| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第12-21页 |
| 1.1 研究背景与意义 | 第12-14页 |
| 1.2 国内外研究现状及发展趋势 | 第14-19页 |
| 1.2.1 供应商评价与选择方法研究 | 第14-16页 |
| 1.2.2 数据挖掘方法研究 | 第16-18页 |
| 1.2.3 已有研究的贡献和不足 | 第18-19页 |
| 1.3 研究内容与组织结构 | 第19-21页 |
| 第2章 面向不完全信息条件的供应商评价方法 | 第21-37页 |
| 2.1 问题描述与分析 | 第21-22页 |
| 2.1.1 问题概述 | 第21页 |
| 2.1.2 问题分析 | 第21-22页 |
| 2.2 群决策理论 | 第22-24页 |
| 2.3 供应商评价指标选取及量化方法 | 第24-35页 |
| 2.3.1 评价指标选取原则 | 第24-25页 |
| 2.3.2 基于证据推理的权重确定 | 第25-28页 |
| 2.3.3 基于多时点评价信息的属性值测定 | 第28-33页 |
| 2.3.4 算法流程设计 | 第33-35页 |
| 2.4 本章小结 | 第35-37页 |
| 第3章 基于案例学习的供应商选择方法 | 第37-48页 |
| 3.1 相关理论概述与算法框架设计 | 第37-39页 |
| 3.2 基于框架表示法的历史订购信息建模与案例库构建 | 第39-40页 |
| 3.2.1 特征表达与选取 | 第39页 |
| 3.2.2 分类器性能评估指标 | 第39-40页 |
| 3.3 基于SVM集成的参考案例检索 | 第40-42页 |
| 3.3.1 支持向量机基本概念 | 第40-42页 |
| 3.3.2 支持向量机集成学习方法 | 第42页 |
| 3.4 基于高置信度决策树的选择方案优化 | 第42-46页 |
| 3.5 仿真实验及分析 | 第46-47页 |
| 3.5.1 实验条件 | 第46页 |
| 3.5.2 算法参数分析 | 第46页 |
| 3.5.3 算法性能比较 | 第46-47页 |
| 3.6 本章小结 | 第47-48页 |
| 第4章 供应商评价管理系统设计与实现 | 第48-57页 |
| 4.1 系统需求分析 | 第48-49页 |
| 4.1.1 功能性需求 | 第48页 |
| 4.1.2 系统性需求 | 第48-49页 |
| 4.2 系统功能框架设计 | 第49页 |
| 4.3 系统技术框架 | 第49-50页 |
| 4.4 系统工作流程及关键技术实现 | 第50-53页 |
| 4.4.1 系统工作流程 | 第50-51页 |
| 4.4.2 供应商评价算法实现 | 第51-52页 |
| 4.4.3 供应商选择算法实现 | 第52-53页 |
| 4.5 供应商评价管理系统实现 | 第53-56页 |
| 4.5.1 实验软硬件环境 | 第53页 |
| 4.5.2 系统界面与应用分析 | 第53-56页 |
| 4.6 本章小结 | 第56-57页 |
| 总结与展望 | 第57-59页 |
| 参考文献 | 第59-64页 |
| 致谢 | 第64页 |