4EMKA2

4EMAK2是多准则决策支持的一种新的实现方法,它结合了粗糙集和优势关系的优点。该系统的目的是解决多准则排序问题。系统可以用在许多不同的领域,例如财务、医学、地质学、药理学以及许多其他与大量数据集分析有关的领域。该系统与已使用的系统的主要区别在于它是基于粗糙集理论和优势关系的,是多准则决策支持的一种新方法。该系统的主要功能是从一组已经分类的实例中提取分类规则。这些规则可以用来划分新的数据集。规则以非常方便和可理解的方式呈现为一组“如果……”然后……“句子”。该系统的另一个优点是处理不一致和不完整的数据。这是可能的,因为使用粗糙集与优势关系。将用户的角色简化为分类实例集的准备和归纳规则的分析。这意味着用户停留在他的域范围内。他不必熟悉使用的分析模型的理论基础,在类似的系统,如UTA和Engule中经常出现这种情况。这些系统需要至少更多的技能从用户至少评估一些额外的系数。这意味着我们的系统应该更加友好,需要更少的学习时间。


ZBMaCT中的参考文献(51篇文章中引用)

显示结果1至20的51。
按年份排序(引文
  1. 科伦特,塞尔瓦托;Doumpos,米迦勒;格列柯,塞尔瓦托;S·OWI·SKY,Roopy;Zopounidis,康斯坦丁:基于加性值函数有序回归排序的多准则层次过程(2017)
  2. Diaz Balteiro,L.G.Z.Z,罗梅罗,C.:用多准则方法测量系统的可持续性:一个批判性评论(2017)
  3. 胡,Qiwei;Chakhar,塞勒姆;SiRAJ,Sajid;Labib,AsHRAF:基于优势度粗糙集方法的工业制造中的零件分类(2017)
  4. Mardani,Abbas;Nilashi,Mehrbakhsh;安图切维西,Jureta;Tavana,Madjid;鲍西斯,罗穆尔达斯;易卜拉欣,奥斯曼:粗糙集理论的最新模糊概括:系统回顾和方法论批判(2017)
  5. Rodrigues,Teresa C.;蒙蒂贝尔,吉尔伯托;奥利维拉,M.NICA D.;Bana e Costa,Carlos A.:用推理图模拟多准则价值相互作用(2017)
  6. 格列柯,塞尔瓦托(ED);Ehrgott,马蒂亚斯(ED);菲盖拉,Joee Rui(ED):多准则决策分析。最新的调查。2卷(2016)
  7. KaZi-Ski-Ski,Mi-Osz;格列柯,塞尔瓦托;S·OWI·SKY,Roal:基于优势的粗糙集回归多准则排序的粗糙有序回归(2014)
  8. SZELG,Marcin;格列柯,塞尔瓦托;S·OWI·SKY,Roal:多变量排序中偏好学习的变一致性优势度粗糙集方法(2014)
  9. CopoToTi,安德列;巴贝拉,伊娃:使用模糊概率粗糙集模型的信用评分分析(2012)
  10. 杜尔巴赫,Ian N.;斯图尔特,Theodor J.:多准则决策分析中的不确定性建模(2012)
  11. BasasascZi-Ski,Jerzy;S·OWI·SKI,Roal;SZel-G,Marcin:可变一致粗糙集方法的序贯覆盖规则归纳算法(2011)伊波尔特
  12. 范,团芳;Liau,Churn Jung;刘,杜恩仁:基于不确定性和可能性数据表的基于支配的模糊粗糙集分析(2011)
  13. 苗,Duoqian;高,CAN;张,南;张,智飞:基于部分约简子空间的部分标记数据的共训练(2011)伊波尔特
  14. Bouyssou,丹尼斯;Marchant,蒂埃里:带有序范畴的加性联合测度(2010)
  15. 格列柯,塞尔瓦托;Matarazzo,Benedetto;S·OWI·SKI,Roal:不确定和时间偏好下基于支配的粗糙集方法(2010)
  16. 胡,Qinghua;余,Daren;郭,茅祖:基于模糊偏好的粗糙集(2010)
  17. Jerzy,格列柯,塞尔瓦托;S·OWI,SKY,Road;Szelg,Marcin:单调变量一致粗糙集方法(2009)
  18. 菲盖拉,Joee Rui;格列柯,塞尔瓦托;S·Ovii滑雪,罗马:建立一组附加值函数,表示参考前序和偏好强度:抓取法(2009)
  19. Inuiguchi,Masahiro;吉冈,Yukihiro;Kusunoki,YoHifimi:变精度优势度粗糙集方法和属性约简(2009)
  20. Boutsinas,Basilis,GiNANKOS,IONIIS:提高数据挖掘分类算法准确性的一种方法(2009)