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

Résumé : 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.
Document type :
Conference papers
Complete list of metadatas

Cited literature [6 references]  Display  Hide  Download

https://hal.inria.fr/hal-01404913
Contributor : Miguel Couceiro <>
Submitted on : Tuesday, November 29, 2016 - 1:06:38 PM
Last modification on : Tuesday, December 18, 2018 - 4:38:02 PM
Long-term archiving on : Monday, March 27, 2017 - 8:37:14 AM

File

main.pdf
Files produced by the author(s)

Identifiers

  • HAL Id : hal-01404913, version 1

Collections

Citation

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⟩

Share

Metrics

Record views

442

Files downloads

92