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.
Type de document :
Communication dans un congrès
16ème Journées Francophones Extraction et Gestion des Connaissances, EGC 2016, Jan 2016, Reims, France. pp.345-350, 2016
Liste complète des métadonnées

Littérature citée [6 références]  Voir  Masquer  Télécharger

https://hal.inria.fr/hal-01404913
Contributeur : Miguel Couceiro <>
Soumis le : mardi 29 novembre 2016 - 13:06:38
Dernière modification le : jeudi 11 janvier 2018 - 06:25:24
Document(s) archivé(s) le : lundi 27 mars 2017 - 08:37:14

Fichier

main.pdf
Fichiers produits par l'(les) auteur(s)

Identifiants

  • 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, 2016. 〈hal-01404913〉

Partager

Métriques

Consultations de la notice

353

Téléchargements de fichiers

47