本文關(guān)鍵詞：基于FCM算法的電子商務(wù)信用評(píng)級(jí)方法研究

  更多相關(guān)文章： 信用評(píng)級(jí) FCM 一致性檢驗(yàn) Daniel檢驗(yàn)

【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(jī)越來越大,也越來越廣泛的滲透到各行各業(yè)。互聯(lián)網(wǎng)所產(chǎn)生的巨大商業(yè)價(jià)值使得電子商務(wù)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(wù)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(yán)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(wù)網(wǎng)站的信用評(píng)級(jí)問題。在用戶面對成千上萬的商戶和商品時(shí),現(xiàn)有的電子商務(wù)信用評(píng)級(jí)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(jìn)行交易,原因在于現(xiàn)有的電子商務(wù)評(píng)級(jí)只是簡單的信息羅列,沒有進(jìn)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(jìn)現(xiàn)有的評(píng)級(jí)方法,也引入了不少新的算法。在這種背景下,電子商務(wù)評(píng)級(jí)方法成為當(dāng)前的研究熱點(diǎn)。 聚類算法是對數(shù)據(jù)進(jìn)行有效分類的數(shù)據(jù)挖掘算法,能夠解決電子商務(wù)信用評(píng)級(jí)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(shí)間長,在電子商務(wù)的網(wǎng)絡(luò)環(huán)境中應(yīng)用有一定的障礙。因此,將聚類算法引入到電子商務(wù)評(píng)級(jí)方法中是具有研究價(jià)值和實(shí)際意義的。 首先介紹了信用評(píng)級(jí)思想的發(fā)展歷史和概念的由來,并介紹了信用評(píng)級(jí)方法目前的研究概況和在實(shí)際應(yīng)用中存在的一些問題。然后通過對各類大型電子商務(wù)網(wǎng)站信用評(píng)級(jí)方法的分析,對這些方法的特點(diǎn)總結(jié)歸納,確認(rèn)了這些方法的共同點(diǎn)及問題。接著分析了幾種常見的信用評(píng)級(jí)中的聚類算法,也指出了這些算法在實(shí)際應(yīng)時(shí)所存在的問題。最后上述分析和總結(jié)的基礎(chǔ)上,提出了采用一致性檢驗(yàn)和Daniel平穩(wěn)性檢驗(yàn)進(jìn)行優(yōu)化,基于價(jià)格權(quán)重的FCM算法,同時(shí)將信用趨勢預(yù)測融入到電子商務(wù)信用評(píng)級(jí)方法中。 通過在電子商務(wù)系統(tǒng)中進(jìn)行實(shí)際應(yīng)用,證明在同一數(shù)據(jù)集下,方法中FCM算法所用時(shí)間和錯(cuò)誤率與單獨(dú)采用傳統(tǒng)FCM算法相比有明顯的減少,同時(shí)方法也在一定程度上解決現(xiàn)有電子商務(wù)及其信用評(píng)級(jí)方法中存在的問題。
【關(guān)鍵詞】：信用評(píng)級(jí) FCM 一致性檢驗(yàn) Daniel檢驗(yàn)
【學(xué)位授予單位】：昆明理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2012
【分類號(hào)】：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(jié)12-14
• 第二章 信用評(píng)級(jí)方法綜述與分析14-20
• 2.1 常見信用評(píng)級(jí)方法14-17
• 2.1.1 幾種常見信用評(píng)級(jí)方法概述15-16
• 2.1.2 電子商務(wù)下對常見信用評(píng)級(jí)方法的分析16-17
• 2.2 電子商務(wù)信用評(píng)級(jí)方法17-19
• 2.2.1 B2B的信用評(píng)級(jí)方法概述17
• 2.2.2 B2C以及C2C的信用評(píng)級(jí)方法概述17-18
• 2.2.3 對電子商務(wù)信用評(píng)級(jí)方法的分析18-19
• 2.3 電子商務(wù)信用評(píng)級(jí)方法存在的問題19
• 2.4 本章小結(jié)19-20
• 第三章 聚類算法及相關(guān)算法綜述與分析20-30
• 3.1 常見聚類算法20-21
• 3.2 信用評(píng)級(jí)中的聚類算法21-26
• 3.2.1 信用評(píng)級(jí)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(yàn)26-27
• 3.3.1 信息熵26
• 3.3.2 一致性檢驗(yàn)26-27
• 3.4 DANIEL平穩(wěn)性檢測27-28
• 3.5 本章小結(jié)28-30
• 第四章 電子商務(wù)中信用評(píng)級(jí)方法的設(shè)計(jì)30-40
• 4.1 基本假設(shè)30-31
• 4.2 數(shù)據(jù)預(yù)處理算法設(shè)計(jì)31-33
• 4.2.1 判斷矩陣的構(gòu)造與數(shù)據(jù)初始化31-32
• 4.2.2 一致性檢驗(yàn)算法設(shè)計(jì)32-33
• 4.3 基于價(jià)格權(quán)重的FCM算法設(shè)計(jì)33-34
• 4.4 商戶信用趨勢預(yù)測算法設(shè)計(jì)34-35
• 4.5 評(píng)級(jí)指標(biāo)與數(shù)據(jù)庫設(shè)計(jì)35-37
• 4.6 流程圖37-39
• 4.7 本章小結(jié)39-40
• 第五章 算法的實(shí)現(xiàn)和分析40-54
• 5.1 算法實(shí)現(xiàn)40-50
• 5.1.1 數(shù)據(jù)庫操作及初始化的實(shí)現(xiàn)40-42
• 5.1.2 一致性檢驗(yàn)的實(shí)現(xiàn)42-43
• 5.1.3 價(jià)格權(quán)重下FCM聚類的實(shí)現(xiàn)43-48
• 5.1.4 商戶信用趨勢預(yù)測的實(shí)現(xiàn)48-50
• 5.2 實(shí)例與結(jié)果分析50-52
• 5.3 本章小結(jié)52-54
• 第六章 結(jié)論與展望54-56
• 6.1 結(jié)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(xiàn)58-62
• 附錄A 作者在攻讀碩士學(xué)位期間發(fā)表的論文62

【參考文獻(xiàn)】

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(jī)一致性指標(biāo)的算法及MATLAB實(shí)現(xiàn)[J];太原師范學(xué)院學(xué)報(bào)(自然科學(xué)版);2006年04期

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

3 潘佳林,扶縛龍;風(fēng)險(xiǎn)投資項(xiàng)目評(píng)估的模糊多目標(biāo)群決策方法[J];當(dāng)代經(jīng)濟(jì)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(yīng)用研究[J];計(jì)算機(jī)工程與應(yīng)用;2005年17期

中國碩士學(xué)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(yīng)用[D];西安電子科技大學(xué);2004年

，

本文編號(hào)：950588