dea بر پایه کاهش ابعادی برای رده ای از مسائل دسته بندی

در این پایان نامه نشان می دهیم که dea چطور می تواند برای کاهش ابعاد قائم از مسائل داده کاوی معین استفاده شود و مفاهیم اساسی را با مثالی از دنیای واقعی که کار تصمیم گیری پذیرش فارغ التحصیلی را دارند، توضیح می دهیم. با توجه به اینکه مسائل برنامه ریزی صحیح مختلط کاملاً غیر چندجمله ای اند، در این پایان نامه توضیح می دهیم که مقدار حساس مسائل دسته بندی، می تواند به وسیله حل مدل برنامه ریزی آرمانی ساده برای مسئله کاهش ابعاد قائم از مجموعه اطلاعات یادگیری اولیه بدست آید. با استفاده از داده های شبیه سازی شده و اندازه گیری های انجام شده، هزینه دسته بندی اشتباه اجرای برنامه ریزی آرمانی ابتکاری معرفی شده با dea-da تعمیم یافته با ماهیت برنامه ریزی صحیح مقایسه می شود. با بررسی نتایج حاصل از مثال های عددی معلوم مِی گردد که مدل معرفی شده بر مدل dea-da تعمیم یافته با ماهیت برنامه ریزی صحیح برتری دارد.