Regresión con SVM para reducir la inconsistencia de la matriz AHP

Entre las herramientas de toma de decisiones, el proceso analítico jerárquico (AHP: Analytic Hierarchy Process) es una de las técnicas más usadas. Las propiedades complejas de su estructura permiten tener en cuenta las subjetividades en los juicios de los expertos pero también surge un considerable...

Descripción completa

Detalles Bibliográficos
Autores principales: Favret, Fabián, Rodriguez, Federico Matias, Labat, Marianela Daiana
Formato: Objeto de conferencia
Lenguaje:Español
Publicado: 2015
Materias:
Ciencias Informáticas
toma de decisiones
AHP
SVM
Acceso en línea:http://sedici.unlp.edu.ar/handle/10915/52014
http://44jaiio.sadio.org.ar/sites/default/files/asai1-8.pdf
Aporte de:
SEDICI (UNLP) de Universidad Nacional de La Plata
id I19-R120-10915-52014
record_format dspace
institution Universidad Nacional de La Plata
institution_str I-19
repository_str R-120
collection SEDICI (UNLP)
language Español
topic Ciencias Informáticas
toma de decisiones
AHP
SVM
spellingShingle Ciencias Informáticas
toma de decisiones
AHP
SVM
Favret, Fabián
Rodriguez, Federico Matias
Labat, Marianela Daiana
Regresión con SVM para reducir la inconsistencia de la matriz AHP
topic_facet Ciencias Informáticas
toma de decisiones
AHP
SVM
description Entre las herramientas de toma de decisiones, el proceso analítico jerárquico (AHP: Analytic Hierarchy Process) es una de las técnicas más usadas. Las propiedades complejas de su estructura permiten tener en cuenta las subjetividades en los juicios de los expertos pero también surge un considerable grado de inconsistencia cuando se computan las prioridades entre las alternativas de decisión. El presente trabajo de investigación analiza la herramienta de aprendizaje automático denominada máquina de vectores de soporte (SVM: Support Vector Machine), específicamente la versión de regresión denominada regresión de vectores de soporte épsilon (εSVR: Epsilon Support Vector Regression) para la reducir el grado de consistencia (CR: Consistency Ratio) en las matrices de comparativas de paridad AHP inconsistentes. Las pruebas obtenidas dieron como resultado que SVM tiene un porcentaje de precisión elevado en la predicción para reducir la inconsistencia de las matrices cuando se presentan entradas desconocidas para la red y una convergencia rápida con pocas iteraciones.
format Objeto de conferencia
Objeto de conferencia
author Favret, Fabián
Rodriguez, Federico Matias
Labat, Marianela Daiana
author_facet Favret, Fabián
Rodriguez, Federico Matias
Labat, Marianela Daiana
author_sort Favret, Fabián
title Regresión con SVM para reducir la inconsistencia de la matriz AHP
title_short Regresión con SVM para reducir la inconsistencia de la matriz AHP
title_full Regresión con SVM para reducir la inconsistencia de la matriz AHP
title_fullStr Regresión con SVM para reducir la inconsistencia de la matriz AHP
title_full_unstemmed Regresión con SVM para reducir la inconsistencia de la matriz AHP
title_sort regresión con svm para reducir la inconsistencia de la matriz ahp
publishDate 2015
url http://sedici.unlp.edu.ar/handle/10915/52014
http://44jaiio.sadio.org.ar/sites/default/files/asai1-8.pdf
work_keys_str_mv AT favretfabian regresionconsvmparareducirlainconsistenciadelamatrizahp
AT rodriguezfedericomatias regresionconsvmparareducirlainconsistenciadelamatrizahp
AT labatmarianeladaiana regresionconsvmparareducirlainconsistenciadelamatrizahp
bdutipo_str Repositorios
_version_ 1764820476374286337

Ejemplares similares