Decision Making in Ambient Assisted Living environments based on uncertain and fuzzy data
| Autor: | Brunmeir, Dominik |
|---|---|
| Jazyk: | němčina |
| Rok vydání: | 2015 |
| Předmět: | |
| DOI: | 10.34726/hss.2015.25661 |
| Popis: | Diese Diplomarbeit behandelt die Anwendung von Datamining-Techniken auf Fuzzy Daten im AAL Kontext. Es wurde sowohl ein Empfehlungssystem als auch ein System zur Entscheidungsfindung erforscht und und implementiert. Diese Systeme sind Teil des Reasoning Systems einer AAL Anwendung und versuchen gesammelte Informationen zu verkn��pfen und daraus Schl��sse zu ziehen. Der erste Teil dieser Diplomarbeit besch��ftigt sich haupts��chlich mit Fuzzy Clustering und Fuzzy Control, da es ein naheliegender Zugang ist, um menschliche Verhaltensweisen zu beschreiben. Zuerst wird eine Einf��hrung in die Theorie des Clustering behandelt, danach die Grundlagen von Fuzzy Control erl��utert um schlussendlich das Adaptive Online Fuzzy Inference System (AOFIS) vorzustellen und zu analysieren. AOFIS ist ein Fuzzy Control System, das menschliches Verhalten lernen und in der Folge auch imitieren soll. Es beruht auf einer Doppelclustering Technik, die aus Daten interpretierbare Zugeh��rigkeitsfunktionen extrahiert um mit diesen ein if-then-Regelsystem aufbaut. Der zweite Teil behandelt mehrere Ans��tze um Empfehlungssysteme zu erstellen, wobei hier ein Hauptaugenmerk auf die Aufbereitung von Daten gelegt wurde, da in diesem Zusammenhang oft gro��e Mengen von Daten anfallen. Weiters wurde ein solches Empfehlungssystem implementiert und mit einfachen Daten getestet. Es beruht auf Fuzzy Clustering und ist ein hybrides System. Dieses Empfehlungssystem soll in der YouDo it! - we help Platform integriert werden um dem Benutzer Vorschl��ge f��r verwandte Themen und Filme geben zu k��nnen. This Thesis analyses the application of data-mining techniques on fuzzy data in an AAL context. The goal was to research decision making and recommender systems as part of the Reasoning subsystem of an AAL service. It tries to relate information and deduce valid behavioural patterns. The first part of the thesis explores fuzzy clustering and fuzzy control as a mean to describe human behaviour. After a theoretical introduction to clustering and fuzzy control, the Adaptive Online Fuzzy Inference System (AOFIS) is presented and analysed. AOFIS tries to learn from human behaviour and imitate it after a certain learning period. It is based on a double-clustering technique, which extracts interpretable fuzzy granules. This granules are used to build an if-then-Rulebase as part of an inference system as described in the fuzzy control chapter. The second part of the thesis presents theoretical foundations of recommender systems and several popular techniques to process large amounts of data. It is a necessity to reduce the runtime of such a system and thus improve the performance. Furthermore a fuzzy recommender system was implemented for use as a module in the YouDo it! - we help platform as a way to present the user similar videos and topics to the already watched or rated content. This recommender system is a hybrid system and makes use of fuzzy clustering methods to combine the advantages of content-based and collaborative filtering approaches. |
| Databáze: | OpenAIRE |
| Externí odkaz: |
|