Räumliche Inferenz mit Lern- und Optimierungsverfahren

In der Dissertation „Anwendung von Verfahren des Maschinellen Lernens und von Evolutionären Algorithmen bei der räumlichen Inferenz“ [2] werden verschiedene Ansätze zum Lösen der bei dem verwendeten metrischen Ansatz zur räumlichen Inferenz entstehenden Constraintsysteme vorgestellt und verglichen. Neben aktuellen ConstraintsolvingAlgorithmen wurden Verfahren aus den Bereichen Maschinelles Lernen und Evolutionäre Algorithmen auf ihre Anwendbarkeit überprüft. Hierzu hat der Autor Ansätze auf der Basis von Entscheidungsbäumen und von EA untersucht und (weiter-) entwickelt, mit denen man Lösungen für das Constraintproblem (gezielt) erzeugen bzw. suchen kann. Für den ML-Algorithmus hat der Autor eine Erweiterung vorgestellt, die zu einer gegebenen Menge von räumlichen Relationen die nötigen zusätzlichen Constraints berechnet, unter welchen die Inferenz einer weiteren Relation möglich wird.