本文關鍵詞：基于FCM算法的電子商務信用評級方法研究

  更多相關文章： 信用評級 FCM 一致性檢驗 Daniel檢驗

【摘要】：隨著全球信息化、數(shù)字化的不斷發(fā)展,互聯(lián)網(wǎng)所帶來的商機越來越大,也越來越廣泛的滲透到各行各業(yè)�；ヂ�(lián)網(wǎng)所產(chǎn)生的巨大商業(yè)價值使得電子商務網(wǎng)站層出不窮,互聯(lián)網(wǎng)交易數(shù)量也每年呈火箭式上升狀態(tài)。隨著電子商務網(wǎng)站及其交易量的增多,所產(chǎn)生的問題也在不斷增加,上到政府下到民眾對其的詬病也越來越多,越來越嚴重。而在這些被人們所詬病的問題中,遭到討論最多,也是最亟需解決的就是電子商務網(wǎng)站的信用評級問題。在用戶面對成千上萬的商戶和商品時,現(xiàn)有的電子商務信用評級方法無法讓用戶根據(jù)自己的需求直接尋找到擁有高質(zhì)量商品的可信任商戶進行交易,原因在于現(xiàn)有的電子商務評級只是簡單的信息羅列,沒有進行深入的數(shù)據(jù)挖掘,用戶難以通過這些信息直接判斷出商品質(zhì)量與商戶信用的優(yōu)劣。為了解決這些問題,近年來不少研究者都在嘗試改進現(xiàn)有的評級方法,也引入了不少新的算法。在這種背景下,電子商務評級方法成為當前的研究熱點。 聚類算法是對數(shù)據(jù)進行有效分類的數(shù)據(jù)挖掘算法,能夠解決電子商務信用評級方法中存在的問題,但聚類算法在大數(shù)據(jù)量下迭代次數(shù)多,時間長,在電子商務的網(wǎng)絡環(huán)境中應用有一定的障礙。因此,將聚類算法引入到電子商務評級方法中是具有研究價值和實際意義的。 首先介紹了信用評級思想的發(fā)展歷史和概念的由來,并介紹了信用評級方法目前的研究概況和在實際應用中存在的一些問題。然后通過對各類大型電子商務網(wǎng)站信用評級方法的分析,對這些方法的特點總結歸納,確認了這些方法的共同點及問題。接著分析了幾種常見的信用評級中的聚類算法,也指出了這些算法在實際應時所存在的問題。最后上述分析和總結的基礎上,提出了采用一致性檢驗和Daniel平穩(wěn)性檢驗進行優(yōu)化,基于價格權重的FCM算法,同時將信用趨勢預測融入到電子商務信用評級方法中。 通過在電子商務系統(tǒng)中進行實際應用,證明在同一數(shù)據(jù)集下,方法中FCM算法所用時間和錯誤率與單獨采用傳統(tǒng)FCM算法相比有明顯的減少,同時方法也在一定程度上解決現(xiàn)有電子商務及其信用評級方法中存在的問題。
【關鍵詞】：信用評級 FCM 一致性檢驗 Daniel檢驗
【學位授予單位】：昆明理工大學
【學位級別】：碩士
【學位授予年份】：2012
【分類號】：F224;F713.36
【目錄】：

• 摘要3-4
• Abstract4-8
• 第一章 緒論8-14
• 1.1 論文研究背景及意義8-10
• 1.1.1 研究背景9-10
• 1.1.2 研究意義10
• 1.2 論文研究方法和范圍10-11
• 1.2.1 研究方法10-11
• 1.2.2 研究范圍11
• 1.3 論文擬研究的問題11-12
• 1.4 本文的章節(jié)安排12
• 1.5 本章小結12-14
• 第二章 信用評級方法綜述與分析14-20
• 2.1 常見信用評級方法14-17
• 2.1.1 幾種常見信用評級方法概述15-16
• 2.1.2 電子商務下對常見信用評級方法的分析16-17
• 2.2 電子商務信用評級方法17-19
• 2.2.1 B2B的信用評級方法概述17
• 2.2.2 B2C以及C2C的信用評級方法概述17-18
• 2.2.3 對電子商務信用評級方法的分析18-19
• 2.3 電子商務信用評級方法存在的問題19
• 2.4 本章小結19-20
• 第三章 聚類算法及相關算法綜述與分析20-30
• 3.1 常見聚類算法20-21
• 3.2 信用評級中的聚類算法21-26
• 3.2.1 信用評級中的聚類算法21-23
• 3.2.2 FCM算法23-26
• 3.3 信息熵與一致性檢驗26-27
• 3.3.1 信息熵26
• 3.3.2 一致性檢驗26-27
• 3.4 DANIEL平穩(wěn)性檢測27-28
• 3.5 本章小結28-30
• 第四章 電子商務中信用評級方法的設計30-40
• 4.1 基本假設30-31
• 4.2 數(shù)據(jù)預處理算法設計31-33
• 4.2.1 判斷矩陣的構造與數(shù)據(jù)初始化31-32
• 4.2.2 一致性檢驗算法設計32-33
• 4.3 基于價格權重的FCM算法設計33-34
• 4.4 商戶信用趨勢預測算法設計34-35
• 4.5 評級指標與數(shù)據(jù)庫設計35-37
• 4.6 流程圖37-39
• 4.7 本章小結39-40
• 第五章 算法的實現(xiàn)和分析40-54
• 5.1 算法實現(xiàn)40-50
• 5.1.1 數(shù)據(jù)庫操作及初始化的實現(xiàn)40-42
• 5.1.2 一致性檢驗的實現(xiàn)42-43
• 5.1.3 價格權重下FCM聚類的實現(xiàn)43-48
• 5.1.4 商戶信用趨勢預測的實現(xiàn)48-50
• 5.2 實例與結果分析50-52
• 5.3 本章小結52-54
• 第六章 結論與展望54-56
• 6.1 結論54-55
• 6.2 存在的不足55
• 6.3 展望55-56
• 致謝56-58
• 參考文獻58-62
• 附錄A 作者在攻讀碩士學位期間發(fā)表的論文62

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前4條

1 焦樹鋒;;AHP法中平均隨機一致性指標的算法及MATLAB實現(xiàn)[J];太原師范學院學報(自然科學版);2006年04期

2 石洪波,于劍,黃厚寬;一種有效的FCM算法的實現(xiàn)方式[J];鐵道學報;2003年01期

3 潘佳林,扶縛龍;風險投資項目評估的模糊多目標群決策方法[J];當代經(jīng)濟管理;2005年02期

4 許海洋,汪國安,王萬森;模糊聚類分析在數(shù)據(jù)挖掘中的應用研究[J];計算機工程與應用;2005年17期

中國碩士學位論文全文數(shù)據(jù)庫 前1條

1 宮改云;FCM算法參數(shù)研究及其應用[D];西安電子科技大學;2004年

，

本文編號：950588