[Back]

D. Brunmeir:
"Decision Making in Ambient Assisted Living Environments basierend auf Uncertain and Fuzzy Data";
Supervisor: F. Breitenecker, H. Länger, G. Karigl, J. Kropf; Institut für Analysis und Scientific Computing, 2015; final examination: 2015-10-14.

Abstract
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 doubleclustering
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.

Zusammenfassung
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 verknüpfen und daraus Schlüsse
zu ziehen.
Der erste Teil dieser Diplomarbeit beschäftigt sich hauptsächlich mit
Fuzzy Clustering und Fuzzy Control, da es ein naheliegender Zugang ist,
um menschliche Verhaltensweisen zu beschreiben. Zuerst wird eine Einführung
in die Theorie des Clustering behandelt, danach die Grundlagen von
Fuzzy Control erläutert 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 Zugehörigkeitsfunktionen extrahiert um mit diesen
ein if-then-Regelsystem aufbaut.
Der zweite Teil behandelt mehrere Ansätze um Empfehlungssysteme zu
erstellen, wobei hier ein Hauptaugenmerk auf die Aufbereitung von Daten
gelegt wurde, da in diesem Zusammenhang oft große 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 Vorschläge für verwandte Themen und
Filme geben zu können.

http://publik.tuwien.ac.at/files/PubDat_246954.pdf