客户协同创新伙伴选择研究与应用

客户协同创新伙伴选择研究与应用

论文摘要

客户协同创新是美国麻省理工Sloan管理学院的Hippel教授和他的研究团队对美国企业进行大量的研究于2002年提出的概念。它是指将客户知识和创造力作为最宝贵的创新资源,利用各种网络化协同工作环境、创新设计工具和知识融合手段使客户与专业设计人员共同进行产品创新。客户协同创新可有效地为企业价值网络增值。客户创新并不意味着所有的客户都会参与创新活动,企业与客户进行协同创新时,由于客户群体在知识经验等多方面存在差异,不同的客户对最终的创新效果差异较大。因此,必须对参与创新的客户进行选择才能保证客户协同创新的有效实施。但是企业在选择参与协同创新的客户伙伴时,存在着以下难题:1)选择客户时的评价指标很多,造成指标之间关联度增大,由此产生的过多冗余信息增加了选择的难度;2)企业所掌握的协同创新客户资料、数据较少,缺乏大量的数据样本供分析和决策。本文针对上述问题,提出基于粗糙集(RS)和支持向量机(SVM)的客户协同创新伙伴选择模型,期望解决数据样本较少以及指标过多的问题。论文从以下几个方面进行了研究:首先,在分析国内外客户协同创新的现状和创新用户的特征及测量的基础上,从客户参与创新的驱动力、客户协同创新的技术支撑以及客户协同创新中知识共享等方面,研究客户协同创新伙伴选择的重要性。其次,在分析粗糙集和支持向量机基本原理的基础上,提出粗糙集和支持向量机的集合点,即通过粗糙集方法去掉冗余信息后,使训练集和测试集简化,减少支持向量机分类器的复杂性,提高支持向量机分类器的分类精度,利用支持向量机较好的抑制噪声的能力,弥补粗糙集对噪声敏感的缺点,可以使分类器具有容错及抗干扰的能力;提出了提出基于粗糙集和支持向量机的客户协同创新伙伴选择模型,并详细说明模型的求解过程,包括属性约简、权重设计等。最后,基于以上理论研究,通过某企业的算例将建立的模型应用于客户协同创新伙伴选择中,并对仿真结果进行对比分析,结果表明基于粗糙集和支持向量机的客户协同创新伙伴选择模型可达到较好的预测精度,具有一定的工程应用价值。

论文目录

  • 摘要
  • ABSTRACT
  • 1 绪论
  • 1.1 研究背景
  • 1.2 课题来源和研究的目的及意义
  • 1.2.1 课题的来源
  • 1.2.2 课题研究的目的、意义
  • 1.3 相关领域的国内外研究现状
  • 1.3.1 客户参与创新的研究现状分析
  • 1.3.2 创新客户的特征及测量现状分析
  • 1.4 论文研究的主要内容
  • 1.5 本章小结
  • 2 客户协同创新伙伴选择研究基础
  • 2.1 协同研发过程中客户角色分析
  • 2.2 客户参与创新的驱动力
  • 2.3 客户协同创新的技术支撑
  • 2.3.1 创新型客户的技术基础特征
  • 2.3.2 实施创新的技术能力
  • 2.4 客户协同创新中知识共享的支撑
  • 2.5 客户协同创新伙伴选择的步骤
  • 2.6 本章小结
  • 3 基于RS 和SVM 的混合方法研究
  • 3.1 常见伙伴的选择方法比较研究
  • 3.2 粗糙集相关理论
  • 3.3 支持向量机相关理论
  • 3.3.1 机器学习与统计学习理论
  • 3.3.2 支持向量机的基本原理
  • 3.4 粗糙集和支持向量机混合方法研究
  • 3.4.1 粗糙集和支持向量机结合的理论基础
  • 3.4.2 基于粗糙集和支持向量机的客户协同创新伙伴选择模型
  • 3.5 本章小结
  • 4 基于RS 和SVM 的客户协同创新伙伴选择应用研究
  • 4.1 数据预处理
  • 4.1.1 决策表补齐
  • 4.1.2 决策表离散化
  • 4.2 仿真结果与模型分析
  • 4.2.1 创新客户属性约简
  • 4.2.2 约简后的决策系统效果分析
  • 4.2.3 客户协同创新伙伴评价
  • 4.3 本章小结
  • 5 结论与展望
  • 致谢
  • 参考文献
  • 附录
  • A. 作者在攻读硕士学位期间发表的论文
  • B. 作者在攻读硕士学位期间参加的主要科研项目
  • 相关论文文献

    标签:;  ;  ;  ;  ;  

    客户协同创新伙伴选择研究与应用
    下载Doc文档

    猜你喜欢