基于相似与相异度并利用损失函数和改进版卡片法的一种鲁棒分层名义分类方法
人工智能
2019-07-30 v2 最优化与控制
摘要
Cat-SD 是一种用于处理名义分类问题的多准则决策辅助方法。依据多个准则对方案进行评估，并将其指派到一个或多个类别。使用一组参考方案来定义每个类别。方案到给定类别的指派取决于该方案根据相似度阈值与每个参考集的比较。可为每个类别定义不同的准则权重集、交互系数与相似度阈值。我们提议将多准则层次过程（MCHP）应用于 Cat-SD。提出了一种适配的 MCHP，以考虑按层次结构组织的准则之间可能的交互效应。在已知卡片法的基础上，我们还考虑了参数的不精确获取，以考虑准则间的交互与对抗效应。我们提出的获取过程可应用于任何 Electre 方法。为探索 Cat-SD 在可能参数集下所得的指派，我们提议应用随机多准则可接受性分析（SMAA）。SMAA 方法学可对方案分类得出统计结论。所提方法 SMAA-hCat-SD 帮助决策者检查参数变化在层次不同层面对分类的影响。我们还基于损失函数概念提出一种过程，以获得满足决策者给定要求并最终考虑准则层次与应用 SMAA 得到的概率指派的分类。该过程也可应用于任何分类 Electre 方法。
引用
@article{arxiv.1812.08596,
title = {A robust hierarchical nominal classification method based on similarity and dissimilarity using loss function and an improved version of the deck of cards method},
author = {Ana Sara Costa and Salvatore Corrente and Salvatore Greco and José Rui Figueira and José Borbinha},
journal= {arXiv preprint arXiv:1812.08596},
year = {2019}
}