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(shū)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(guò)程
三、CBR的特點(diǎn)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(kù)的知識(shí)發(fā)現(xiàn)技術(shù)
二、范例庫(kù)上數(shù)據(jù)挖掘的主要步驟與目標(biāo)
三、范例庫(kù)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(diǎn)
五、本章小結(jié)
第三章 基于信息熵的范例特征項(xiàng)權(quán)重確定方法
第一節(jié) 特征項(xiàng)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(shù)與信息熵
一、決策樹(shù)分類算法
二、信息增益和熵
第三節(jié) 范例特征項(xiàng)賦權(quán)的熵方法
第四節(jié) 應(yīng)用實(shí)例
一、背景與數(shù)據(jù)
二、實(shí)驗(yàn)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(píng)價(jià)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(jì)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(píng)價(jià)
第四節(jié) 應(yīng)用實(shí)例
一、實(shí)例背景
二、實(shí)驗(yàn)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(wèn)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(shí)例
一、實(shí)例背景
二、實(shí)驗(yàn)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(píng)估表
參考文獻(xiàn)