Data envelopment analysis classification machine
Data envelopment analysis classification machine
复制标题
数据包络分析分类机
DOI：
10.1016/j.ins.2011.07.011
复制
发表时间：
2011-11
影响因子：
8.1
通讯作者：
Wei, Quanling
中科院分区：
文献类型：
--
作者：
Yan, Hong;Wei, Quanling
本文建立了数据分类机与数据挖掘分析（DEA）模型之间的等价关系，从而建立了基于DEA的分类机。数据由一组值表征。在不失一般性的情况下，假设具有一组较小值的数据是优选的。分类是根据一组预定的特征或属性值来标记特定数据是否属于指定的组。我们把这样的数据作为一个决策单元（DMU）与这些给定的属性值作为输入和人工输出相同的值1。对数据进行分类等价于测试决策单元是否在由样本训练数据集构造的生产可能性集合（称为接受域）中。建议的DEA分类机由一个接受域和一个分类功能。接受域由一个显式的线性不等式系统给出。这使得分类过程在计算上很方便。然后讨论了偏好锥约束分类过程。该方法可以应用于大数据量的分类。此外，研究发现，基于不同DEA模型的DEA分类机具有相同的格式。面向输入和面向输出的DEA分类机具有相似的性质。所开发的方法具有很大的潜力，在实践中与其计算效率。
This paper establishes the equivalent relationship between the data classification machine and the data envelopment analysis (DEA) model, and thus build up a DEA based classification machine. A data is characterized by a set of values. Without loss of the generality, it is assumed that the data with a set of smaller values is preferred. The classification is to label if a particular data belongs to a specified group according to a set of predetermined characteristic or attribute values. We treat such a data as a decision making unit (DMU) with these given attribute values as input and an artificial output of identical value 1. Then classifying a data is equivalent to testing if the DMU is in the production possibility set, called acceptance domain, constructed by a sample training data set. The proposed DEA classification machine consists of an acceptance domain and a classification function. The acceptance domain is given by an explicit system of linear inequalities. This makes the classification process computationally convenient. We then discuss the preference cone restricted classification process. The method can be applied to classifying large amount of data. Furthermore, the research finds that DEA classification machines based on different DEA models have the same format. Input-oriented and output-oriented DEA classification machines have similar properties. The method developed has great potential in practice with its computational efficiency.
登录
查看更多内容
DOI：
10.1016/j.ins.2007.02.030
发表时间：
2007-09
期刊：
Inf. Sci.
影响因子：
--
作者：
Yiqiu Han;Wai Lam;C. Ling
通讯作者：
Yiqiu Han;Wai Lam;C. Ling
DOI：
10.1007/s13042-010-0003-y
发表时间：
2010-09
影响因子：
5.6
作者：
Kevin Small;D. Roth
通讯作者：
Kevin Small;D. Roth
影响因子：
11.9
作者：
Xizhao Wang;Chun-Ru Dong
通讯作者：
Xizhao Wang;Chun-Ru Dong
DOI：
--
发表时间：
1987
期刊：
--
影响因子：
--
作者：
A. Charnes;W. Cooper;Q. Wei
通讯作者：
A. Charnes;W. Cooper;Q. Wei
DOI：
10.1016/j.eswa.2008.12.039
发表时间：
2009-07
期刊：
Expert Syst. Appl.
影响因子：
--
作者：
D. Wu
通讯作者：
D. Wu