基于有序加权信念散度度量的观察者间变异性评估在MAGDM中的应用——以集成分类器特征融合为例
人工智能
2024-09-16 v1 信息论
math.IT
摘要
大量多属性群决策（MAGDM）方法已被广泛引入以获得共识结果。然而，大多数方法忽略了专家意见之间的冲突，仅考虑它们相等或可变的优先级。因此，本研究旨在通过评估观察者间变异性并处理专家之间出现的不确定性，提出一种证据MAGDM方法。所提出的框架有四个贡献。首先，引入基本概率分配（BPA）生成方法，通过计算信念度来考虑每个备选方案的内在特征。其次，构建有序加权信念和似然度量，通过评估观察者间变异性并处理专家组之间出现的冲突，来捕获备选方案的整体内在信息。构建有序加权信念散度度量，以获取每个专家组获得最终偏好关系的加权支持。最后，我们给出了所提出的证据MAGDM框架的一个说明性示例。此外，我们分析了证据MAGDM在集成分类器特征融合实际应用中的解释，该应用使用光学相干断层扫描图像诊断视网膜疾病。
引用
@article{arxiv.2409.08450,
title = {Inter Observer Variability Assessment through Ordered Weighted Belief Divergence Measure in MAGDM Application to the Ensemble Classifier Feature Fusion},
author = {Pragya Gupta and Debjani Chakraborty and Debashree Guha},
journal= {arXiv preprint arXiv:2409.08450},
year = {2024}
}