在基于张量的特征表示中采用自适应预测的多准则决策支持
机器学习
2024-01-17 v1 人工智能
信号处理
摘要
多准则决策分析（MCDA）是一种广泛使用的工具，用于支持根据多个准则对一组备选方案进行排序或分类的决策。MCDA 领域的最新研究表明，不仅考虑每个准则的当前评估值，而且考虑过去数据具有相关性。基于过去数据的方法带来了新的挑战，尤其是在时变环境中。本研究通过信号处理的基本工具，如张量表示和自适应预测，来应对这一挑战。具体而言，我们将准则的过去数据构建为一个张量，并通过应用自适应预测，用这些准则的预测值构成信号。此外，我们将时域中的预测转换到一个最有利于决策制定的域，称为特征域。我们提出了 MCDA 方法 PROMETHEE II 的一种新颖扩展，旨在处理特征域中的张量以获得备选方案的排序。使用真实世界时间序列进行了数值实验，并将我们的方法与其他现有策略进行了比较。结果凸显了我们方案的相关性和效率，尤其是对于非平稳时间序列。
引用
@article{arxiv.2401.06868,
title = {Multicriteria decision support employing adaptive prediction in a tensor-based feature representation},
author = {Betania Silva Carneiro Campello and Leonardo Tomazeli Duarte and João Marcos Travassos Romano},
journal= {arXiv preprint arXiv:2401.06868},
year = {2024}
}