Strategie integrate di riqualificazione urbana e sviluppo locale nel ...
Strategie integrate di riqualificazione urbana e sviluppo locale nel ...
Strategie integrate di riqualificazione urbana e sviluppo locale nel ...
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
Tali relazioni tra valori <strong>di</strong> attributi si possono esprimere in termini <strong>di</strong> regole decisionali<br />
e si può operare una riduzione <strong>di</strong> attributi e casi superflui <strong>nel</strong>l’ambito del sistema<br />
informativo.<br />
Taluni attributi sono espressi in forma quantitativa, ad esempio definiti sulla base <strong>di</strong><br />
intervalli numerici, altri in modo qualitativo, per cui il loro dominio consiste <strong>di</strong> co<strong>di</strong>ci<br />
linguistici nominali oppure or<strong>di</strong>nali.<br />
Inoltre, possono rivelarsi possibili ambiguità <strong>nel</strong>la definizione della classificazione <strong>di</strong><br />
oggetti, causate da incoerenze <strong>nel</strong>la descrizione degli oggetti stessi, per cui alcuni sono<br />
descritti dagli stessi valori <strong>di</strong> attributi con<strong>di</strong>zionali ma vengono assegnati a <strong>di</strong>fferenti<br />
valori <strong>di</strong> attributi decisionali. Ciò rischia <strong>di</strong> impe<strong>di</strong>re una precisa definizione delle<br />
classificazioni <strong>di</strong> oggetti e la ricerca <strong>di</strong> relazioni tra valori <strong>di</strong> attributi con<strong>di</strong>zionali e<br />
decisionali.<br />
L’“approccio dei rough sets” introdotto da Pawlak si rivela uno strumento molto utile<br />
per l’analisi <strong>di</strong> tali serie <strong>di</strong> dati, soprattutto se caratterizzati da un certo grado <strong>di</strong><br />
ambiguità e non adatti ai meto<strong>di</strong> statistici or<strong>di</strong>nari e più tra<strong>di</strong>zionali.<br />
Tale approccio consente <strong>di</strong> 312 :<br />
- valutare l’importanza degli attributi con<strong>di</strong>zionali per la definizione <strong>di</strong> una<br />
classificazione <strong>di</strong> oggetti tramite valori <strong>di</strong> attributi decisionali scelti;<br />
- ridurre oggetti ed attributi ridondanti nei sistemi informativi, in modo tale da<br />
<strong>di</strong>sporre <strong>di</strong> serie minime <strong>di</strong> attributi che garantiscano una sod<strong>di</strong>sfacente<br />
approssimazione della classificazione <strong>di</strong> oggetti;<br />
- creare modelli degli oggetti più rappresentativi per particolari classi decisionali<br />
(ad es. classi <strong>di</strong> una classificazione definita da valori degli attributi decisionali);<br />
- rappresentare le relazioni tra la serie minima <strong>di</strong> attributi con<strong>di</strong>zionali e quella <strong>di</strong><br />
attributi decisionali sotto forma <strong>di</strong> una serie <strong>di</strong> regole decisionali.<br />
La serie <strong>di</strong> regole decisionali e le informazioni relative agli attributi più significativi per<br />
la classificazione <strong>di</strong> oggetti possono essere trattate quale rappresentazione della<br />
conoscenza acquisita da uno specialista in merito a tutti i casi/oggetti conosciuti<br />
contenuti <strong>nel</strong> suo sistema informativo. Tale forma <strong>di</strong> rappresentazione è priva <strong>di</strong> tutte le<br />
ridondanze tipiche <strong>di</strong> una base dati reale, che copre molteplici fattori <strong>di</strong> esperienza.<br />
Inoltre, i risultati ottenuti con l’approccio dei rough sets sono espressi in una forma<br />
simile a quella del linguaggio umano, per cui risultano facilmente comprensibili<br />
all’utente/analista, consentendo <strong>di</strong> elaborare in maniera relativamente facile la<br />
giustificazione/spiegazione per le conclusioni derivanti dalla analisi dei dati.<br />
Infine, è possibile controllare e ripercorrere facilmente il processo e i risultati non<br />
vengono alterati da valutazioni in<strong>di</strong>rette soggettive o da operatori scelti arbitrariamente.<br />
8.7.1. L’Approccio Rough Set basato sulla Dominanza ed il Software 4eMka<br />
Sebbene si sia fatto ricorso alla teoria Rough Set 313 , si è adottato un approccio <strong>di</strong>fferente<br />
da quello classico (Classical Rough Set Approach), in quanto se ne adopera uno basato<br />
sulla dominanza (Dominance Rough Set Approach), che prende in considerazione or<strong>di</strong>ni<br />
<strong>di</strong> preferenza nei domini degli attributi e <strong>nel</strong>la serie <strong>di</strong> classi decisionali 314 .<br />
312 Cfr. (1999), Rose 2. Rough Set Data Explorer, User’s Guide, ProSoft. Cfr. anche Pawlak Z. (1982),<br />
Rough Sets, International Journal of Information and Computer Science 11, 1982, no. 5.<br />
313 In merito ad applicazioni della teoria Rough Set, si vedano: Cerreta M. “<strong>Strategie</strong> <strong>integrate</strong> <strong>di</strong><br />
sostenibilità: le valutazioni ex post per la costruzione dell’alternativa ecologica”, e De Toro P.<br />
“Conservazione integrata e valutazioni <strong>integrate</strong>: percorsi <strong>di</strong> <strong>sviluppo</strong> sostenibile in tre villaggi rurali<br />
degli Appennini”, in Fusco Girard L., Nijkamp P. (a cura <strong>di</strong>) (2004), Energia, bellezza, partecipazione:<br />
La sfida della sostenibilità. Valutazioni <strong>integrate</strong> tra conservazione e <strong>sviluppo</strong>, Franco Angeli, Milano.<br />
314 Cfr. Greco S., Matarazzo B., Slowinski R. (2000), Multicriteria Classification by Dominance-Based<br />
Rough Set Approach. Methodological Basis of the 4eMka System, in cui vengono esplicate basi