دانلود مقاله تصمیم گیری چند شاخصه سه طرفه بر اساس تئوری پشیمانی در داده های پزشکی
ترجمه نشده

دانلود مقاله تصمیم گیری چند شاخصه سه طرفه بر اساس تئوری پشیمانی در داده های پزشکی

عنوان فارسی مقاله: یک روش تصمیم گیری چند ویژگی سه طرفه بر اساس تئوری پشیمانی و کاربرد آن در داده های پزشکی در محیط های فازی
عنوان انگلیسی مقاله: A three-way multi-attribute decision making method based on regret theory and its application to medical data in fuzzy environments
مجله/کنفرانس: محاسبات نرم کاربردی - Applied Soft Computing
رشته های تحصیلی مرتبط: مدیریت - پزشکی - روانشناسی
گرایش های تحصیلی مرتبط: مدیریت اجرایی - قلب و عروق - روانشناسی عمومی - انفورماتیک پزشکی
کلمات کلیدی فارسی: نظریه پشیمانی - تصمیم گیری چند شاخصه - رابطه برتری - روانشناسی رفتار - تصمیم گیری سه طرفه
کلمات کلیدی انگلیسی: Regret theory - Multi-attribute decision making - Outranking relation - Behavior psychology - Three-way decision
نوع نگارش مقاله: مقاله پژوهشی (Research Article)
شناسه دیجیتال (DOI): https://doi.org/10.1016/j.asoc.2022.108975
لینک سایت مرجع: https://www.sciencedirect.com/science/article/abs/pii/S1568494622003118
نویسندگان: Jinxing Zhu - Xueling Ma - Jianming Zhan - Yiyu Yao
دانشگاه: Department of Computer Science, University of Regina, Canada
صفحات مقاله انگلیسی: 28
ناشر: الزویر - Elsevier
نوع ارائه مقاله: ژورنال
نوع مقاله: ISI
سال انتشار مقاله: 2022
ایمپکت فاکتور: 9.028 در سال 2020
شاخص H_index: 156 در سال 2022
شاخص SJR: 1.959 در سال 2020
شناسه ISSN: 1568-4946
شاخص Quartile (چارک): Q1 در سال 2020
فرمت مقاله انگلیسی: PDF
وضعیت ترجمه: ترجمه نشده است
قیمت مقاله انگلیسی: رایگان
آیا این مقاله بیس است: بله
آیا این مقاله مدل مفهومی دارد: دارد
آیا این مقاله پرسشنامه دارد: ندارد
آیا این مقاله متغیر دارد: دارد
آیا این مقاله فرضیه دارد: ندارد
کد محصول: e17137
رفرنس: دارای رفرنس در داخل متن و انتهای مقاله
نوع رفرنس دهی: vancouver
فهرست مطالب (ترجمه)


1. مقدمه

2. مروری بر 3WD، روش ROMETHEE-II و RT

3. 3WD با RT

4. یک مثال گویا

5. بحث

6. ارزیابی های تجربی

7. آزمایش مجموعه داده ها

8. نتیجه گیری

بیانیه مشارکت نویسنده CRediT

اعلامیه منافع رقابتی



فهرست مطالب (انگلیسی)


1. Introduction

2. An overview of 3WD, the ROMETHEE-II method and RT

3. 3WD with RT

4. An illustrative example

5. Discussion

6. Experimental evaluations

7. Data set experiments

8. Conclusions

CRediT authorship contribution statement

Declaration of competing interest



بخشی از مقاله (ترجمه ماشینی)


     بیماری قلبی عروقی یکی از علل اصلی مرگ و میر جهانی است و نظارت به موقع می تواند میزان آن را تعیین کند. پزشکان از این شاخص های تشخیصی برای اتخاذ تصمیمات علمی و منطقی استفاده می کنند. با این حال، زمانی که تصمیم گیرندگان (DMs) با خطراتی در محیط های پیچیده مواجه می شوند، عقلانیت محدود آنها ممکن است بر رفتارهای تصمیم گیری تأثیر بگذارد. بنابراین، این مقاله یک روش تصمیم‌گیری چند ویژگی سه‌طرفه جدید بر اساس نظریه پشیمانی (3W-MADM-R) را بررسی می‌کند که از داده‌های بیماری قلبی برای تصمیم‌گیری در محیط‌های فازی استفاده می‌کند. سه مرحله اصلی در توسعه 3W-MADM-R وجود دارد، یعنی (i) ما مفهوم توابع نتیجه نسبی و توابع سودمند مبتنی بر پشیمانی انباشته مربوط به هر شی را پیشنهاد می کنیم. (2) ما احتمال شرطی را از طریق یک مجموعه برتر از رتبه تعریف شده توسط یک رابطه برتری بر اساس روش رتبه‌بندی اولویت سازمان برای ارزیابی غنی‌سازی (PROMETHEE II) برآورد می‌کنیم. (iii) قوانین تصمیم گیری سه طرفه را برای حل مشکلات خوشه بندی و رتبه بندی اشیاء در تجزیه و تحلیل داده ها ایجاد می کنیم. به منظور نشان دادن سودمندی 3W-MADM-R، ما از آن برای تجزیه و تحلیل داده های بیماری قلبی استفاده می کنیم. با مقایسه با نتایج سایر روش‌ها، امکان‌سنجی، پایداری و برتری روش 3W-MADM-R ارائه شده را نشان می‌دهیم.

توجه! این متن ترجمه ماشینی بوده و توسط مترجمین ای ترجمه، ترجمه نشده است.

بخشی از مقاله (انگلیسی)


     Cardiovascular disease is a global leading cause of death, and timely monitoring can determine its extent. Clinicians use these diagnostic indicators to make scientific and reasonable decisions. However, when decision-makers (DMs) encounter risks in complex environments, their limited rationality may affect decision behaviors. Therefore, the paper explores a new three-way multi-attribute decision making method based on regret theory (3W-MADM-R), which uses heart disease data to make decisions in fuzzy environments. There are three main steps in developing 3W-MADM-R, i.e., (i) we propose the notion of relative outcome functions and corresponding aggregated regret-based utility functions of each object; (ii) we estimate the conditional probability via an outranked set defined by an outranking relation based on the Preference Ranking Organization Method for Enrichment Evaluation (PROMETHEE II); (iii) we construct three-way decision rules to solve the problems of clustering and ranking of objects in data analysis. In order to demonstrate the usefulness of 3W-MADM-R, we apply it to analyze heart disease data. By comparing with results of other methods, we show the feasibility, stability and superiority of the presented 3W-MADM-R method.


     Multi-attribute decision making (MADM) refers to a decision problem in which the importance of different attributes is considered and the decision scheme is ranked or the optimal one is selected. There are many applications of MADM methods in management, engineering design, economics and other fields. For instance, Churchman et al. [1] first used a simple weighting method to solve the problem of “choosing the investment policy of enterprises”. At present, the classic MADM methods, including the TOPSIS method [2], the ELECTRE method [3], the PROMETHEE-II method [4] and others. Meanwhile, many types of uncertainties have been considered in MADM methods, including randomness [5], fuzziness [6] and roughness [7]. According to the behavior characteristics of a DM, stochastic, fuzzy-set, and rough-set-based MADM models have been proposed and investigated [8], [9], [10], [11], [12].

     With the rise of MADM techniques, their applications in the medical field [13] have become more and more widespread. A case in point is that the MADM method can be applied to solve cardiovascular and cerebrovascular diseases that seriously threaten human health. According to a report released by World Health Organization (WHO), 18 million people die from cardiovascular diseases each year, and 85% of which are due to heart disease and stroke. Data from the National Bureau of Statistics (https://data.stats.gov.cn/) show that the proportion of deaths due to heart disease in the total number of deaths is increasing year by year and has reached 23.65% in 2019. Therefore, the prevention and control of heart disease need joint efforts of all individuals. Early monitoring, diagnosis and treatment can effectively reduce the morbidity and mortality of heart disease and improve the life quality of patients. One of the key problems in the field of life sciences is how to quickly and effectively diagnose heart disease. At present, routine detection items for this disease mainly include blood pressure, electrocardiogram, blood routine, blood lipids, blood glucose, hemorheology, and so forth. These tests will help clinicians to determine the location and extent of cardiovascular diseases. However, in complex environments, facing with limited rationality owned by DMs and different forms of biomedical data, there are two issues that need to be addressed. One is how to effectively and reasonably deal with ambiguities in psychological and medical data along with the bounded rationality of DMs, and the other one is how DMs with limited rationality apply these data to diagnose a variety of diseases. In real world, clinical decision making and other aspects remain to be explored.


     In recent years, the researches on MADM problems and 3WD models have become the mainstream. On this basis, we have combined RT with the traditional PROMETHEE-II method to construct a new 3W-MADM-R method to solve the decision making problems with behavioral psychology in real life. The effectiveness and superiority of our proposed method have been verified by an illustrative example and comparative analysis of other methods. In addition, in order to demonstrate the stability and feasibility of the 3W-MADM-R method, parameter analysis has been carried out and another three data sets have been added for further verification. The main contributions of this paper are summarized as follows:

     (1) Based on the net-flow of the traditional PROMETHEE-II method, we have constructed a new outranking relation and objectively given the membership degree of the membership function to calculate the conditional probability, which solves the deficiency of the existing methods [38,39].