模糊聚类分析在企业竞争情报系统中的应用研究

论文摘要

随着信息技术的发展，企业的数据资源呈爆炸式的增长，传统的企业竞争情报系统在数据分析处理中的不足日渐突出。数据挖掘技术的兴起为竞争情报系统的发展提供了新的动力。模糊聚类分析作为数据挖掘的一个重要研究课题，在各个领域得到了广泛的应用，研究模糊聚类分析在企业竞争情报系统中的应用具有重大意义。结合在企业竞争情报系统中的应用，本文对FCM算法(模糊C均值算法)存在的问题做了如下改进：(1)针对FCM算法无法自动得到最佳聚类个数及对初始化敏感、易陷入局部最优的问题，提出了基于K均值和粒度原理的改进FCM算法。同时在基于有效性评判确定最佳聚类数时，针对不同的聚类数c进行FCM聚类都要重新选择初始化聚类中心从而使产生的最佳聚类个数不稳定的情况，提出了合并聚类中心的方法。(2)针对在聚类过程中各维属性特征的贡献不同，提出了基于特征加权的改进FCM算法，该算法利用主成分分析法提取主要特征向量并赋予相应的客观权重，结合给定的主观权重对样本数据进行特征加权，再利用基于K均值和粒度原理的改进FCM算法对加权后的数据进行聚类。最后，在前面研究的基础上，根据所做的项目课题，将改进的FCM算法应用于企业竞争情报系统中，取得了较好的结果。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 相关研究背景及意义
• 1.1.1 研究背景
• 1.1.2 研究意义
• 1.2 相关研究现状及应用
• 1.2.1 企业竞争情报系统研究现状
• 1.2.2 模糊聚类分析研究现状及应用
• 1.3 研究内容与组织结构
• 第二章 企业竞争情报系统
• 2.1 企业竞争情报
• 2.1.1 企业竞争情报概述
• 2.1.2 企业竞争情报流程
• 2.1.3 企业竞争情报工作面临的问题
• 2.2 企业竞争情报系统
• 2.2.1 企业竞争情报系统概述
• 2.2.2 企业竞争情报系统的建设原则
• 2.2.3 传统企业竞争情报系统结构
• 2.3 企业竞争情报系统面临的问题及发展趋势
• 2.4 本章小结
• 第三章 聚类分析及模糊聚类相关技术
• 3.1 聚类分析相关技术
• 3.1.1 数据挖掘概述
• 3.1.2 聚类分析概述
• 3.2 模糊聚类相关技术
• 3.2.1 模糊集合定义及运算
• 3.2.2 模糊关系及模糊性度量
• 3.2.3 模糊聚类方法的分类
• 3.3 本章小结
• 第四章 FCM 算法及其改进
• 4.1 FCM 算法
• 4.1.1 FCM 算法简介
• 4.1.2 FCM 算法实现原理及步骤
• 4.1.3 FCM 算法存在的问题
• 4.2 基于 K 均值和粒度原理的改进的 FCM 算法
• 4.2.1 基于改进的 K 均值算法初始化聚类中心
• 4.2.2 基于粒度原理确定最佳聚类数
• 4.2.3 合并聚类中心
• 4.2.4 改进算法的实现原理及步骤
• 4.2.5 实验结果分析
• 4.3 基于特征加权的改进 FCM 算法
• 4.3.1 基于主成分分析法的客观赋权法
• 4.3.2 基于客观权重与主观权重的组合特征加权法
• 4.3.3 改进算法的实现原理及步骤
• 4.3.4 实验结果分析
• 4.4 本章小结
• 第五章 企业竞争情报分析与挖掘服务系统的设计与实现
• 5.1 企业竞争情报分析与挖掘服务系统总体设计
• 5.1.1 系统总体架构
• 5.1.2 数据挖掘模块总体架构
• 5.1.3 数据挖掘模块功能设计
• 5.2 企业竞争情报分析与挖掘服务系统详细设计
• 5.2.1 系统数据结构设计
• 5.2.2 数据挖掘模块数据结构设计
• 5.2.3 数据挖掘模块接口与调度设计
• 5.3 系统开发环境及界面
• 5.4 改进算法在系统中的应用流程及实例分析
• 5.4.1 改进算法在系统中的应用流程
• 5.4.2 改进算法在系统中的应用实例分析
• 5.5 本章小结
• 第六章 总结与展望
• 6.1 论文总结
• 6.2 下一步工作
• 致谢
• 参考文献