Es gibt eine Vielzahl von Mechanismen, die diagnostisches Schliessen ermoglichen. Im medizinischen Umfeld bietet sich neben heuristischen, regelbasierten Ansatzen die Modellierung von unsicherem Wissen durch kausale Netze an. Zur Reprasentation von unsicherem Wissen werden haufig Bayes'sche Netze verwendet, mit deren Hilfe Problemstellungen sehr prazise modelliert werden konnen. Allerdings ist diese Form der Wissensreprasentation fur einige Anwendungsfalle zu allgemein oder machtiger als notig. In diesem Fall konnen Uberdeckungsmodelle verwendet werden, mit denen einfacher unsicheres Wissen zu modellieren ist, da einerseits weniger Wahrscheinlichkeiten angegeben werden mussen und andererseits Wissen sowohl qualitativ als auch quantitativ reprasentiert werden kann. Das heisst, Relationen mussen nicht unbedingt uber Wahrscheinlichkeiten definiert werden, sondern es gibt alternativ die Moglichkeit, Erklarungspunkte anzugeben, was in manchen Fallen ausreichend ist. In dieser Arbeit wird untersucht, welche Beziehungen zwischen Bayes'schen Netzen und Uberdeckungsmodellen bestehen und unter welchen Bedingungen eine Transformation von SCM in Bayes'sche Netze moglich ist.

Данное издание не является оригинальным. Книга печатается по технологии принт-он-деманд после получения заказа.