石油企業(yè)供應(yīng)商選擇方法：范例推理技術(shù)及應(yīng)用

第一章 緒論
第一節(jié) 研究背景
第二節(jié) 本書結(jié)構(gòu)
第二章 相關(guān)研究綜述
第一節(jié) 供應(yīng)商選擇的主要方法
一、線性權(quán)重法
二、成本方法
三、數(shù)學(xué)規(guī)劃方法
四、其它方法
第二節(jié) 范例推理的理論綜述
一、CBR研究的歷史與現(xiàn)狀
二、CBR中范例的表示方法和工作過程
三、CBR的特點及發(fā)展方向
第三節(jié) 基于數(shù)據(jù)挖掘的范例推理系統(tǒng)
一、范例推理中基于數(shù)據(jù)庫的知識發(fā)現(xiàn)技術(shù)
二、范例庫上數(shù)據(jù)挖掘的主要步驟與目標
三、范例庫上數(shù)據(jù)挖掘的重要方法與技術(shù)
四、范例推理各階段的關(guān)鍵難點
五、本章小結(jié)
第三章 基于信息熵的范例特征項權(quán)重確定方法
第一節(jié) 特征項賦權(quán)的一般方法
一、主觀賦權(quán)方法
二、主客觀綜合賦權(quán)方法
三、客觀賦權(quán)方法
第二節(jié) 決策樹與信息熵
一、決策樹分類算法
二、信息增益和熵
第三節(jié) 范例特征項賦權(quán)的熵方法
第四節(jié) 應(yīng)用實例
一、背景與數(shù)據(jù)
二、實驗步驟
三、結(jié)果分析
第五節(jié) 本章小結(jié)
第四章 基于k-prototypes聚類的范例相似度評價模型
第一節(jié) 范例檢索的相似性度量
一、范例相似必度量
二、常用的相似性度量函數(shù)
三、范例檢索的策略和方法
第二節(jié) 聚類差異度計算和k-均值算法
第三節(jié) 基于k-prototypes聚類的多屬性相似度綜合評價
第四節(jié) 應(yīng)用實例
一、實例背景
二、實驗步驟
三、分析結(jié)果
第五節(jié) 本章小結(jié)
第五章 基于BP神經(jīng)網(wǎng)絡(luò)的供應(yīng)商選擇CBR系統(tǒng)
第一節(jié) 基于神經(jīng)網(wǎng)絡(luò)的范例推理系統(tǒng)
一、范例推理與神經(jīng)網(wǎng)絡(luò)
二、基于神經(jīng)網(wǎng)絡(luò)的范例推理應(yīng)用
三、BP算法
第二節(jié) 神經(jīng)網(wǎng)絡(luò)規(guī)則提取綜述
一、基于結(jié)構(gòu)分析的方法
二、基于性能分析的方法
三、規(guī)則抽取研究中存在的問題
第三節(jié) 構(gòu)建基于BP-CBR的供應(yīng)商選擇系統(tǒng)
一、基于數(shù)據(jù)挖掘技術(shù)的CBR系統(tǒng)框架結(jié)構(gòu)
二、基于神經(jīng)網(wǎng)絡(luò)構(gòu)建CBR系統(tǒng)
三、基于BP算法的石油企業(yè)供應(yīng)商選擇CBR模型
第四節(jié) 應(yīng)用實例
一、實例背景
二、實驗步驟
三、結(jié)果分析
第五節(jié) 本章小結(jié)
第六章 結(jié)論
附錄 A公司年度合格建筑承包商評估表
參考文獻