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

Quentin Brabant (1) , Miguel Couceiro (1) , Fabien Labernia (2) , Amedeo Napoli (1)

1 ORPAILLEUR - Knowledge representation, reasonning
2 LAMSADE - Laboratoire d'analyse et modélisation de systèmes pour l'aide à la décision

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 qualita-tives. Ainsi nous considérons comme modèle d'agrégation l'intégrale de Su-geno. 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 consi-dérés). 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.

Domaines: Informatique [cs]

Quentin Brabant, Miguel Couceiro, Fabien Labernia, Amedeo Napoli. Une approche de réduction de dimensionnalité pour l'agrégation de préférences qualitatives. 16ème Journées Francophones Extraction et Gestion des Connaissances, EGC 2016, Jan 2016, Reims, France. pp.345-350. ⟨hal-01404913⟩