基于未确知C均值聚类的绿色品牌诊断研究

基于未确知C均值聚类的绿色品牌诊断研究

论文摘要

一个品牌就像一个人一样,需要经常进行健康检查,也就是品牌诊断:把握品牌处境,诊断品牌现状、进行品牌体检,是状态良好还是状态欠佳。要做到定期追踪品牌状况,进行品牌监控,建立内部报告体系与品牌评估、诊断制度等等,对防止品牌老化是十分必要的。绿色品牌就是把环境影响和资源效益融入品牌中,它要求企业从品牌设计、原材料采购、生产销售到投资回收全过程考虑环境、资源整体效益最优化,因此,绿色品牌更像一个新生儿,需要更多的关怀、更多的照顾,为了它的健康成长对它进行实时地诊断是必不可少的。只有对企业绿色品牌进行客观的诊断,才能对症下药,有针对性地对企业绿色品牌健康状况进行改善、提高。本文以品牌管理理论、品牌诊断管理理论、危机管理理论和管理学等为理论基础,采用理论分析与实证分析相结合,定性分析与定量分析相结合的系统分析方法对承德市20家企业的绿色品牌健康状况进行诊断。首先介绍了绿色品牌疾病的成因、建立绿色品牌诊断的指标体系;再利用主成分分析法去除指标之间的关联性,提取主成分;然后利用未确知C均值聚类对样本企业的绿色品牌健康状况进行聚类分析;最后根据结果,提出提高绿色品牌健康状况的策略。本研究为当前绿色品牌诊断提供了一种新的参考方法,对企业品牌管理具有一定的指导意义。

论文目录

  • 摘要
  • Abstract
  • 第1章 绪论
  • 1.1 选题背景及意义
  • 1.2 国内外研究现状
  • 1.2.1 国内外品牌研究现状
  • 1.2.2 国内外对品牌诊断的研究现状
  • 1.3 本文研究的内容和方法
  • 1.3.1 研究的内容
  • 1.3.2 研究方法
  • 1.4 本文的创新之处
  • 第2章 绿色品牌诊断体系的构建
  • 2.1 品牌疾病的成因分析
  • 2.2 品牌诊断体系构建的基本要素
  • 2.3 品牌诊断体系构建的原则和目标
  • 2.4 品牌诊断的流程
  • 2.5 本章小结
  • 第3章 绿色品牌诊断指标体系的构建
  • 3.1 品牌诊断指标体系的构建原则
  • 3.2 绿色品牌诊断指标体系的构成
  • 3.2.1 品牌资产状况指标体系
  • 3.2.2 品牌资源状态指标体系
  • 3.2.3 品牌外部环境指标体系
  • 4'>3.2.4 品牌内部环境指标体系V4
  • 5'>3.2.5 绿色品牌形成过程中的管理状况V5
  • 3.3 本章小结
  • 第4章 绿色品牌诊断指标的主成分分析
  • 4.1 主成分分析法原理
  • 4.1.1 本文选择主成分分析的原因
  • 4.1.2 主成分分析的数学模型
  • 4.1.3 主成分分析法的基本运算步骤
  • 4.2 具体案例中诊断指标的主成分分析
  • 4.2.1 指标量化方法
  • 4.2.2 样本的选取
  • 4.2.3 数据的采集
  • 4.2.4 数据的预处理
  • 4.2.5 求出主成分
  • 4.3 本章小结
  • 第5章 绿色品牌诊断的聚类分析
  • 5.1 未确知系统理论
  • 5.1.1 未确知集合的基本概念
  • 5.1.2 指标分类权重的概念及其计算方法
  • 5.2 聚类方法研究
  • 5.2.1 聚类的基本思想及概念
  • 5.2.2 未确知C均值聚类
  • 5.3 运用未确知C均值聚类对20家企业进行聚类分析
  • 5.4 本章小结
  • 第6章 提高绿色品牌健康状况的对策
  • 6.1 提高绿色品牌健康状况的策略
  • 6.1.1 提高绿色品牌美誉度和忠诚度的策略
  • 6.1.2 注重品牌形象传播
  • 6.1.3 不断加强长远战略、日常策略的绿色意识
  • 6.1.4 加大市场营销资源
  • 6.1.5 关注竞争态势—为获得有竞争力的优势建立竞争性框架
  • 6.1.6 产品供应资源管理
  • 6.2 本章小结
  • 结论与展望
  • 参考文献
  • 附录
  • 附录1
  • 附录2
  • 附录3
  • 致谢
  • 作者简介及攻读硕士学位期间发表的论文
  • 相关论文文献

    • [1].基于k-均值聚类的小麦质量评价[J]. 现代面粉工业 2018(02)
    • [2].结合低秩表达的模糊均值聚类图像分割方法[J]. 信息通信 2016(11)
    • [3].融合改进人工蜂群和K均值聚类的图像分割[J]. 液晶与显示 2017(09)
    • [4].基于模糊C均值聚类和距离的专家赋权研究[J]. 商 2016(05)
    • [5].多中心的非平衡K-均值聚类方法[J]. 中北大学学报(自然科学版) 2015(04)
    • [6].基于随机抽样的加速K-均值聚类方法[J]. 计算机与现代化 2013(12)
    • [7].抑制式模糊C-均值聚类研究综述[J]. 西安邮电大学学报 2014(03)
    • [8].模糊c-均值聚类法在干港选址中的应用[J]. 水运管理 2009(02)
    • [9].模糊c-均值聚类法在干港选址中的应用[J]. 水运工程 2009(05)
    • [10].基于核K-均值聚类和支持向量机结合的说话人识别方法[J]. 哈尔滨理工大学学报 2008(05)
    • [11].基于模糊C均值聚类的空中目标运动特征识别方法[J]. 舰船电子工程 2020(06)
    • [12].基于K-均值聚类统计的特色小镇评价[J]. 统计与决策 2018(21)
    • [13].基于K均值聚类方法的抽油机井系统能耗分析[J]. 数码设计 2016(02)
    • [14].基于K-均值聚类粒子群算法的变电站定容选址[J]. 陕西电力 2015(11)
    • [15].基于随机权重粒子群和K-均值聚类的图像分割[J]. 图学学报 2014(05)
    • [16].一种并行的加速k-均值聚类方法[J]. 电脑知识与技术 2013(18)
    • [17].一种加速的k-均值聚类方法[J]. 韶关学院学报 2012(12)
    • [18].基于模糊C-均值聚类的能源消费结构分析[J]. 学术交流 2008(12)
    • [19].对类大小不敏感的图像分割模糊C均值聚类方法[J]. 激光与光电子学进展 2020(02)
    • [20].一种基于降维思想的K均值聚类方法[J]. 湖南城市学院学报(自然科学版) 2017(01)
    • [21].基于模糊C均值聚类的岩性识别研究[J]. 科技创新与应用 2016(01)
    • [22].支持向量机与K-均值聚类融合算法的研究[J]. 现代计算机(专业版) 2016(20)
    • [23].基于模糊C均值聚类的光伏阵列故障诊断方法[J]. 太阳能学报 2016(03)
    • [24].基于K均值聚类及模糊支持向量机的海洋灾害风险预警方法[J]. 数字技术与应用 2015(02)
    • [25].一种改进的局部模糊C-均值聚类分割算法研究[J]. 计算机科学 2015(S1)
    • [26].k均值聚类方法在高中学生成绩分析中的应用[J]. 数学学习与研究 2017(21)
    • [27].基于k-均值聚类的朴素贝叶斯分类算法[J]. 福建电脑 2013(11)
    • [28].基于模糊C均值聚类的学生表现评估[J]. 信息技术 2020(11)
    • [29].基于K-均值聚类的图书馆访问量的研究[J]. 科技视界 2013(16)
    • [30].基于k-均值聚类和最小二乘的数据融合方法[J]. 微计算机信息 2011(04)

    标签:;  ;  ;  ;  

    基于未确知C均值聚类的绿色品牌诊断研究
    下载Doc文档

    猜你喜欢