تخمين كمترين تعداد مولفه هاي تابع تمايز قطعه‌اي خطي در تحليل مميز با استفاده از تحليل پوششي داده‌ها

يكي از روش‌هاي توسعه مدل‌هاي طبقه‌بندي استفاده از مدل هاي برنامه‌ريزي رياضي تحليل مميز است. اكثر روش‌هاي برنامه‌ريزي رياضي عموماً براي توسعه طبقه‌بندي خطي استفاده شده اند، اما مدل هاي طبقه‌بندي غيرخطي مي توانند عملكرد طبقه‌بندي بهتري نسبت به مدل هاي خطي داشته باشند و با در نظر گرفتن اين كه از توابع قطعه اي خطي مي توان براي تقريب توابع غيرخطي استفاده كرد يك مدل برنامه ريزي رياضي كه از حداقل مجموع انحرافات به عنوان تابع هدف استفاده مي كند براي توليد توابع تمايز قطعه اي خطي معرفي مي گردد. براي بهبود مدل معرفي شده به منظور صرفه جويي در هزينه و بهبود سرعت فرايند مدل، اين مدل به حالتي-كه با در نظر گرفتن يك مقدار خطاي مشخص، كمترين تعداد مولفه را توليد مي كند توسعه داده مي شود. كاربرد مدل ارايه شده بر روي 100 شعبه بانك هاي ژاپن، كه توسط متخصصين موسسه مالي ژاپن به دو گروه تقسيم شده اند نشان داده مي شود كه نتيجه به-دست آمده نشان مي دهد كه با استفاده از روش مذكور، در يك تكرار همان دقت مورد نظر با كمترين تعداد قطعات به‌دست مي آيد.