Reducción de atributos basada en clases en sistemas de decisión ordenados incompletos

Área de la Ciencia:

• Ciencia de los datos
• Inteligencia artificial
• Aprendizaje automático

Sus antecedentes:

• El enfoque de conjunto aproximado basado en la dominación (DRSA) se utiliza ampliamente para la toma de decisiones de múltiples criterios con datos ordenados por preferencias.
• Los datos del mundo real a menudo presentan desafíos debido a la información incompleta, lo que requiere técnicas robustas de reducción de atributos.
• Los métodos tradicionales de evaluación de atributos en sistemas de decisión ordenados incompletos (IODS) pueden ser costosos desde el punto de vista computacional y pueden pasar por alto el impacto de la clasificación.

Objetivo del estudio:

• Proponer nuevos enfoques de reducción de atributos para los sistemas de decisión ordenados incompletos (IODS).
• Desarrollar un nuevo criterio para la evaluación de la importancia de los atributos que aborde las limitaciones de los métodos existentes.
• Mejorar la eficiencia y la precisión de clasificación de los algoritmos de reducción de atributos.

Principales métodos:

• Conceptos definidos de proximidad entre clases y no dominación entre clases enteras dentro de un IODS.
• Desarrolló un método para calcular la no dominación entre clases utilizando una matriz de dominación expandida.
• Diseñó la reducción de atributos heurísticos basada en el algoritmo de no dominación entre clases (HANDR), incorporando una estrategia de búsqueda heurística.

Principales resultados:

• El algoritmo HANDR propuesto demuestra mejoras significativas en el tiempo de ejecución en comparación con los métodos tradicionales.
• Los experimentos muestran un aumento notable en la precisión de la clasificación utilizando el algoritmo HANDR en conjuntos de datos UCI.
• La no dominación total entre clases demuestra ser un criterio efectivo para la importancia del atributo en IODS.

Conclusiones:

• El algoritmo HANDR ofrece una solución eficiente y precisa para la reducción de atributos en sistemas de decisión ordenados incompletos.
• El criterio de evaluación propuesto, la no dominación total entre las clases, aborda efectivamente los desafíos de la información incompleta en la toma de decisiones.
• Esta investigación contribuye al avance de las técnicas de toma de decisiones basadas en múltiples criterios para conjuntos de datos complejos del mundo real.