• français
    • English
  • English 
    • français
    • English
  • Login
JavaScript is disabled for your browser. Some features of this site may not work without it.
BIRD Home

Browse

This CollectionBy Issue DateAuthorsTitlesSubjectsJournals BIRDResearch centres & CollectionsBy Issue DateAuthorsTitlesSubjectsJournals

My Account

Login

Statistics

View Usage Statistics

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

Thumbnail
Date
2016
Notes
RNTI-E-30
Link to item file
https://hal.inria.fr/hal-01404913
Dewey
Programmation, logiciels, organisation des données
Sujet
agrégation; données qualitatives
Conference name
16ème Journées Francophones Extraction et Gestion des Connaissances, EGC 2016
Conference date
01-2016
Conference city
Reims
Conference country
France
Book title
16ème Journées Francophones Extraction et Gestion des Connaissances, EGC 2016
Author
de Runz, Cyril; Crémilleux, Bruno
Publisher
RNTI
URI
https://basepub.dauphine.fr/handle/123456789/20982
Collections
  • LAMSADE : Publications
Metadata
Show full item record
Author
Brabant, Quentin
206040 Laboratoire Lorrain de Recherche en Informatique et ses Applications [LORIA]
Couceiro, Miguel
206040 Laboratoire Lorrain de Recherche en Informatique et ses Applications [LORIA]
Labernia, Fabien
989 Laboratoire d'analyse et modélisation de systèmes pour l'aide à la décision [LAMSADE]
Napoli, Amedeo
206040 Laboratoire Lorrain de Recherche en Informatique et ses Applications [LORIA]
Type
Communication / Conférence
Item number of pages
345-350
Abstract (EN)
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 qualitatives. Ainsi nous considérons comme modèle d'agrégation l'intégrale de Sugeno. 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 considérés). 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.

  • Accueil Bibliothèque
  • Site de l'Université Paris-Dauphine
  • Contact
SCD Paris Dauphine - Place du Maréchal de Lattre de Tassigny 75775 Paris Cedex 16

 Content on this site is licensed under a Creative Commons 2.0 France (CC BY-NC-ND 2.0) license.