本文選題：定制配置 + 匹配��； 參考：《重慶大學學報》2017年03期

【摘要】：在線定制的產(chǎn)品涉及到設(shè)計、生產(chǎn)等復(fù)雜環(huán)節(jié),所以定制品的方案設(shè)計及其可行性等信息的快速反饋是實施在線定制的難點。提出基于CBR(case-based reasoning)的匹配定制方法,減少定制時間避免不必要的重復(fù)設(shè)計。首先運用層次分析法和質(zhì)量功能展開確定需求工程設(shè)計權(quán)重;結(jié)合模糊數(shù)學修改高斯函數(shù),構(gòu)造出一種具有接近客觀現(xiàn)實、方便處理、區(qū)分性強等優(yōu)點的匹配度計算方法;利用Beta分布構(gòu)建機器學習方法,得到隨市場偏好變動而調(diào)整的匹配度閥值。其次針對顧客對不同產(chǎn)品的價格敏感度不同,引入調(diào)節(jié)因子修正最終匹配值對比匹配閥值從而獲得定制產(chǎn)品的設(shè)計方案及可行性并反饋。最后以電冰箱定制為例,證明該方法有效且易于實施。
[Abstract]:The product of online customization involves complex links such as design and production, so the fast feedback of the information such as the scheme design and feasibility of the fixed product is the difficulty to implement online customization. A method of matching customization based on CBR (case-based reasoning) is proposed to reduce the customization time and avoid unnecessary repeated design. Firstly, the weight of demand engineering design is determined by AHP and quality function expansion, and the Gao Si function is modified by fuzzy mathematics to construct a matching calculation method which has the advantages of close to objective reality, convenient processing and strong differentiability. By using Beta distribution to construct the machine learning method, the matching threshold adjusted with the change of market preference is obtained. Secondly, according to the different price sensitivity of the customer to different products, the adjustment factor is introduced to revise the final matching value to compare the matching threshold so as to obtain the design scheme and feasibility of the customized product and feedback. Finally, taking the refrigerator customization as an example, it is proved that the method is effective and easy to implement.
【作者單位】： 重慶大學機械傳動國家重點實驗室;重慶大學現(xiàn)代物流重慶市重點實驗室;重慶大學機械工程學院;
【基金】：國家科技支撐計劃資助項目(2015BAF05B03)~~
【分類號】：TP181;F273;F274

【相似文獻】

相關(guān)期刊論文 前10條

1 張明玉,倪志偉;基于機器學習的智能決策支持系統(tǒng)[J];淮南師范學院學報;2005年03期

2 楊凌霄;武建平;;機器學習方法在人臉檢測中的應(yīng)用[J];計算機與數(shù)字工程;2008年03期

3 ;第十一屆中國機器學習會議[J];智能系統(tǒng)學報;2008年02期

4 ;第14屆中國機器學習會議[J];智能系統(tǒng)學報;2012年06期

5 費宗銘;呂建;王志堅;陳道蓄;徐家福;;機器學習[J];計算機科學;1991年01期

6 趙沁平;魏華;王軍玲;;機器學習技術(shù)與機器學習系統(tǒng)[J];計算機科學;1993年05期

7 姚敏;機器學習及其發(fā)展方向[J];計算機時代;1994年04期

8 ;第31屆機器學習國際會議(英文)[J];智能系統(tǒng)學報;2014年01期

9 黃海濱;機器學習及其主要策略[J];河池師范高等專科學校學報(自然科學版);2000年04期

10 佘玉梅;一種協(xié)調(diào)機器學習方法研究[J];云南民族學院學報(自然科學版);2000年03期

相關(guān)會議論文 前10條

1 王玨;;歸納機器學習[A];2001年中國智能自動化會議論文集（上冊）[C];2001年

2 王昊;李銀波;紀志梁;;利用機器學習方法預(yù)測嚴重藥物不良反應(yīng)-呼吸困難[A];中國化學會第28屆學術(shù)年會第13分會場摘要集[C];2012年

3 吳滄浦;;智能系統(tǒng)與機器學習的新領(lǐng)域[A];西部大開發(fā) 科教先行與可持續(xù)發(fā)展——中國科協(xié)2000年學術(shù)年會文集[C];2000年

4 周晴杰;徐立鴻;吳啟迪;;機器學習串級結(jié)構(gòu)的初步探討[A];1998年中國控制會議論文集[C];1998年

5 李剛;郭崇慧;林鴻飛;楊志豪;唐煥文;;基于詞典法和機器學習法相結(jié)合的蛋白質(zhì)名識別[A];大連理工大學生物醫(yī)學工程學術(shù)論文集（第2卷）[C];2005年

6 徐禮勝;李乃民;王寬全;張冬雨;耿斌;姜曉睿;陳超海;羅貴存;;機器學習在中醫(yī)計算機診斷識別系統(tǒng)中的應(yīng)用思考[A];第一屆全國中西醫(yī)結(jié)合診斷學術(shù)會議論文選集[C];2006年

7 蔡健平;林世平;;基于機器學習的詞語和句子極性分析[A];第三屆全國信息檢索與內(nèi)容安全學術(shù)會議論文集[C];2007年

8 黃金鐵;李景銀;周建常;;對高爐爐況評價模型參數(shù)的機器學習——一個三類線性模式分類器的實現(xiàn)[A];1995中國控制與決策學術(shù)年會論文集[C];1995年

9 程國建;蔡磊;潘華賢;;核向量機在大規(guī)模機器學習中的應(yīng)用[A];第十一屆中國青年信息與管理學者大會論文集[C];2009年

10 張鈸;張鈴;;統(tǒng)計學習理論及其應(yīng)用[A];2001年中國智能自動化會議論文集（上冊）[C];2001年

相關(guān)重要報紙文章 前10條

1 黎驪/文 [美] Tom M.Mitchell 著;機器學習與智能化社會[N];中國郵政報;2003年

2 IBM大數(shù)據(jù)專家 James Kobielus　范范 編譯;機器學習已成為大數(shù)據(jù)基石[N];網(wǎng)絡(luò)世界;2014年

3 本報記者 房琳琳;合久必分：分布式“機器學習”應(yīng)運而生[N];科技日報;2014年

4 雨辰;機器學習類圖書為什么火爆[N];中華讀書報;2014年

5 百度公司技術(shù)副總監(jiān) 多媒體部負責人 余凱;深度學習與多媒體搜索技術(shù)演進[N];中國信息化周報;2013年

6 本報記者 余建斌;機器學習與互聯(lián)網(wǎng)搜索[N];人民日報;2011年

7 本報記者 張曄邋通訊員 李瑋;周志華：永不墨守成規(guī)[N];科技日報;2008年

8 記者　 彭德倩;機器學習精度提升近6個百分點[N];解放日報;2006年

9 本報記者 閔杰;大數(shù)據(jù)熱 高端人才缺[N];中國電子報;2013年

10 沈建苗 編譯;如何成為大數(shù)據(jù)科學家[N];計算機世界;2013年

相關(guān)博士學位論文 前10條

1 董春茹;機器學習中的權(quán)重學習與差分演化[D];華南理工大學;2015年

2 姚明臣;機器學習和神經(jīng)網(wǎng)絡(luò)學習中的若干問題研究[D];大連理工大學;2016年

3 趙玉鵬;機器學習的哲學探索[D];大連理工大學;2010年

4 胡巍;面向格結(jié)構(gòu)的機器學習[D];上海交通大學;2009年

5 張義榮;基于機器學習的入侵檢測技術(shù)研究[D];國防科學技術(shù)大學;2005年

6 錢線;快速精確的結(jié)構(gòu)化機器學習方法研究[D];復(fù)旦大學;2010年

7 梁錫軍;稀疏優(yōu)化在機器學習中的若干應(yīng)用[D];大連理工大學;2013年

8 蔣剛;核機器學習方法若干問題研究[D];西南交通大學;2006年

9 陳慧靈;面向智能決策問題的機器學習方法研究[D];吉林大學;2012年

10 周偉達;核機器學習方法研究[D];西安電子科技大學;2003年

相關(guān)碩士學位論文 前10條

1 毛海斌;基于半監(jiān)督機器學習的情感分類領(lǐng)域適應(yīng)問題研究[D];南京理工大學;2015年

2 安軍輝;基于微博數(shù)據(jù)的微博用戶性別判斷研究[D];華中師范大學;2015年

3 陳召陽;基于機器學習的改性麥槽吸附重金屬構(gòu)效關(guān)系模型研究[D];江西理工大學;2014年

4 王成;基于半監(jiān)督機器學習的文本情感分析技術(shù)[D];南京理工大學;2015年

5 孫科;基于Spark的機器學習應(yīng)用框架研究與實現(xiàn)[D];上海交通大學;2015年

6 劉江龍;基于機器學習的射頻指紋定位方法研究[D];電子科技大學;2015年

7 張蕾;基于機器學習的網(wǎng)絡(luò)輿情采集技術(shù)研究與設(shè)計[D];電子科技大學;2014年

8 施宇;基于數(shù)據(jù)挖掘和機器學習的木馬檢測系統(tǒng)設(shè)計與實現(xiàn)[D];電子科技大學;2014年

9 施應(yīng)敏;基于機器學習的Femtocell信道頻譜與功率資源分配算法的研究[D];南京郵電大學;2015年

10 張柯;基于機器學習的錯誤定位方法研究[D];南京航空航天大學;2015年

，

本文編號：2062609