面向复杂基础数据准备的一种聚类分析算法研究

论文摘要

世界经济全球化加快了全球合作的步伐,信息化成为现代企业适应竞争走向全球强有力的武器。现代生产环境中,由于计算机技术、自动控制技术和人工智能技术的广泛应用,人在制造系统中的体力劳动已大大减少,人的作用正从直接参与加工操作逐渐演化成对机器、设备等的监督、控制、维护等。制造系统中人的工作性质的变化,要求人们更加重视信息的接收、处理和决策过程。另外,随着现代企业信息化进程的加快,必然导致企业拥有大量信息,信息的及时处理就成为现代企业亟待解决的迫切问题。同时也促使企业的管理活动逐渐倾向于数据分析型。因此,如何把这些企业拥有的大量数据信息及时处理为支持企业管理活动的有效的信息,以获得这些隐藏在海量数据背后的具有决策价值的知识,利于决策者做出更加个性化和有针对性的决策,就成为现代企业面临全球竞争与信息化进程中重要的过程。为此,企业必须使用具有强大数据分析处理能力的技术及时处理这些海量复杂的信息。数据挖掘技术正解决了企业的这一问题。聚类分析一直在数据挖掘领域中占据着重要的地位,它既可以作为单独的工具来发现数据分布情况,也可以作为其他数据挖掘分析算法的一个预处理步骤。k-means算法是一种经典的基于划分的聚类算法,它的优点是算法简洁、快速,对于大数据集能够快速的得出结果,但是它也存在一定的局限性,比如初始中心点难以选择最优,k值需要提前给定,聚类有效性难以保障等问题。本论文主要针对现代生产的特点以及现代生产管理模式的发展方向,面向现代企业复杂基础数据准备要求,利用智能分析方法解决现代企业在面临复杂基础数据时的处理方式、方法----GWK-means方法。重点讨论了k-means算法中初始中心点选取依赖性以及最佳k值选择的问题。提出利用特征加权的方法解决初始中心点依赖性的问题;建立一种新的基于数据特征属性的有效性函数,解决k值选取问题,并进一步检验了算法结果的有效性。最后,将GWK-means方法应用到J公司的实际中。为解决该企业现存的供应商评估与客户关系管理等复杂基础数据准备处理问题,提供了一种实用高效科学的方法。

论文目录

• 中文摘要
• 英文摘要
• 1 绪论
• 1.1 课题研究的背景和意义
• 1.1.1 问题的提出背景
• 1.1.2 课题研究意义
• 1.2 国内外研究现状
• 1.2.1 基础数据研究现状
• 1.2.2 聚类分析研究现状
• 1.3 论文研究目的和内容
• 1.3.1 研究目的
• 1.3.2 研究内容概述
• 1.3.3 论文研究思路和整体框架
• 1.4 本章小结
• 2 复杂基础数据准备必要性分析研究
• 2.1 基础数据的提出
• 2.2 现代生产对基础数据的需求
• 2.2.1 现代生产的特点
• 2.2.2 现代生产管理模式
• 2.2.3 现代生产对基础数据的要求
• 2.3 现行基础数据准备方法及不足
• 2.4 复杂基础数据的准备方法提出的必要性
• 2.4.1 现代生产中基础数据的复杂性
• 2.4.2 数据挖掘思想
• 2.4.3 聚类思想
• 2.5 小结
• 3 一种聚类分析算法研究.
• 3.1 复杂基础数据准备思想
• 3.2 一种数据挖掘准备算法----GWK-means 聚类
• 3.2.1 GWK-means 聚类的思想
• 3.2.2 GWK-means 聚类流程
• 3.2.3 GWK-means 聚类优越性
• 3.3 GWK-means 聚类原理
• 3.3.1 初始中心点的选择改进
• 3.3.2 新的快速简易有效性函数
• 3.3.3 聚类原理
• 3.4 GWK-means 算法验证
• 3.4.1 数据集背景
• 3.4.2 验证过程
• 3.4.3 验证结果
• 3.5 小结
• 4 GWK -means 算法模型在 J 企业中的应用
• 4.1 J 公司简介
• 4.2 J 公司供应商选取及客户关系管理现状
• 4.2.1 J 公司现行供应商评价方法.
• 4.2.2 J 公司客户关系管理现状
• 4.3 基于GWK-means 算法的J 公司供应商分类研究
• 4.3.1 供应商评价指标选取
• 4.3.2 供应商评价指标权重分析
• 4.3.3 评价分类过程
• 4.3.4 基于聚类结果的分别策略
• 4.4 基于GWK-means 算法的J 公司客户细分研究
• 4.4.1 J 公司客户价值评价指标选取
• 4.4.2 客户价值指标权重分析
• 4.4.3 基于有效性函数的K 值选取
• 4.4.4 聚类及结果分析
• 4.5 本章小结
• 5 结论与展望
• 5.1 论文主要工作
• 5.2 不足之处及后期展望
• 致谢
• 参考文献
• 附录
• A. 作者在攻读学位期间发表的论著目录
• B. 作者在攻读学位期间取得的科研成果目录