Une approche de réduction de dimensionnalité pour l'agrégation de préférences qualitatives - Inria - Institut national de recherche en sciences et technologies du numérique Access content directly
Conference Papers Year : 2016

Une approche de réduction de dimensionnalité pour l'agrégation de préférences qualitatives

Abstract

Nous présentons une méthode de réduction de dimensionnalité pour des données de préférences multicritères lorsque l'espace des évaluations est un treillis distributif borné. Cette méthode vise à réduire la complexité des procédures d'apprentissage d'un modèle d'agrégation sur des données qualita-tives. Ainsi nous considérons comme modèle d'agrégation l'intégrale de Su-geno. L'apprentissage d'un tel modèle à partir de données empiriques est un problème d'optimisation à 2 n paramètres (où n est le nombre de critères consi-dérés). La méthode de réduction que nous proposons s'appuie sur l'observation de certaines relations entre les éléments de ces données, et nous donnons des premiers résultats d'applications.
Fichier principal
Vignette du fichier
main.pdf (196.54 Ko) Télécharger le fichier
Origin : Files produced by the author(s)
Loading...

Dates and versions

hal-01404913 , version 1 (29-11-2016)

Identifiers

  • HAL Id : hal-01404913 , version 1

Cite

Quentin Brabant, Miguel Couceiro, Fabien Labernia, Amedeo Napoli. Une approche de réduction de dimensionnalité pour l'agrégation de préférences qualitatives. 16ème Journées Francophones Extraction et Gestion des Connaissances, EGC 2016, Jan 2016, Reims, France. pp.345-350. ⟨hal-01404913⟩
232 View
81 Download

Share

Gmail Facebook X LinkedIn More