公开(公告)号：CN108573344A

公开(公告)日：2018-09-25

申请号：CN201810311173.3

申请日：2018-04-09

Applicant: 安徽财经大学

Inventor： 宋马林 ,  安庆贤 ,  周健 ,  章琛

IPC: G06Q10/06

CPC classification number: G06Q10/06375 ,  G06Q10/0639

Abstract: 本发明公开一种基于小样本的香农熵DEA评价方法，包括根据不同的指标子集求解DEA模型K次得到相对效率矩阵标准化效率矩阵[Ejk]n×K；计算香农熵；计算指标子集组合Mk的差异度dk＝1-fk,k＝1,2,...,K；对dk进行标准化；计算综合效率值θj， 如果θj＝1,j＝1,2,...,n，那么DMUj为综合DEA有效；本发明实现对小样本决策单元进行完全排序，该方法考虑所有可能的指标子集情况，弥补了传统DEA模型只依据某一特定的指标集合进行评价的缺陷。

公开(公告)号：CN108537275A

公开(公告)日：2018-09-14

申请号：CN201810310638.3

申请日：2018-04-09

Applicant: 安徽财经大学

Inventor： 宋马林 ,  安庆贤 ,  周健 ,  章琛

IPC: G06K9/62

CPC classification number: G06K9/6218 ,  G06K9/6265

Abstract: 本发明公开一种基于小样本效率表现的聚类方法，包括以下步骤：建立基于最优前沿面的超效率模型，建立基于最劣前沿面的超效率模型，对决策单元采用离差平方和法进行归类；本发明为了更好地解决多输入多输出类型小样本的聚类问题，克服传统的DEA方法一般只将决策单元归为有效和非有效两类的缺陷；本发明基于数据包络分析方法和数据挖掘技术的决策单元判别分析方法，利用在超效率DEA效率值对决策单元进行聚类分析，继承了数据包络分析无需处理量纲的优点，同时能获得比较合理的聚类结果。