Anwendung von Verfahren des maschinellen Lernens und von evolutionären Algorithmen bei der räumlichen Inferenz

In der Arbeit werden verschiedene Ansätze zum Lösen der bei der räumlichen Inferenz unter Verwendung eines metrischen Ansatzes auftretenden Constraintsysteme vorgestellt und verglichen. Nach einer Einführung in die Thematik der räumlichen Inferenz und einer Übersicht über Bezugssysteme, Relationen und verschiedene qualitative Verfahren des räumlichen Schließens wird der verfolgte metrische Ansatz zur räumlichen Inferenz vorgestellt. Es werden wichtige Verfahren des Constraintsolving eingeführt und anhand zweier aktueller Algorithmen die Anwendbarkeit dieser Verfahren auf die bei der räumlichen Inferenz entstehenden Constraintsysteme überprüft. Weiterhin entwickelt und untersucht der Autor zwei Ansätze, der eine aus dem Bereich des Maschinellen Lernens und der andere aus dem Bereich der Evolutionären Algorithmen, mit denen man Lösungen für das Constraintproblem (gezielt) erzeugen bzw. suchen kann. Außerdem wird ein Ansatz vorgestellt, welcher mit Hilfe von Entscheidungsbäumen zu einer gegebenen Menge von räumlichen Relationen zusätzliche Constraints berechnet, unter welchen die Inferenz einer weiteren Relation möglich wird.