基于粗糙集贝叶斯分类的供应商评价研究.docVIP

基于粗糙集贝叶斯分类的供应商评价研究 摘 要：文章采用数据挖掘中粗糙集和朴素贝叶斯分类结合的方法，对供应商评价指标信息属性冗余的问题进行分析，约简信息属性，提出一种新的供应商评价方法。并应用于某企业的供应商数据中，进行分析和验证。 关键词：粗糙集；贝叶斯分类；供应商评价 中图分类号：F273.7 文献标识码：A 供应商评价中需要对供应商的技术、价格、质量、供货能力、合作时间、财务状况和发展战略等指标[1-2]进行大量的研究。而评价指标又包含许多层次性因素，这些因素直接影响供应商的选择决策。因此如何从大量冗余的数据指标中寻找有效地评价指标显得尤为重要。文章采用粗糙集属性简约与朴素贝叶斯分类结合方法，根据已知供应商评价指标及结果对未知绩效的供应商进行分类评价，最终获得最优绩效的供应商。 1 基于粗糙集贝叶斯分类的评价方法 1.1 粗糙集属性约简。粗糙集理论是一种用于研究不完整、不确定知识和数据的表达、学习、归纳的理论方法。知识约简是粗糙集的核心内容之一，其主要的思想就是在保持信息决策能力不变的条件下，去掉冗余属性，获得影响决策或分类的最佳属性，从而实现信息简约化[3]。 1.3 基于粗糙集的贝叶斯分类方法。该方法是利用已知供应商的属性和绩效来评价分类未知绩效的供应商。是根据属性对决策分类效果的影响作用，在一定程度上去除决策表中的冗余属性，再按照朴素贝叶斯分类方法计算概率，最后将供应商进行分类，从而得出对供应商的评价。 方法步骤： （1）根据训练样本决策表写出分辨矩阵D； （2）根据粗糙集属性约简方法定理，每次去掉一个属性k，得到新的分辨矩阵D■，对比初始分辨矩阵； （3）对比初始分辨矩阵，不出现新的不一致，约去该属性；出现新的不一致，属性不能约去； （4）令k k+1，转入步骤（2）循环进行，最终求出决策表的所有约简结果，获得最优约束属性； （5）计算类条件概率，求出先验概率和后验概率，得到供应商评价分类结果。 2 实例应用 产品质量a，产品价格b，交货时间c，技术能力d，经济效益e，市场占有率f，企业信誉度g，售后服务m，决策属性D 评价结果。在各个条件属性值C及决策属性D中，用1代表好；2代表一般；3代表不好[5]。 计算过程： （1）根据粗糙集分辨矩阵求核约简法得到决策表的核属性：a，b，c，d，g，即：产品质量，产品价格，交货时间，技术能力，企业信誉度等五个评价指标。如表3。 （2）根据朴素贝叶斯分类公式（2）～（3），计算分类属性概率。如表4。 （3）根据预测数据求先验概率和后验概率计算如表5。 3 结 论 在进行供应商选择时，不同的行业、企业以及在不同时期对各评价指标的重要程度会有不同的看法。在确定各评价指标时很容易出现属性的冗余问题，本文采用粗糙集属性简约与朴素贝叶斯分类相结合的方法，应用于实例中，根据已知样本数据评价未知供应商，有效地去除属性的多余信息，提高了评价的时效性和实用性。能够很好地避免选择指标时主观因素的影响，因而能够收到良好的效果。 参考文献： [1] 曾绍华，魏延. 供应商评价的支持向量机模型及应用研究[J]. 重庆师范大学学报，2007，24（1）：29-33. [2] 伊俊敏，刘瑞柏. 基于熵值法的供应商评价模型研究[J]. 物流技术，2009，28（3）：83-84. [3] 肖云华，王清，陈剑平. 基于粗糙集和支持向量机的融合算法在岩体质量评价中的应用[J]. 煤田地质与勘探，2008，36（6）：49-53. [4] 元昌安. 数据挖掘原理与SPSSClementine应用[M]. 北京：电子工业出版社，2009. [5] 邵良杉，邱云飞，杜文涛. 基于粗糙集的供应商评价选择[J]. 辽宁工程技术大学学报，2008，27（4）：591-594. [6] 黄鲲，陈森发，亓霞，等. 基于粗集理论和支持向量机的多源信息融合方法及应用[J]. 模式识别与人丁智能，2005，18（3）：354 -358. [7] 孙凌燕，徐维祥. 基于加权朴素贝叶斯分类的供应商评价模型[J]. 物流技术，2008，27（5）：72-74. [8] 许莲凤，陈翠燕. 供应商评价选择准则及指标体系研究综述[J]. 湖北财经高等专科学校学报，2009，21（4）：15-17. [9] 李艺，郑国华，郭世明. 一种改进的供应商评价模型及其应用[J]. 物流技术，2007，26（3）：52-54.