×

基于优势的粗糙集方法用于多准则排序的稳健序数回归。 (英语) 兹比尔1355.91029

摘要:我们提出了一种新的基于优势的粗糙集方法(DRSA)的多准则排序方法。决策者(DM)提供的偏好信息是一组可能不精确且不一致的赋值示例,这些示例针对DM相对熟悉的参考备选方案子集。为了构造数据,我们使用DRSA,然后,用所有最小规则集表示赋值示例,这些规则集涵盖了类联合的较低近似值的所有替代项。这种规则集称为最小覆盖集,它是与DM的偏好信息兼容的偏好模型的实例之一。通过这种方法,我们将稳健序数回归(ROR)原理应用于决策规则偏好模型。对于每个备选方案,我们推导出必要和可能的赋值,分别指定由所有或至少一组兼容规则指定备选方案的类别范围,以及类别可接受性指数。我们还引入了一个具有代表性的兼容最小覆盖规则集的概念,其选择基于ROR的结果,解决了稳健性问题。通过将69个土地区域分为4类,代表不同的风险水平,证明了该方法的应用。

MSC公司:

91B06型 决策理论
62H30型 分类和区分;聚类分析(统计方面)
PDF格式BibTeX公司 XML格式引用
全文: 内政部 链接

参考文献:

[2] Błaszczynski,J。;Greco,S。;马塔拉佐,B。;Słowiáski,R。;Szelag,M.,jMAF-基于支配权的粗糙集数据分析框架,(Skowron,A.;Suraj,Z。,《粗糙集与智能系统》-《记忆》中的Zdzisław Pawlak教授。《粗糙集和智能系统》,《记忆》,《智能系统参考库》,第42卷(2013),《斯普林格:斯普林格柏林》,185-209年·Zbl 1251.68030号
[3] Błaszczynski,J。;Greco,S。;Słowiáski,R.,《多标准分类——基于支配权的决策规则应用的新方案》,欧洲期刊Oper。研究,181,31030-1044(2007)·Zbl 1121.90073号
[4] Błaszczynski,J。;Greco,S。;Słowiáski,R。;Szelag,M.,单调变量一致性粗糙集方法,国际期刊近似推理。,50, 7, 979-999 (2009) ·Zbl 1191.68673号
[5] Błaszczynski,J。;Słowiński,R.,从基于优势的粗略近似中增量归纳决策规则,Electron。注释理论。计算。科学。,82, 4, 40-51 (2003) ·Zbl 1270.68308号
[6] Błaszczynski,J。;Słowiáski,R。;Stefanowski,J.,《可变一致性套袋集成》(Peters,J.F.;Skowron,A.,《粗糙集交易》XI(2010),Springer:Springer Berlin),第40-52页
[7] Błaszczynski,J。;Słowiáski,R。;Szelag,M.,可变一致性粗糙集方法的序列覆盖规则归纳算法,Inform。科学。,181, 5, 987-1002 (2011)
[8] Chan,Ch.-Ch。;Tzeng,G.-H.,使用索引块作为颗粒的基于优势的粗糙集,(Wang,G.;Li,T.;Grzymala-Busse,J.;Miao,D.;Skowron,A.;Yao,U.,《粗糙集与知识技术》,《计算机科学讲义》,第5009卷(2008),Springer),244-251
[9] 科伦特,S。;Greco,S。;Kadziñski,M。;Słwinski,R.,《偏好学习和排序中的稳健序数回归》,马赫。学习。,93, 2-3, 381-422 (2013) ·兹比尔1300.68040
[10] Dembczyánski,K。;科特·奥斯基(Kotłowski,W.)。;Słowiáski,R.,《超越顺序覆盖-增强决策规则》(Beyond sequential covering-boosted decision rules),(Koronacki,J.;Ra-shi,Z.W.;Wierzcho nn,S.T.;Kacprzyk,J.,《机器学习的进展I》,《计算智能研究》,第262卷(2010),斯普林格出版社),209-225·Zbl 1185.68521号
[11] 德米钦斯基,K。;平杜尔,R。;Susmaga,R.,在基于支配权的粗糙集方法中生成详尽的规则集,Electron。注释理论。计算。科学。,82, 4, 96-107 (2003) ·Zbl 1270.68313号
[12] Figueira,J.R。;Greco,S。;罗伊,B。;Słowiáski,R.,《ELECTRE方法及其最新扩展概述》,J.Multi-Criteria Decis。分析。,20, 1-2, 61-85 (2013)
[13] Greco,S。;Kadziñski,M。;穆索,V。;Słowiáski,R.,(ELECTRE^{GKMS}):排名靠前方法的稳健序数回归,Eur.J.Oper。第214号、第118-135号决议(2011年)·Zbl 1218.90086号
[14] Greco,S。;Kadziñski,M。;穆索,V。;Słowinski,R.,多准则群决策问题的稳健序数回归:(UTA^{GMS})-group和(UTADIS^{GMS})/group,Decis。支持系统。,52, 3, 549-561 (2012)
[15] Greco,S。;马塔拉佐,B。;Słowiński,R.,粗糙集和模糊集在MCDM中的使用,(Gal,T.;Hanne,T.;Stewart,T.,《多准则决策进展》(1999),Kluwer学术出版社:Kluwer学术出版社波士顿),14,1n++14.59(第14章)·Zbl 0948.90078号
[16] Greco,S。;马塔拉佐,B。;Słowiáski,R.,《多准则决策分析的粗糙集理论》,欧洲期刊Oper。决议,129,1-47(2001)·Zbl 1008.91016号
[17] Greco,S。;马塔拉佐,B。;Słowiáski,R.,《决策规则方法》(Figueira,J.;Greco,S.;Ehrgott,M.,《多标准决策分析:现状调查》(2005),施普林格:施普林格波士顿),507-562·Zbl 1072.90534号
[18] Greco,S。;马塔拉佐,B。;Słowiáski,R.,使用粗糙隶属度和贝叶斯确认测度的参数化粗糙集模型,国际期刊近似推理。,49, 2, 285-300 (2008) ·Zbl 1191.68678号
[19] Greco,S。;马塔拉佐,B。;Słowiáski,R。;Stefanowski,J.,《一种符合支配原则的决策规则归纳算法》,(Ziarko,W.;Yao,Y.Y.,《计算中的粗糙集和当前趋势》,第二届国际会议,RSCTC 2000年10月16日至19日,加拿大班夫。《粗糙集与当前计算趋势》,第二届国际会议,2000年10月16日至19日,加拿大班夫,RSCTC 2000,计算机科学讲义,2005(2001)卷,施普林格,304-313·Zbl 1014.68545号
[20] Greco,S。;马塔拉佐,B。;Słowiáski,R。;Stefanowski,J.,基于优势的粗糙集方法的变量一致性模型,(Ziarko,W.;Yao,Y.Y.,《粗糙集与计算的当前趋势》,第二届国际会议,RSCTC 2000,加拿大班夫,2000年10月16-19日。《粗糙集与当前计算趋势》,第二届国际会议,2000年10月16日至19日,加拿大班夫,RSCTC 2000,计算机科学讲义,2005(2001)卷,斯普林格出版社,170-181·Zbl 1014.68544号
[21] Greco,S。;穆索,V。;Słowiński,R.,《重新审视有序回归:使用一组加性值函数的多准则排序》,Eur.J.Oper。研究,191,2,415-435(2008)
[22] Greco,S。;穆索,V。;Słowinski,R.,用一组加性值函数进行多准则排序,欧洲期刊Oper。第207、4、1455-1470号决议(2010年)·Zbl 1206.91021号
[23] Grzymala Busse,J.W.,LERS-一个数据挖掘系统,(Maimon,O.;Rokach,L.,《数据挖掘和知识发现手册》(2005),施普林格),1347-1351·Zbl 1087.68029号
[24] 雅克·拉盖泽,E。;Siskos,Y.,《偏好分解:20年MCDA经验》,欧洲期刊Oper。决议,130,2,233-245(2001)·Zbl 1068.90566号
[27] Kadziñski,M。;Greco,S。;Słowiáski,R.,稳健序数回归超越排序方法的代表性参数集的选择,计算。操作。研究,39,11,2500-2519(2012)·Zbl 1251.91020号
[28] Kadziñski,M。;Greco,S。;Słowiáski,R.,《稳健多准则排序和选择中代表性值函数的选择》,欧洲期刊Oper。研究,217,3541-553(2012)·Zbl 1244.91026号
[29] Kadziñski,M。;Greco,S。;Słowinski,R.,群决策中稳健序数回归代表值函数的选择,群决策。黑人。,22, 3, 429-462 (2013)
[30] Kadziñski,M。;Słowiáski,R.,DIS-CARD:一种新的将多个标准排序到具有所需基数的类的方法,J.Global Optim。,561143-1166(2013)·Zbl 1272.90072号
[31] Kadziñski,M。;Tervonen,T.,多准则排序问题的随机序数回归,Decis。支持系统。,55, 55-66 (2013)
[32] Kadziñski,M。;Tervonen,T。;Figueira,J.R.,《利用高于排名的偏好模型和特征曲线进行稳健多准则排序》,Omega(2014)
[33] Keeney,R.L。;Raiffa,H.,《多目标决策:偏好和价值权衡》(1976),剑桥大学出版社:剑桥大学出版社·Zbl 0396.90001号
[34] Kuncheva,L.,《组合模式分类器:方法和算法》(2004),威利:威利-奇切斯特·Zbl 1066.68114号
[35] Liou,J.J.H。;Tzeng,G.-H.,《基于优势的粗糙集方法研究航空市场中的客户行为》,Inform。科学。,180, 11, 2230-2238 (2010)
[36] 马林·L。;Isern,D。;莫雷诺,A。;Valls,A.,模糊偏好的在线动态适应,Inform。科学。,220, 5-21 (2013)
[37] Roy,B.,《决策辅助的多准则方法论》(1996年),Kluwer Academic:Kluwer-Academic Dordrecht·Zbl 0893.90108号
[38] 西斯科斯,Y。;格里戈鲁迪斯,E。;克拉萨达基,E。;Matsatsinis,N.F.,《信息技术技能和资格的多标准认证体系》,欧洲期刊Oper。研究,182,2867-885(2007)·Zbl 1121.90373号
[39] Słowiáski,R。;Greco,S。;Matarazo,B.,部分不符合支配原则的多标准分类问题的效用公理化、等级高于和决策规则偏好模型,控制网络。,31, 4, 1005-1035 (2002) ·Zbl 1180.91081号
[40] Słowiáski,R。;Greco,S。;Matarazo,B.,粗糙集和基于规则的多准则决策辅助,Pesqui。操作。,32, 2, 213-269 (2012)
[41] Stefanowski,J.,《基于粗糙集的决策规则归纳方法》(Polkowski,L.;Skowron,A.,《数据挖掘和知识发现中的粗糙集》(1998),《物理学》,500-529·Zbl 0927.68094号
[42] Stefanowski,J.,《知识发现的规则归纳算法》(2001),波兹南理工大学,(波兰语)
[43] 塞拉格,M。;Greco,S。;Słowiski,R.,《基于可变一致性优势的粗糙集方法在多准则排序中的偏好学习》,Inform。科学。,277, 525-552 (2014) ·Zbl 1354.68228号
[44] Tervonen,T。;林科夫,I。;斯蒂文斯,J。;查佩尔,M。;Figueira,J.R。;Merad,M.,《基于风险的纳米材料分类系统》,《纳米颗粒研究杂志》,第11、4、757-766页(2009年)
[45] Tsumoto,S.,基于粗糙集理论从临床数据库中自动提取医学专家系统规则,Inform。科学。,112, 67-84 (1998)
[46] Tsumoto,S.,使用粗糙集和医学诊断模型从临床数据库中挖掘诊断规则,Inform。科学。,162, 65-80 (2004)
[47] 瓦伦蒂尼,G。;Masulli,F.,《学习机器集成》,(Marinaro,M.;Tagliaferri,R.,WIRN.WIRN,《计算机科学讲义》,第2486卷(2002),Springer),3-22·兹比尔1028.68620
[48] Vazirani,V.,近似算法(2001),Springer:Springer New York,USA·Zbl 1138.90417号
[49] Wallenius,J。;Dyer,J.S。;菲律宾Fishburn。;斯特尔·R·E。;辛特斯,S。;Deb,K.,《多准则决策,多属性效用理论:近期成就和未来》,管理。科学。,54, 7, 1336-1349 (2008) ·Zbl 1232.90228号
[50] 威尔克,Sz。;Słowiáski,R。;Michalowski,W。;Greco,S.,《支持在急诊室对腹痛儿童进行分诊》,欧洲期刊Oper。研究,160,3,696-709(2005)·Zbl 1061.90067号
[51] Zopounidis,C。;Doumpos,M.,《多标准分类和排序方法:文献综述》,欧洲期刊Oper。研究,138,2,229-246(2002)·Zbl 1010.90032号
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。