MétaCan
Menu
Retour à la cohorte
Enregistrement W2270529708 · doi:10.1080/18756891.2016.1146530

Multi-attribute group decision making based on Choquet integral under interval-valued intuitionistic fuzzy environment

2016· article· en· W2270529708 sur OpenAlexaff
Jindong Qin, Xinwang Liu, Witold Pedrycz

Notice bibliographique

RevueInternational Journal of Computational Intelligence Systems · 2016
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueMulti-Criteria Decision Making
Établissements canadiensUniversity of Alberta
Organismes subventionnairesGovernment of Jiangsu ProvinceSoutheast UniversityNational Natural Science Foundation of China
Mots-clésChoquet integralMathematicsGroup (periodic table)Group decision-makingFuzzy logicInterval (graph theory)Computer scienceArtificial intelligenceCombinatoricsPsychologySocial psychology

Résumé

récupéré en direct d'OpenAlex

In this paper, we propose new methods to represent interdependence among alternative attributes and experts' opinions by constructing Choquet integral using interval-valued intuitionistic fuzzy numbers.In the sequel, we apply these methods to solve the multiple attribute group decision-making (MAGDM) problems under interval-valued intuitionistic fuzzy environment.First, the concept of interval-valued intuitionistic fuzzy Choquet integral is defined, and some elementary properties are studied in detail.Next, an axiomatic system of interval-valued intuitionistic fuzzy measure is established by delivering a series of mathematical proofs.Then, with fuzzy entropy and Shapely-values in game theory, we propose the interval-valued intuitionistic fuzzy measure development methods in order to form the importance measure of attributes and correlation measure of the experts, respectively.Based on the results of theoretical analysis, a new method is proposed to handle the interval-valued intuitionistic fuzzy group decision making problems.A numerical example illustrates the procedure of the proposed methods and verifies the validity and effectiveness of our new proposed methods.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,024

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,006
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,002
Communication savante0,0020,004
Science ouverte0,0020,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,152
Tête enseignante GPT0,428
Écart entre enseignants0,276 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations34
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Computational Intelligence SystemsMême sujetMulti-Criteria Decision MakingTravaux en français237 207