符号序列聚类及在市场细分中的应用研究

符号序列聚类及在市场细分中的应用研究

论文摘要

论文试图解决这样一个问题:在当前国际国内竞争日益加剧的环境下,汽车等消费品制造企业如何正确认识市场细分结构,以便于科学部署与实施其新产品战略。论文源于重庆大学与重庆长安汽车集团公司合作的“长安汽车概念设计综合评价体系-市场结构分析”工程项目。改革开放以来,国民经济支柱产业——制造业迅速发展,支撑着我国经济的迅速增长,然而要成为真正的世界制造业中心而不是西方发达国家的廉价代工工厂,需要我国制造企业注重新产品自主研发设计。按照国外企业经验,成功的新产品设计离不开对市场细分结构的正确认识。具体说,就是企业在新产品设计早期阶段,能够回答出不同消费群体对多种竞争产品,哪些是喜爱的,哪些是不喜爱的;能够回答出不同消费群体对产品的多项功能,哪些是感兴趣的,哪些是无所谓的;并进一步能够找到这背后的原因。为解决这个问题,论文跨越传统统计分析方法,从消费者偏好序列为切入点,采用数据挖掘领域中的符号序列聚类方法发现市场细分结构。按该思路论文提出一种符号序列聚类的研究方法和框架,即:确立相似性度量、选择适当的聚类算法、对算法结果进行可视化呈现、对算法结果建立合理的解释模型。论文的研究成果在实际工程项目中得到应用并取得较好评价。论文的创新之处有两点:第一、从消费者的偏好而不是从消费者的特征属性(职业、地区、收入等)对市场进行细分。第二、为支持这一研究思路,论文提出了一种符号序列聚类的研究方法和框架,给出了RESM相似性度量模型,在其基础上提出SOM退火符号聚类模型,设计了产品偏好市场分布图和产品需求对照图对聚类结果进行了可视化的呈现,最后对聚类获得的市场细分结构选用了恰当的解释模型,从而使得从消费者偏好进行市场细分结构研究的研究途径在实际应用中得以实现。论文组织如下:第1章绪论是全文的引子,介绍了符号序列聚类问题的研究背景,符号序列聚类问题的正式定义,设定了论文研究的目标,列出论文研究的难点,并概括了论文研究的总体思路。第2章从序列聚类角度,对国内外研究现状进行综述。第3、4、5、6章讨论符号序列聚类研究方法和框架,即建立相似性度量模型、以自组织特征映射网络作为符号序列默认聚类算法、多种可视化技术呈现聚类结果、多项Logit模型对聚类结果进行解释。第7章是符号序列聚类研究框架在市场结构分析这一具体工程领域的应用。

论文目录

  • 中文摘要
  • 英文摘要
  • 符号与英文缩略总览表
  • 1 绪论
  • 1.1 符号序列聚类问题的背景
  • 1.2 符号序列聚类问题
  • 1.3 论文的研究目标和难点
  • 1.4 论文的整体思路和研究框架
  • 1.5 论文的组织
  • 2 序列聚类研究的进展
  • 2.1 相关研究工作
  • 2.2 序列数据挖掘的研究途径
  • 2.3 数据挖掘的软件产品
  • 2.4 序列研究的推动力量
  • 2.5 存在的问题
  • 2.6 本章小结
  • 3 符号序列的正则相似度量模型
  • 3.1 相似性研究模型
  • 3.2 符号序列相似性形式化
  • 3.3 RESM 与常用的两种序列相似性度量的比较
  • 3.4 符号序列相似性实例化
  • 3.5 本章小结
  • 4 SOM 退火符号聚类模型
  • 4.1 符号序列聚类评述
  • 4.2 符号序列聚类问题本质
  • 4.3 自组织特征映射聚类
  • 4.4 其它聚类算法及比较
  • 4.5 算法与实验
  • 4.6 本章小结
  • 5 聚类可视化研究
  • 5.1 可视化技术概述
  • 5.2 SOM 退火符号模型可视化
  • 5.3 产品偏好市场分布图和产品需求对照图
  • 5.4 实验与分析
  • 5.5 本章小结
  • 6 聚类结果的多项 Logit 模型
  • 6.1 聚类结果可解释性研究思路
  • 6.2 多项Logit 模型
  • 6.3 其它解释途径及比较
  • 6.4 实验与分析
  • 6.5 本章小结
  • 7 基于聚类的市场结构分析
  • 7.1 市场驱动的新产品战略
  • 7.2 市场结构分析方法
  • 7.3 软件系统架构
  • 7.4 实验与分析
  • 7.5 本章小结
  • 8 总结与展望
  • 8.1 论文研究的意义
  • 8.2 论文的创新点
  • 8.3 论文的不足
  • 8.4 下一步工作展望
  • 致谢
  • 参考文献
  • 附录一
  • 附录二
  • 独创性声明
  • 学位论文版权使用授权书
  • 相关论文文献

    • [1].基于符号序列Shannon熵的轴承故障趋势分析[J]. 微计算机信息 2008(31)
    • [2].基于改进符号序列熵的滚动轴承退化特征提取[J]. 轴承 2020(03)
    • [3].采用符号序列Shannon熵的机器信息提取方法[J]. 武汉理工大学学报(交通科学与工程版) 2009(02)
    • [4].符号序列的概率向量聚类方法[J]. 计算机应用研究 2018(06)
    • [5].下一个符号[J]. 小读者 2009(06)
    • [6].基于符号序列联合熵的航空发动机健康监控方法[J]. 航空动力学报 2011(03)
    • [7].规范化相似度的符号序列层次聚类[J]. 计算机科学 2015(05)
    • [8].符号时间序列分析在睡眠脑电中的应用[J]. 微计算机信息 2010(28)
    • [9].基于神经编码的生物回声定位研究[J]. 科技通报 2017(09)
    • [10].基于数据挖掘的供应链产品优化配置[J]. 计算机工程 2010(04)
    • [11].基于符号序列信息熵混沌特性的微弱信号检测[J]. 仪器仪表学报 2009(12)
    • [12].一种新混沌系统的动力学行为及符号序列排序规则[J]. 广西师范大学学报(自然科学版) 2009(04)
    • [13].符号序列多阶Markov分类[J]. 计算机应用 2017(07)
    • [14].基于贝努力映射的混沌运算研究[J]. 西安理工大学学报 2013(02)
    • [15].面向认知的1:1数字课堂信息序列[J]. 长春师范学院学报 2012(12)
    • [16].混沌符号动力学运算电路模型研究[J]. 电路与系统学报 2010(03)

    标签:;  ;  ;  ;  ;  ;  ;  

    符号序列聚类及在市场细分中的应用研究
    下载Doc文档

    猜你喜欢