Näytä suppeat kuvailutiedot

dc.contributor.authorYevseyeva, Iryna
dc.date.accessioned2008-08-05T12:42:46Z
dc.date.available2008-08-05T12:42:46Z
dc.date.issued2007
dc.identifier.isbn978-951-39-3097-4
dc.identifier.otheroai:jykdok.linneanet.fi:1050383
dc.identifier.urihttps://jyx.jyu.fi/handle/123456789/18732
dc.description.abstractIryna Yevseyevan väitöskirjan aiheena on päätöksentekijän avustaminen hänen ratkaistessaan vaativia ja monimutkaisia luokittelutehtäviä. Tällaisia tehtäviä esiintyy erityyppisessä diagnostiikassa, esimerkiksi lääketieteen alalla lääkärin diagnosoidessa potilasta, tekniikan alalla insinöörin määrittäessä koneen rikkoutumisen syytä tai talouden alalla sijoittajan arvioidessa riskejä ennen sijoituspäätöstä.Yevseyevan tutkimat ja kehittämät menetelmät ovat avuksi silloin, kun luokittelupäätökset ovat riippuvaisia päätöksentekijän subjektiivisesta tietämyksestä, intuitiosta ja mieltymyksistä. Esitetyt menetelmät mahdollistavat ongelmakentän määrittelyn ja formalisoinnin, ja lisäksi ne tarjoavat tukea päätöksentekijälle.Yevseyeva esittää työssään strukturoidun katsauksen nykyisiin päätöksentekoa avustaviin luokittelupohjaisiin menetelmiin. Perinteiset päätöksenteon apuvälineet vaativat päätöksentekijää antamaan tietoja, joiden avulla voidaan säätää määrätyn matemaattisen mallin parametreja.Yevseyevan kehittämät menetelmät pyrkivät vähentämään päätöksentekijän kognitiivista kuormaa ja yksinkertaistamaan päätöksentekoprosessia. Kehitetyt menetelmät joko pyytävät päätöksentekijältä joitakin esimerkkejä hänen aiemmin tekemistään luokitteluista, tai vaihtoehtoisesti menetelmä pyytää päätöksentekijää luokittelemaan muutamia valikoituja objekteja. Tätä tietoa hyödyntäen menetelmä voi suorittaa itse luokittelun.Uusien menetelmien lisäksi Yevseyeva toteutti myös muita päätöksenteon tukimenetelmiä. Toista uusista menetelmistä sovellettiin neuropsykologisessa diagnostiikassa, erityisesti ADHD-tapausten diagnosoinnissa.fi
dc.description.abstractIn classification problems with decisions highly dependent on subjective information and preferences of a particular decision maker, the multiple criteria decision aiding approaches can be applied. The decision aiding aspect of these techniques allows providing a significant help for the decision maker by defining the problem, formalizing it, and suggesting supportive methods. In this work, we are motivated by the idea of structuring the field of classification based on multicriteria decision aiding approaches. We present a comprehensive state-of-the-art survey of classification with multicriteria decision aiding approaches. We categorize the existing methods and discuss in more detail the most widely-spread methods. For each method, we study advantageous and disadvantageous properties and look for similarities and peculiarities. In addition, we compare different properties of the existing methods. Such analysis indicates gaps in the existing methods and has motivated us to develop two new methods that would fill some gaps.In particular, we have extended stochastic multicriteria acceptability analysis for nominal classification and have created the SMAA-Classification method. The method does not need parametrical information to be specified but assumes that the decision maker may provide some assignment example(s) for each class. The output of the method contains information about acceptability of each alternative to be assigned in each class. On the other hand, for the situation where there is no possibility to specify assignment examples for classes, verbal decision analysis methods may be applied for ordinal classification. They assume absence of any other information about classes but their number and order. The methods are interactive. In a dialog regime, the decision maker has to classify some alternatives selected by the method, but not all.We have developed the Dichotomic Classification method in the framework of verbal decision analysis.We illustrate the methods developed with simple examples and perform some numerical experiments for the data sets available in the multicriteria decision aiding literature. The results of these tests speak for the efficiency of the methods developed in this work. The introduced Dichotomic Classification method is applied to neuropsychological diagnostics, in particular, diagnostics of Attention Deficit - Hyperactivity disorder. We implement the methods introduced and some of the existing methods in the framework of the multicriteria decision support system developed. For completing the up to date picture of the classification with multicriteria decision aiding approaches, we provide some recommendations for selecting a method to be used.en
dc.format.extent181 sivua
dc.language.isoeng
dc.publisherUniversity of Jyväskylä
dc.relation.ispartofseriesJyväskylä studies in computing
dc.relation.isversionofISBN 978-951-39-3049-3
dc.titleSolving classification problems with multicriteria decision aiding approaches
dc.typeDiss.fi
dc.identifier.urnURN:ISBN:978-951-39-3097-4
dc.type.dcmitypeTexten
dc.type.ontasotVäitöskirjafi
dc.type.ontasotDoctoral dissertationen
dc.contributor.tiedekuntaInformaatioteknologian tiedekuntafi
dc.contributor.tiedekuntaFaculty of Information Technologyen
dc.contributor.yliopistoUniversity of Jyväskyläen
dc.contributor.yliopistoJyväskylän yliopistofi
dc.contributor.oppiaineTietotekniikkafi
dc.relation.issn1456-5390
dc.relation.numberinseries84
dc.rights.accesslevelopenAccessfi
dc.subject.ysopäätöksenteko
dc.subject.ysosimulointi
dc.subject.ysooptimointi
dc.subject.ysomenetelmät
dc.subject.ysoluokitukset
dc.subject.ysodiagnostiikka
dc.subject.ysomatemaattiset mallit


Aineistoon kuuluvat tiedostot

Thumbnail

Aineisto kuuluu seuraaviin kokoelmiin

Näytä suppeat kuvailutiedot