- IDRISI je velmi ·Φinn²m nßstrojem pro podporu rozhodovßnφ, zejmΘna pro anal²zu rozhodovacφ strategie a pro management v podmφnkßch nejistoty. Anal²za rozhodovacφ strategie obsahuje operace umo₧≥ujφcφ multikriterißlnφ (Multi-Criteria) a multidestinßtnφ (Multi-Objective) rozhodovßnφ. Pro management v podmφnkßch nejistoty (Uncertanity Management) lze brßt v ·vahu mφru nejistoty, kterß existuje prakticky ve vÜech rozhodovacφch procesech.
- Anal²za rozhodovacφ strategie umo₧≥uje vzφt v ·vahu nejen jedno °eÜenφ, ale dovoluje posoudit i jinΘ mo₧nΘ varianty uvnit° danΘho rozhodovacφho rßmce. P°φsluÜnΘ moduly umo₧≥ujφ m∞nit kombinace kritΘriφ ve dvou dimenzφch: (1) m∞nit stupe≥ v²znamnosti jednotliv²ch kritΘrii a (2) m∞nit stupe≥ rizika p°ijetφ chybnΘho °eÜenφ. Na rozdφl od tradiΦnφch postup∙, jako je booleovsk² p°ekryv (superpozice) nebo vß₧enß lineßrnφ kombinace datov²ch vrstev, lze vzφt v ·vahu otßzky typu: Lze horÜφ parametr jednoho kritΘria kompenzovat lepÜφm parametrem jinΘho kritΘria? M∞lo by mφt °eÜenφ urΦitΘho cφle p°ednost p°ed °eÜenφm jinΘho cφle? A kdy₧ ne, m∞li bychom maximalizovat sumu vhodn²ch parametr∙ uva₧ovan²ch cφl∙, minimalizovat sumu nevhodn²ch parametr∙ t∞chto cφl∙, nebo rad∞ji minimalizovat stupe≥ konfliktu mezi mo₧n²mi °eÜenφmi?
- Management nejistoty nepracuje pouze s pojmy znßm²mi z poΦtu pravd∞podobnosti, ale takΘ s pojmy jako d∙v∞ra (belief), v∞rohodnost (plausibility), neznalost (ignorance), domn∞nka (assumption). Metodologicky vychßzφ z Bayesovy teorie pravd∞podobnosti, Dempster-Shaferovy teorie a teoriie fuzzy mno₧in.
- S dosavadnφmi nßstroji bylo v GIS mo₧no dosßhnout vyhodnocovßnφ dostupn²ch dat zp∙sobem konzistentnφm s lidsk²m myÜlenφm. Nebrala se vÜak v ·vahu mφra platnosti p°φsluÜn²ch ·vah. Nap°. p°i p°ijetφ kritΘria, ₧e k urΦit²m ·Φel∙m se hodφ ·zemφ le₧φcφ na svazφch menÜφch ne₧ 10˚, bylo mo₧no takovß ·zemφ snadno nalΘzt. Ale otßzky, zda sva₧itost je vskutku hlavnφm urΦujφcφm faktorem, jak dob°e vyjad°uje skuteΦnou vhodnost k danΘmu ·Φelu, zda je ·nosnΘ kompenzovat sva₧itost v∞tÜφ ne₧ 10˚ jin²m faktorem anebo je ji nutno pova₧ovat za limitujφcφ faktor, nebylo mo₧no °eÜit. Management nejistoty a anal²za rozhodovacφ strategie °eÜenφ takov²ch otßzek umo₧≥ujφ. Samoz°ejm∞, ₧e problΘm nejistoty v procesu rozhodovßnφ nenφ dosud zcela vy°eÜen, ale zßkladnφ operace umo₧≥ujφcφ naklßdßnφ s tφmto problΘmem jsou v IDRISI ji₧ k dispozici, a na dalÜφch se pracuje.
Pro °φzenou klasifikaci obrazov²ch dat IDRISI poskytuje °adu mo₧nostφ:
- KlasickΘ ôtvrdΘö klasifikßtory û metodu pravo·helnφk∙ (Parallepiped), metodu minimßlnφ vzdßlenosti od pr∙m∞ru (Minimum distance), metodu maximßlnφ podobnosti (Maximum Likelihoood);
- Nov∞ vyvinutΘ ôm∞kkΘö klasifikaΦnφ operace kterΘ pracujφ s pravd∞podobnostφ a fuzzy mno₧inami (Bayclass, Belclass, Fuzclass);
- Hyperspektrßlnφ klasifikßtory (Hypersam, Hypermin);
- Operace
porovnßnφ v²sledk∙ ôtvrd²chö a ôm∞kk²chö klasifikßtor∙
(In Process Classification Assessment).
⌐ MZLU BRNO, 1999