您的位置:网站首页 > 《中文科技期刊数据库》 > 工程技术 > 自动化计算机 > 计算机应用 > 摘要

基于神经网络的DEA绩效排序分析

《计算机应用》2019年 第A01期 | 冯长敏 张炳江   北京信息科技大学理学院 北京100192
★ 收藏 | 分享
  • 第1页
  • 第2页
  • 第3页
  • 第4页
论文服务:
摘 要:针对传统数据包络分析(DEA)绩效排序分析方法在假定规模收益可变下会产生不可行解的问题,提出将神经网络计算原理应用到DEA绩效排序分析。首先,利用输出规模可变的DEA模型——BC2模型计算所有的决策单元(DMU)效率值,根据此效率值得出不完全排序结果;接着,把有效的DMUs作为一组学习数据集,利用神经网络模型进行学习训练产生一个光滑的生产前沿面,基于此构造出DEA有效的DMUs;然后,将DMUs新的输出值和原始输出值代入模型求解效率值,利用此效率值进行绩效排序;最后,对原始的不完全排序结果和新的排序结果进行Spearman秩相关分析。数据结果表明,原始不完全排序结果和新的排序结果之间的秩相关系数为0.891,具有强相关性。实验结果表明利用神经网络对DEA绩效排序分析的方法是可行且有效的。
【分 类】【工业技术】 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理(信息加工) > 计算机仿真
【关键词】 数据包络分析(DEA)绩效排序分析 数据包络分析(DEA)有效 BC2模型 神经网络 Spearman秩相关分析
【出 处】 《计算机应用》2019年 第A01期 36-40页 共5页
【收 录】 中文科技期刊数据库