniques Soft-Computing per tractar coneixement complex, els Mapes Autoorganitzatius (SOM) destaquen sobre la resta per la seva capacitat en agrupar les dades en patrons, els quals permeten detectar relacions ocultes entre les dades. Aquesta capacitat ha estat explotada en treballs previs daltres investigadors, on sha organitzat la memòria de casos del CBR amb SOM per tal de millorar la recuperació dels casos. La finalitat de la present tesi és donar un pas més enllà en la simple combinació del CBR i de SOM, de tal manera que aquí sintrodueixen les capacitats de Soft-Computing i de Knowledge Discovery de SOM en totes les fases del CBR per nodrir-les del nou coneixement descobert. A més a més, les mètriques de complexitat apareixen en aquest context com un instrument precís per modelar el funcionament de SOM segons la tipologia de les dades. Lassoliment daquesta integració es pot dividir principalment en quatre fites: (1) la definició duna metodologia per determinar la millor manera de recuperar els casos tenint en compte la complexitat de les dades i els requeriments de lusuari; (2) la millora de la fiabilitat de la proposta de solucions gràcies a les relacions entre els clústers i els casos; (3) la potenciació de les capacitats explicatives mitjançant la generació dexplicacions simbòliques; (4) el manteniment incremental i semi-supervisat de la memòria de casos organitzada per SOM. Tots aquests punts sintegren sota la plataforma SOMCBR, la qual és extensament avaluada sobre datasets provinents de lUCI Repository i de dominis mèdics i telemàtics. Addicionalment, la tesi aborda de manera secundària dues línies de recerca fruït dels requeriments dels projectes on ha estat ubicada. Duna banda, saborda la definició de funcions de similitud específiques per definir com comparar un cas resolt amb un de nou mitjançant una variant de la Computació Evolutiva anomenada Evolució de Gramàtiques (GE). Daltra banda, sestudia com definir esquemes de cooperació entre sistemes heterogenis per millorar la fiabilitat de la seva resposta conjunta mitjançant GE. Ambdues línies són integrades en dues plataformes, BRAIN i MGE respectivament, i són també avaluades amb els datasets anteriors.
This document abstract is also available in English and Spanish.
Bibliographical Information:

Advisor:Golobardes Ribé, Elisabet

School:Universitat Rovira i Virgili

School Location:Spain

Source Type:Master's Thesis

Keywords:eals informàtica

ISBN:

Date of Publication:12/14/2007

© 2009 OpenThesis.org. All Rights Reserved.