• 0سبد خرید فروشگاه
تعلیم
  • صفحه اصلی
  • محصولات
    • همه تعلیم ها
      • اقتصاد-Economy
        • علوم بورس-Science stock
        • علوم بانکداری-Banking science
        • علوم تجارت-Business Sciences
      • علوم برق-Electrical Sciences
        • مقالات برق-Electrical Articles
        • علوم الکترونیک-Electronic science
      • علوم زیست شناسی-Biological Sciences
        • زمین شناسی-Geology
          • مقالات جغرافیا-Geography Papers
      • علوم اجتماعی-social Sciences
      • علوم ایمنی و بهداشت-Health and safety
        • مقالات ایمنی و بهداشت – Health and safety
      • علوم پزشکی-Medical Sciences
        • علوم روانشناسی-Psychological Science
          • روانشناسی موفقیت-Psychology of success
        • مقالات پزشکی-medical articles
        • مقالات آنتی بیوتیک-Articles antibiotics
        • مقالات دندانپزشکی-Dental articles
      • علوم ریاضیات و فیزیک-Science, mathematics and physics
        • مقالات ریاضی – Mathematical articles
        • مقالات فیزیک-Physics articles
      • علوم زبان انگلیسی-Science in English
      • علوم سیاسی-political science
      • علوم شیمی-Chemical Sciences
        • مقالات شیمی-Chemistry Articles
        • مقالات پتروشیمی-Petrochemical articles
      • علوم صنایع غذایی-Food Industry Science
        • علوم تغذیه-nutrition science
      • علوم صنایع-Industrial science
        • مهندسی مواد-Materials Engineering
          • مقالات متالورژی- Metallurgy Articles
      • علوم عمران-Civil Sciences
        • مقالات عمران-Civil Articles
      • علوم کامپیوتر-computer science
        • مقالات فناوری اطلاعات-Articles of Information Technology
        • مقالات کامپیوتر-Computer Articles
          • دیتابیس-database
          • داده کاوی-Data Mining
          • داده های عظیم-Big data
          • رایانش ابری-cloud computing
          • هادوپ-Hadoop
          • سیستم فازی-Fuzzy System
      • علوم کشاورزی-Agricultural Sciences
        • مقالات کشاورزی-Agricultural Articles
        • مقالات شیلات-Fisheries Articles
        • مقالات محیط زیست-Environmental articles
      • علوم مالی و اداری-Financial and Administrative Science
        • مقالات حسابداری-Accountant Articles
      • علوم مدیریت-Management Sciences
        • مدیریت کسب و کار-business management
        • مقالات مدیریت-Management Articles
        • مقالات کارآفرینی-Entrepreneurship articles
      • علوم تربیت بدنی-Physical Education Sciences
      • علوم ورزشی-Sports Sciences
      • علوم معماری-Architectural Science
      • علوم هنر-Art Science
      • علوم مکانیک-Mechanical Sciences
        • مقالات مکانیک-Mechanical Articles
      • مذهبی-Religious
      • ادبیات-Literature
        • مقالات زبان فارسی-Articles in Persian language
  • مجله اینترنتی
  • حساب کاربری من
  • آموزش دانلود
  • قوانین سایت
  • درباره ما
  • جستجو
  • منو منو
Efficiency evaluation based-taliem-ir

Efficiency evaluation based on data envelopment analysis in the big data context

۰ تومان

Data envelopment analysis (DEA) is a self-evaluation method which assesses the relative efficiency of a particular decision making unit (DMU) within a group of DMUs. It has been widely applied in real-world scenarios, and traditional DEA models with a limited number of variables and linear constraints can be computed easily. However, DEA using big data involves huge numbers of DMUs, which may increase the computational load to beyond what is practical with traditional DEA methods. In this paper, we propose novel algorithms to accelerate the computation process in the big data environment. Specifically, we firstly use an algorithm to divide the large scale DMUs into small scale and identify all strongly efficient DMUs. If the strongly efficient DMU set is not too large, we can use the efficient DMUs as a sample set to evaluate the efficiency of inefficient DMUs. Otherwise, we can identify two reference points as the sample in the situation of just one input and one output. Furthermore, a variant of the algorithm is presented to handle cases with multiple inputs or multiple outputs, in which some of the strongly efficient DMUs are reselected as  a reduced-size sample set to precisely measure the efficiency of inefficient DMUs. Last, we test the proposed methods on simulated data in various scenarios.

دسته: علوم صنایع-Industrial science, مقالات-Article برچسب: Big Data, Data envelopment analysis, Decision making unit, industry, Large-scale computation
  • توضیحات
  • نظرات (0)

توضیحات

ABSTRACT

Data envelopment analysis (DEA) is a self-evaluation method which assesses the relative efficiency of a particular decision making unit (DMU) within a group of DMUs. It has been widely applied in real-world scenarios, and traditional DEA models with a limited number of variables and linear constraints can be computed easily. However, DEA using big data involves huge numbers of DMUs, which may increase the computational load to beyond what is practical with traditional DEA methods. In this paper, we propose novel algorithms to accelerate the computation process in the big data environment. Specifically, we firstly use an algorithm to divide the large scale DMUs into small scale and identify all strongly efficient DMUs. If the strongly efficient DMU set is not too large, we can use the efficient DMUs as a sample set to evaluate the efficiency of inefficient DMUs. Otherwise, we can identify two reference points as the sample in the situation of just one input and one output. Furthermore, a variant of the algorithm is presented to handle cases with multiple inputs or multiple outputs, in which some of the strongly efficient DMUs are reselected as a reduced-size sample set to precisely measure the efficiency of inefficient DMUs. Last, we test the proposed methods on simulated data in various scenarios.

 

چکیده

تجزیه و تحلیل پوشش داده ها (DEA) یک روش خود ارزیابی است که کارایی نسبی واحد تصمیم گیری (DMU) را در یک گروه از DMU ها ارزیابی می کند. این برنامه در حال حاضر به طور گسترده ای در حال اجرا است و مدل های DEA سنتی با تعداد محدودی از متغیرها و محدودیت های خطی را می توان به راحتی محاسبه کرد. با این حال، DEA با استفاده از داده های بزرگ شامل تعداد زیادی از DMU ها می شود که ممکن است بار محاسباتی را فراتر از آنچه عملی با روش های DEA سنتی است افزایش دهد. در این مقاله، الگوریتم های جدیدی را برای سرعت بخشیدن به پردازش محاسبات در محیط داده بزرگ پیشنهاد می کنیم. به طور خاص، ابتدا از یک الگوریتم برای تقسیم DMU های بزرگ در مقیاس کوچک استفاده می کنیم و همه DMU های کارآمد را شناسایی می کنیم. اگر مجموعه DMU بسیار کارآمد نیست بیش از حد بزرگ است، ما می توانیم از DMU های کارآمد به عنوان مجموعه نمونه برای ارزیابی کارایی DMU های ناکارآمد استفاده کنیم. در غیر این صورت، ما می توانیم دو نقطه مرجع را به عنوان نمونه در وضعیت فقط یک ورودی و یک خروجی شناسایی کنیم. علاوه بر این، یک نوع از الگوریتم ارائه شده برای رسیدگی به موارد با ورودی های متعدد و یا خروجی های متعدد، که در آن برخی از DMU های کارآمد به عنوان یک نمونه اندازه گیری شده اندازه گیری شده به منظور دقیق اندازه گیری بهره وری از DMU ناکارآمد را انتخاب مجدد. آخر، ما روشهای پیشنهادی را در داده های شبیه سازی شده در سناریوهای مختلف آزمایش می کنیم.

 

Year: ۲۰۱۸

Publisher : ELSEVIER

 By : Qingyuan Zhu , Jie Wu , Malin Song

File Information: English Language/ 31 Page / size: 854 KB

Download

سال : ۱۳۹۶

ناشر : ELSEVIER

کاری از : Qingyuan Zhu، Jie Wu، Malin Song

اطلاعات فایل : زبان انگلیسی / 31 صفحه / حجم : KB 854

لینک دانلود      

 

نقد و بررسی‌ها

هیچ دیدگاهی برای این محصول نوشته نشده است.

اولین کسی باشید که دیدگاهی می نویسد “Efficiency evaluation based on data envelopment analysis in the big data context” لغو پاسخ

برای فرستادن دیدگاه، باید وارد شده باشید.

محصولات مرتبط

  • Research on Construction Methods of Big Data Semantic Model

    ۰ تومان
    افزودن به سبد خرید نمایش جزئیات
  • A Survey on Recommender Systems (RSS) and Its Applications

    ۰ تومان
    افزودن به سبد خرید نمایش جزئیات
  • The Internet of Things: A survey

    ۰ تومان
    افزودن به سبد خرید نمایش جزئیات
  • New Signal Designs for Enhanced Spatial Modulation

    ۰ تومان
    افزودن به سبد خرید نمایش جزئیات

درباره فروشگاه

  • ایران
  • تعلیم مرکزی از دانش و علم و فناوریست ،جایی است که کلی مقاله و پروپزال رایگان در اختیار شما کاربران عزیز قرار می گیرد
  • info[at]taliem.ir

دوست عزیز شما می توانید فایل های رایگانی از جمله : نرم افزار ، کتاب ، جزوه ، مقاله و پروپوزال و غیره را از سایت تعلیم دانلود کنید و لازم به ذکر است که 80 در صد محصولات سایت تعلیم به صورت کاملا رایگان ارائه می شود.

در صورتی که فایل یا مقاله ای در سایت نشر داده شده است که دارای حق نشر می باشد خواهشمند است نویسنده یا ناشر با ایمیل زیر ما را در جریان قرار دهد تا از سایت حذف گردد

                taliemsite[@]gmail.com

شما را از پربازدید ترین مقالات مطلع می کنیم

دوست خوبم در صورت هر سوال یا مشکل از طریق تلفن یا پست الکترونیکی زیر می توانیم بهترین خدمات را به شما ارائه دهیم و مطمئن باشید تمام سعی خود را جهت ارائه بهترین خدمت به شما تقدیم خواهیم کرد.

تلفن:07734236086[دور کار-با ایمیل باشما هستیم]

پست الکترونیک : info[@]taliem.ir

اینستاگرام : taliemsit

تعلیم دانشگاهی برای تمام علوم
  • Facebook
  • Twitter
  • LinkedIn
  • Instagram
  • Pinterest
  • Reddit
نگرشی بر اقلیم توریستی با تأکید بر ویلاهای رو آبی...neghareshi bar eghhlim-taliem-irTrends and Future Directions-taliem-irTrends and Future Directions in Sustainable Development
رفتن به بالا