A Rank-Expert Deviation Function to Classify Complex Objects

Cover Page

Cite item

Full Text

Abstract

This paper proposes a novel function for classifying environmental, social, and socio-environmental objects. It is based on the sum of rank deviations between a given object and a reference object considering the significance of the object’s characteristics (factors). Characteristics are estimated using weight coefficients, which are provided by expertise or another method. A verbal numerical scale is developed to assess the proximity of objects by the numerical value of the deviation function. As is demonstrated below, this function is not a metric in the geometric sense but a proximity function defined in multidimensional scaling theory. As illustrative examples, the values of the deviation function are calculated for two applications: an environmental problem of comparing the vulnerability of territories to accidental oil spills and an economic problem of choosing real estate objects to purchase. A recommended sequence with a set of procedures based on the deviation function is presented to solve these problems.

About the authors

V. B Korobov

Shirshov Institute of Oceanology, Russian Academy of Sciences

Email: szoioran@mail.ru
Moscow, Russia

A. G Tutygin

Laverov Federal Center for Integrated Arctic Research, Ural Branch, Russian Academy of Sciences

Email: andgt64@yandex.ru
Arkhangelsk, Russia

A. S Lokhov

Shirshov Institute of Oceanology, Russian Academy of Sciences

Email: a.s.lohov@yandex.ru
Moscow, Russia

References

  1. Хантингтон С. Столкновение цивилизаций. – М.: АСТ: Астрель, 2011. – 571 с. [Huntington, S.P. The Clash of Civilizations and the Remaking of World Order. – New York: Simon & Schuster, 2011. – 368 p.]
  2. Линней К. Философия ботаники. – М.: Наука, 1989. – 456 с. [Linnaeus, C. Linnaeus' Philosophia Botanica. – Oxford: Oxford University Press, 2005. – 428 p.]
  3. Hamming, R.W. Error-Detecting and Error-Correcting Codes // Bell System Technical Journal. – 1950. – Vol. 29, no. 2. – P. 147–160.
  4. Deza, M., Deza, E. Encyclopedia of Distances. – Berlin–Heidelberg: Springer-Verlag, 2009. – 590 p.
  5. Guttman, L. A General Nonmetric Technique for Finding the Smallest Coordinate Space for a Configuration of Points // Psychometrika. – 1968. – Vol. 23, no. 4. – P. 469–506.
  6. Толстова Ю.Н. Основы многомерного шкалирования: учебное пособие. – М.: КДУ, 2006. – 160 с. [Tolstova Yu.N. Osnovy mnogomernogo shkalirovaniya: uchebnoe posobie. – M.: KDU, 2006. – 160 p. (In Russian)]
  7. Everitt, B.S., Landau, S., Leese, M., Stahl, D. Cluster Analysis: Fifth Edition. – Hoboken: John Wiley & Sons, 2011. – 330 p. – doi: 10.1002/9780470977811.
  8. Baccour, L. Amended Fused TOPSIS-VIKOR for Classification (ATOVIC) Applied to Some UCI Data Sets // Expert Systems with Applications. – 2018. – Vol. 99. – Р. 115–125. – doi: 10.1016/j.eswa.2018.01.025.
  9. Yusuf H., Panoutsos G. Multi-criteria Decision Making Using Fuzzy Logic and ATOVIC with Application to Manufacturing // IEEE International Conference on Fuzzy Systems (FUZZ-IEEE). – Glasgow, UK, 2020. – P. 1–7. – doi: 10.1109/FUZZ48607.2020.9177772.
  10. Taunk, K., De, S., Verma, S., Swetapadma, A. A Brief Review of Nearest Neighbor Algorithm for Learning and Classification // International Conference on Intelligent Computing and Control Systems (ICCS). – Madurai, India, 2019. – P. 1255–1260. – doi: 10.1109/ICCS45141.2019.9065747.
  11. Yang F.J. An Implementation of Naive Bayes Classifier // International Conference on Computational Science and Computational Intelligence (CSCI). – Las Vegas, NV, USA, 2018. – P. 301–306. – doi: 10.1109/CSCI46756.2018.00065.
  12. Коробов В.Б., Тутыгин А.Г. Классификационные методы решения эколого-экономических задач. – Архангельск: Поморский университет, 2010. – 310 с. [Korobov, V.B., Tutygin, A.G. Klassifikatsionnye metody resheniya ehkologo-ehkonomicheskikh zadach. – Arkhangel'sk: Pomorskii universitet, 2010. – 310 p. (In Russian)]
  13. Безуглая Э.Ю. Мониторинг состояния атмосферы в городах. – Л.: Гидрометеоиздат, 1986. – 200 с. [Bezuglaya, Eh.Yu. Monitoring sostoyaniya atmosfery v gorodakh. – L.: Gidrometeoizdat. – 1986. – 200 p. (In Russian)]
  14. Лохов А.С., Губайдуллин М.Г., Коробов В.Б., Тутыгин А.Г. Географо-экологическое районирование трассы нефтепровода по степени опасности воздействия на окружающую среду при аварийных разливах нефти в Арктике // Теоретическая и прикладная экология. – 2020. – № 4. – С. 43–48. – doi: 10.25750/1995-4301-2020-4-045-050. [Lokhov, A.S., Gubaidullin, M.G., Korobov, V.B, Tutygin, A.G. Geographical and Ecological Land Zoning of Onshore Oil Pipeline Location by Level of Hazard to Environment from Emergency Oil Spills in Arctic Region // Theoretical and Applied Ecology. – 2020. – No. 4. – P. 43–48. (In Russian)]
  15. Коробов В.Б., Кочуров Б.И., Тутыгин А.Г. Методология районирования сложных географо-экологических объектов экспертно-статистическими методами // Проблемы региональной экологии. – 2020. – № 5. – C. 42–48. [Korobov, V.B., Kochurov, B.I., Tutigin, A.G. Methodology of Zoning of Complex Geographic and Ecological Objects Using Expert Statistical Methods // Problemy regional'noi ehkologii. – 2020. – No. 5. – P. 42–48. (In Russian)]

Supplementary files

Supplementary Files
Action
1. JATS XML
Download


Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».