發(fā)布時間：2021-06-23 07:42

　　進入新世紀以來,制造業(yè)企業(yè)逐漸采用信息化的管理方式,大大提升了企業(yè)的生產(chǎn)效率。但是企業(yè)在應(yīng)用信息化管理時還存在著一些問題,比如目前很多企業(yè)只是對企業(yè)生產(chǎn)的信息記錄到數(shù)據(jù)庫中,而沒有對數(shù)據(jù)進行分析,發(fā)現(xiàn)數(shù)據(jù)中的隱含信息來幫助企業(yè)減少成本,提高企業(yè)競爭力。目前很多制造業(yè)企業(yè)并沒有對供應(yīng)商信息進行聚類分析,導(dǎo)致企業(yè)在選擇供應(yīng)商時缺少科學(xué)的依據(jù)。為了解決企業(yè)在選取供應(yīng)商問題時存在的短板,本文基于K-means算法對企業(yè)的供應(yīng)商信息進行挖掘。為了讓企業(yè)能夠根據(jù)現(xiàn)實情況進行供應(yīng)商選擇,本文采用了層次分析法來幫助企業(yè)決策者科學(xué)合理選擇供應(yīng)商�；贙-means算法的制造業(yè)企業(yè)的智能采購系統(tǒng)的核心功能是實現(xiàn)對供應(yīng)商的分類,并根據(jù)企業(yè)的實際需求選擇供應(yīng)商。本文主要論述了使用K-means算法和層次分析法對供應(yīng)商進行選擇,以合作單位的實際需求作為出發(fā)點,完成系統(tǒng)的設(shè)計、采購流程管理以及基于K-means和層次分析法的供應(yīng)商選擇系統(tǒng),最后對完成的軟件進行了圖片以及文字的說明。本文以制造業(yè)企業(yè)的實際需求為支撐,結(jié)合實驗室合作企業(yè)的具體要求對基于K-means算法的制造業(yè)企業(yè)的智能采購系統(tǒng)的核心功能進行研究和設(shè)... 

【文章來源】：吉林大學(xué)吉林省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：70 頁

【學(xué)位級別】：碩士

【部分圖文】：

通用的數(shù)據(jù)挖掘方法

第2章數(shù)據(jù)挖掘和供應(yīng)商評價方法選擇11（2）基于劃分的方法[32]：基于劃分的方法是將一個數(shù)據(jù)集中的n個樣本點，劃分到k個簇中，然后按照特定的評判規(guī)則以及循環(huán)迭代的方式，對每個簇中的數(shù)據(jù)點進行分配。將每個樣本點都分配到唯一的簇中，并且每個簇中都含有樣本點。該方法的優(yōu)點是：收斂速度快，聚類效果好，在大型數(shù)據(jù)集中表現(xiàn)優(yōu)異；其缺點是：不同的簇數(shù)將對聚類結(jié)果產(chǎn)生很大的影響，而且數(shù)據(jù)集中如果有噪聲數(shù)據(jù)和不完整的數(shù)據(jù)會對聚類結(jié)果產(chǎn)生很大的影響。常見算法有K-means算法，K-medoids算法。（3）基于密度的方法：基于密度方法將簇定義為密度相連的點的最大集合，將密度很大的區(qū)域劃分為一類。該方法的優(yōu)點是：可以在具有噪聲的數(shù)據(jù)庫中發(fā)現(xiàn)任意形狀的聚類；其缺點是：設(shè)計復(fù)雜，很難處理離散數(shù)據(jù)集聚類。常用的算法有DBSCAN算法、OPTICS算法。（4）基于網(wǎng)格的方法：基于網(wǎng)格的聚類方法本質(zhì)上是基于空間單元的，其思想是把給定的數(shù)據(jù)集量化成有限個單元，然后對量化的單元進行聚類。該方法的優(yōu)點是：在處理大型復(fù)雜數(shù)據(jù)具有很高的效率，需要的參數(shù)少，并且孤立點對其沒有影響。其缺點是：無法對聚類的精度進行保證。常用算法有STING算法和CLIQUE算法。（5）基于模型的方法：基于模型的聚類方法，每一種假設(shè)對應(yīng)一個模型，之后的過程就是使用最佳數(shù)據(jù)對模型進行擬合。常用的算法有COBWEB算法和SOM算法。圖2.2聚類分析算法

第3章基于K-means的供應(yīng)商評價研究15代表的是第i個簇，代表的是第i個簇心。K-means算法的步驟可以描述如下：步驟1，選取K個樣本點作為初始的聚類中心。步驟2，對不包括聚類中的其他樣本點進行聚類，將每個樣本的分到其距離最近的類中，并對類的中心點進行更新。步驟3，重復(fù)步驟2，直到簇心不再變化為止，完成聚類。圖3.1傳統(tǒng)K-means算法流程圖

【參考文獻】：
期刊論文
[1]基于熵權(quán)TOPSIS模型的建筑物料供應(yīng)商評價與管理研究[J]. 范露華.  重慶理工大學(xué)學(xué)報(自然科學(xué)). 2019(12)
[2]最近鄰優(yōu)化的k-means聚類算法[J]. 林濤,趙璨.  計算機科學(xué). 2019(S2)
[3]基于層次分析法-熵值法的電網(wǎng)供應(yīng)商評價體系研究[J]. 袁太平,余海翔,易達.  企業(yè)改革與管理. 2019(02)
[4]一種改進的K-means算法[J]. 尹寶勇,吳斌,劉建生.  江西理工大學(xué)學(xué)報. 2018(05)
[5]基于AHP-灰色關(guān)聯(lián)分析的建筑供應(yīng)商選擇[J]. 趙亞星,王紅春.  工程經(jīng)濟. 2018(04)
[6]汽車制造企業(yè)零部件采購成本控制研究[J]. 衛(wèi)菊紅.  管理觀察. 2018(11)
[7]基于熵值法和TOPSIS法的供應(yīng)鏈環(huán)境下供應(yīng)商選擇[J]. 劉進,郭進超.  商業(yè)經(jīng)濟研究. 2018(06)
[8]供應(yīng)商選擇評價指標體系的影響因素研究[J]. 毋毅文.  企業(yè)改革與管理. 2018(04)
[9]O2O模式下工業(yè)品供應(yīng)商的評價選擇[J]. 鄭義健,邱思琦,明新國,劉志文.  機械設(shè)計與研究. 2018(01)
[10]基于螢火蟲優(yōu)化的加權(quán)K-means算法[J]. 陳小雪,尉永清,任敏,孟媛媛.  計算機應(yīng)用研究. 2018(02)

碩士論文
[1]數(shù)據(jù)挖掘在供應(yīng)商評價中的應(yīng)用[D]. 胡光杰.安徽大學(xué) 2007



本文編號：3244546