Zastosowanie zbiorów przybliżonych z relacją dominacji do klasyfikacji państw Europy pod względem poziomu rozwoju gospodarczego

• Autorzy: Iwona Gruszka
• Języki publikacji: PL

Abstrakty

U podstaw klasycznej teorii zbiorów przybliżonych, zaproponowanej przez Pawlaka, stoi relacja nierozróżnialności. To klasyczne podejście nie jest jednak wystarczające do uchwycenia niespójności w opisie obiektów, które występują w problemach wielokryterialnych. Greco, Materazzo i Słowiński zaproponowali rozszerzenie klasycznej analizy zbiorów przybliżonych, zastępując relację nierozróżnialności relacją dominacji. Podejście to pozwala analizować wielokryterialne problemy klasyfikacyjne. W pracy analizę przeprowadzono w systemie "4eMka". (fragment tekstu)

Słowa kluczowe

PL

Zbiory przybliżone; Teoria zbiorów przybliżonych; Klasyfikacja; Proces decyzyjny

EN

Rough sets; Rough set theory; Classification; Decision proces

• Czasopismo: Prace Naukowe / Akademia Ekonomiczna w Katowicach
• Rocznik: 2006
• Tom: Modelowanie preferencji a ryzyko '06
• Strony: 391--406

Twórcy

autor

Iwona Gruszka

• Akademia Ekonomiczna im. Karola Adamieckiego w Katowicach

Bibliografia

• Caballero R., Gruszka I., Molina J., Słowiński R., Trzaskalik T. (2005). Tabu Search Approach to Discretisation of Evaluation Space for Dominance-based Rough Set Method Applied to Multicriteria Classification (w przygotowaniu).
• Greco S., Materazzo B., Słowiński R. (1996). Rough Approximation of a Preference Relation by Dominance Relation. ICS Research Report 16/96, 13.
• Greco S., Materazzo B., Slowiński R. (1996). On Joint Use of Indiscernibility, Similarity and Dominance Rough Approximation of Decision Classes. ICS Research Report 16/96, 11.
• Greco S., Materazzo B., Slowiński R. (1999). The Use of Rough Sets and Fuzzy Sets in MCDM, Multicriteria Decision Making: Advances in MCDM Models, Algorithms, Theory, and Applications, Kluwer Academic Publihers, Boston/Dordrecht/London.
• Grzymała-Busse J.W. (1992). LERS- A System for Learning from Examples Based on Rough Sets, Intelligent Decision Support. [in:] Handbook of Applications and Advances of The Rough Sets Theory. Eds. R. Slowiński. Kluwer Academic Publisher, 15.
• Pawlak Z. (1982). Rough Sets. International Journal of Computer and Information Sciences, 11, 15.
• Pawlak Z. (1999). Rough Classification. International Journal of Human Computer Studies, 51, 14.
• Stefanowski J. (2001). Algorytmy indukcji reguł decyzyjnych w odkrywaniu wiedzy. Rozprawy 361. Politechnika Poznańska, Poznań.
• Szumski M. (2001). Algorytmy indukcji reguł decyzyjnych z niekompletnych zbiorów danych. Poznań (niepublikowana).
• Welfe A. (2002). Makroekonometryczny kwartalny model gospodarki Polski. UŁ, Łódź.
• Welfe W. (2001). Ekonometryczny model wzrostu gospodarczego. UŁ, Łódź.
• http://forum.europa.eu.int/irc/dsis/nfaccount/info/data/en/titelen.html, European System o Accounts ESA 95.