Abstract:
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.