Науковий вісник НГУ

Кластеризація групових експертних оцінок з використанням метрик теорії свідоцтв

• 
• 

Рейтинг користувача:  / 0

ГіршийКращий 

Деталі

Категорія: Інформаційні технології, системний аналіз та керування

Останнє оновлення: 03 жовтня 2016

Опубліковано: 03 жовтня 2016

Перегляди: 3468

Authors:

І.І.Коваленко, д-р техн. наук, проф., Національний університет кораблебудування імені адмірала Макарова, м. Миколаїв, Україна

А.В.Швед, канд. техн. наук, Чорноморський національний університет імені Петра Могили, м. Миколаїв, Україна, e-mail: helenashv@ mail.ru

Abstract:

Мета. Дослідження нових підходів і розробка математичних моделей структуризації (кластеризації) групових експертних оцінок на основі математичного апарату сучасних теорій.

Методика. Базується на математичному апараті теорії свідоцтв, кластерному аналізі. В якості критерію визначення схожості та відмінності кластерів розглянута метрика Jousselme.

Результати. Запропонована методика структуризації експертної інформації дозволяє оцінювати ступінь узгодженості експертних оцінок усередині експертної групи; у разі її відсутності – отримувати розбиття експертної комісії на групи, усередині яких оцінки експертів близькі між собою та характеризуються однорідністю та узгодженістю. Міра узгодженості характеризується ступенем близькості експертних оцінок.

Наукова новизна. Для виявлення й аналізу експертної інформації були використані методи теорії свідоцтв. На відміну від існуючих підходів, дана теорія дозволяє враховувати специфічні форми НЕ-факторів, наприклад, комбінація невизначеності та нечіткості, що виникають у процесі взаємодії між судженнями експертів. Структура таких взаємодій може мати різний характер – вони можуть бути узгодженими, сумісними, довільними; можуть довільним чином об’єднуватися та перетинатися. Це дозволяє проводити більш „тонкий‟ аналіз експертних оцінок. Для розбиття експертної комісії на групи зі схожими думками, запропоновано використовувати метрики теорії свідоцтв, що характеризують ступінь відмінності між виділеними групами експертних свідоцтв. Експертні свідоцтва належать одній групі, якщо значення зазначеної метрики для всіх свідоцтв даної групи не перевищує заданого порогового значення. Для вибору порядку розгляду експертних свідоцтв застосована міра, що відображає ступінь конфлікту між розглянутим свідоцтвом і сформованою множиною експертних свідоцтв.

Практична значимість. Запропонована методика структуризації групових експертних оцінок, сформованих в умовах невизначеності та наявності конфліктуючих експертних свідчень, формує теоретичне підґрунтя для побудови інформаційних технологій аналізу експертної інформації з системним використанням методів моделювання НЕ-факторів як інструментальних засобів систем підтримки прийняття рішень для розробки рекомендацій особі, що приймає рішення за схемою „Ситуація – Варіанти рішення‟.

Ключові слова: теорія свідоцтв, метрики, експертні оцінки, кластеризація, невизначеність

References/Список літератури

1. Orlov, A.I., 2002. Ekspertnye otsenki [Expert estimates]. Moscow: Ekzamen.

Орлов А.И. Экспертные оценки / Орлов А.И. – М.: Экзамен, 2002. – 31 с.

2. Orlov, A.I., 2004. Nechislovaia statistika [Non-numerical statistics]. Moscow: MZ-Press.

Орлов А.И. Нечисловая статистика / Орлов А.И. – М.: МЗ-Пресс, 2004. – 513 с.

3. Orlov, A.I., 2006. Prikladnaia statistika [Applied statistics]. Moscow: Ekzamen.

Орлов А.И. Прикладная статистика / Орлов А.И. –М.: Экзамен, 2006. – 671 с.

4. Valkman, Yu.R., Bykov, V.S. and Rykhalskiy, A.Yu, 2007. Un-factors modelling – the basis of intellectualization of computer technology. Systemni doslidzhennia ta informaciini tekhnolohii, No. 1, pp. 39– 61.

Валькман Ю.Р. Моделирование НЕ-факторов — основа интеллектуализации компьютерных технологий / Ю.Р.Валькман, В.С.Быков, А.Ю.Рыхальский // Системні дослідження та інформаційні технології. – 2007. – № 1. – С. 39–61.

5. Kovalenko, I.I. and Shved, A.V., 2013. Ekspertnye tekhnologii podderzhki priniatiia reshenii: monograph [Expert technologies of decision support: monograph]. Nikolaev: Ilion.

Коваленко И.И. Экспертные технологии поддержки принятия решений: монография / И.И.Коваленко, А.В.Швед. – Николаев: Илион, 2013. – 216 с.

6. Beynon, M.J., 2000. The Dempster–Shafer theory of evidence: an alternative approach to multicriteria decision modelling. Omega, Vol. 28, No. 1, pp. 37–50.

7. Jousselme, A.L., Grenier, D. and Boss’e, E., 2001. A new distance between two bodies of evidence. Information Fusion, Vol. 2, pp. 91–101.

8. Jousselme, A.L., Grenier, D. and Boss’e, E., 2002. Analyzing approximation algorithms in the theory of evidence. Sensor Fusion: Architecture, Algorithms and Applications VI, Vol. 4731, pp. 65–74.

9. Martin, A., Jousselme, A.L. and Osswald, C., 2008. Conflict measure for the discounting operation on belief functions. In: Information Fusion, Proceedings of the 11th International Conference on Information fusion, Germany, 30 June-3 July 2008, Cologne, pp. 1–8.

04_2016_Kovalenko
2016-09-26  417.93 KB  921

• Наступна >