發(fā)布時(shí)間：2017-09-03 12:36

  本文關(guān)鍵詞：二型模糊理論擴(kuò)展及其在線商品評價(jià)應(yīng)用

  更多相關(guān)文章： 區(qū)間二型模糊集 降型算法 優(yōu)劣解距離法(TOPSIS) 在線商品評價(jià)

【摘要】：隨著國內(nèi)Internet使用人數(shù)的增加,利用Internet進(jìn)行網(wǎng)絡(luò)購物并以銀行卡付款的消費(fèi)方式已漸流行,市場份額也在快速增長,電子商務(wù)網(wǎng)站也層出不窮。電子商務(wù)已經(jīng)滲透到我們生活中的各個(gè)領(lǐng)域。在線商品評價(jià)是電子商務(wù)的關(guān)鍵技術(shù)。由于消費(fèi)者對在線商品的評價(jià)都帶有主觀性和不確定性,而基于二型模糊集的二型模糊系統(tǒng)已經(jīng)成為處理不確定性、模糊性和不精確性建模問題的成功方法。本文對基于二型模糊系統(tǒng)的評價(jià)模型進(jìn)行研究并將其應(yīng)用到商品推薦系統(tǒng)。二型模糊集的降型是二型模糊系統(tǒng)應(yīng)用中的重要部分。能夠最快地解決區(qū)間二型模糊集的降型問題是很重要的。為了提高計(jì)算效率,目前為止,許多種迭代算法相繼被提出。KM算法是計(jì)算區(qū)間二型模糊集質(zhì)心常用的方法,盡管研究已表明KM算法迭代過程是單調(diào)收斂且呈現(xiàn)出超指數(shù)收斂,然而KM算法需要多次迭代才能夠達(dá)到收斂,而且每次迭代需要大量的數(shù)值計(jì)算。因此,本文首先針對KM算法的計(jì)算量大、計(jì)算時(shí)間長等缺點(diǎn),對KM算法進(jìn)行了拓展,提出改進(jìn)的區(qū)間二型模糊集降型方法。本文提出的新算法N-EIASC是在EIASC算法的基礎(chǔ)上進(jìn)行改進(jìn)的,主要從算法的初始條件、算法過程和終止判斷條件幾個(gè)方面進(jìn)行優(yōu)化,并通過數(shù)值模擬表明新算法N-EIASC的計(jì)算效率比現(xiàn)有的幾種算法都高。其次,針對二型模糊評價(jià)應(yīng)用,提出了一種改進(jìn)的二型TOPSIS方法,彌補(bǔ)了傳統(tǒng)TOPSIS方法不能處理不確定性數(shù)據(jù)的缺陷,將二型模糊集引入TOPSIS方法。而且針對現(xiàn)有二型TOPSIS方法中由于Rank公式的引入而導(dǎo)致不能始終保持?jǐn)?shù)據(jù)二型模糊集的缺陷,給出了“正理想解”和“負(fù)理想解”的新定義,避免了信息的丟失,而且對計(jì)算過程也進(jìn)行了優(yōu)化,通過N-EIASC算法計(jì)算能夠提高計(jì)算效率,計(jì)算步驟中也不再采用復(fù)雜的距離公式計(jì)算,采用更簡潔的計(jì)算公式,使得計(jì)算效率更高。通過算例表明改進(jìn)的二型TOPSIS方法比現(xiàn)有二型TOPSIS方法的優(yōu)越性。最后,將區(qū)間二型模糊集的降型法與改進(jìn)的二型TOPSIS法相結(jié)合應(yīng)用到在線商品評價(jià)中。結(jié)果表明二型模糊系統(tǒng)評價(jià)方法用于商品推薦的合理性。本文用二型模糊系統(tǒng)解決在線商品評價(jià)問題,不僅可以促進(jìn)二型模糊系統(tǒng)的理論研究,而且可以為電子商務(wù)的個(gè)性化提供決策支持。
【關(guān)鍵詞】：區(qū)間二型模糊集 降型算法 優(yōu)劣解距離法(TOPSIS) 在線商品評價(jià)
【學(xué)位授予單位】：東南大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：F724.6;F224
【目錄】：

• 摘要4-5
• Abstract5-8
• 第一章 緒論8-13
• 1.1 研究背景及意義8-9
• 1.2 研究現(xiàn)狀綜述9-12
• 1.2.1 二型模糊集的研究現(xiàn)狀9-10
• 1.2.2 KM算法及其拓展理論的研究現(xiàn)狀10-11
• 1.2.3 二型模糊評價(jià)的研究現(xiàn)狀11-12
• 1.3 研究思路及框架12-13
• 第二章 理論基礎(chǔ)13-20
• 2.1 二型模糊集13-15
• 2.1.1 區(qū)間二型模糊集13-14
• 2.1.2 區(qū)間二型模糊集的運(yùn)算14-15
• 2.2 二型模糊集系統(tǒng)15-16
• 2.2.1 二型模糊系統(tǒng)的定義15-16
• 2.2.2 二型模糊系統(tǒng)的應(yīng)用16
• 2.3 二型模糊集的降型16-20
• 2.3.1 二型模糊集質(zhì)心的定義16-17
• 2.3.2 二型模糊集質(zhì)心求解的基本方法17-20
• 第三章 區(qū)間二型模糊集降型方法拓展20-31
• 3.1 區(qū)間二型模糊集降型的方法20
• 3.2 改進(jìn)的區(qū)間二型模糊集降型方法20-25
• 3.2.1 EIASC算法21-23
• 3.2.2 改進(jìn)的區(qū)間二型模糊集質(zhì)心算法23-24
• 3.2.3 理論分析24-25
• 3.3 數(shù)值模擬25-29
• 3.4 本章小結(jié)29-31
• 第四章 改進(jìn)的二型TOPSIS評價(jià)方法31-51
• 4.1 預(yù)備知識31-38
• 4.1.1 區(qū)間二型模糊集的排序方法31-33
• 4.1.2 TOPSIS方法33-36
• 4.1.3 評價(jià)過程中語言變量的轉(zhuǎn)化36-38
• 4.2 改進(jìn)的二型TOPSIS法38-43
• 4.2.1 對傳統(tǒng)TOPSIS方法的局限性分析38
• 4.2.2 對現(xiàn)有二型TOPSIS方法的局限性分析38
• 4.2.3 對兩種方法的改進(jìn)38-40
• 4.2.4 改進(jìn)的二型TOPSIS法的步驟40-42
• 4.2.5 理論分析42-43
• 4.3 算例43-49
• 4.3.1 改進(jìn)的二型TOPSIS法的計(jì)算過程44-48
• 4.3.2 現(xiàn)有二型TOPSIS法的計(jì)算過程48-49
• 4.4 本章小結(jié)49-51
• 第五章 基于改進(jìn)的二型TOPSIS法的在線商品評價(jià)應(yīng)用51-61
• 5.1 問題背景51-54
• 5.2 基于改進(jìn)的二型TOPSIS法的在線商品評價(jià)應(yīng)用54-59
• 5.3 結(jié)果分析59
• 5.4 本章小結(jié)59-61
• 第六章 總結(jié)與展望61-63
• 參考文獻(xiàn)63-69
• 致謝69-70
• 作者在攻讀碩士期間發(fā)表的論文70

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 李國富;汪張林;桂云苗;;基于制造企業(yè)核心競爭力的AHP-TOPSIS分析[J];科技創(chuàng)業(yè)月刊;2009年10期

2 徐時(shí)波;;基于TOPSIS法的省域旅游業(yè)綜合競爭力分析[J];知識經(jīng)濟(jì);2011年16期

3 王s，

本文編號：785067