面向复杂基础数据准备的一种聚类分析算法研究-工业工程专业毕业论文.docxVIP

重庆大学硕士学位论文中文摘要 重庆大学硕士学位论文 中文摘要 I I 摘 要 世界经济全球化加快了全球合作的步伐，信息化成为现代企业适应竞争走向 全球强有力的武器。现代生产环境中，由于计算机技术、自动控制技术和人工智 能技术的广泛应用，人在制造系统中的体力劳动已大大减少，人的作用正从直接 参与加工操作逐渐演化成对机器、设备等的监督、控制、维护等。制造系统中人 的工作性质的变化，要求人们更加重视信息的接收、处理和决策过程。 另外，随着现代企业信息化进程的加快，必然导致企业拥有大量信息，信息 的及时处理就成为现代企业亟待解决的迫切问题。同时也促使企业的管理活动逐 渐倾向于数据分析型。因此，如何把这些企业拥有的大量数据信息及时处理为支 持企业管理活动的有效的信息，以获得这些隐藏在海量数据背后的具有决策价值 的知识，利于决策者做出更加个性化和有针对性的决策，就成为现代企业面临全 球竞争与信息化进程中重要的过程。为此，企业必须使用具有强大数据分析处理 能力的技术及时处理这些海量复杂的信息。数据挖掘技术正解决了企业的这一问 题。 聚类分析一直在数据挖掘领域中占据着重要的地位，它既可以作为单独的工 具来发现数据分布情况，也可以作为其他数据挖掘分析算法的一个预处理步骤。 k-means 算法是一种经典的基于划分的聚类算法，它的优点是算法简洁、快速， 对于大数据集能够快速的得出结果，但是它也存在一定的局限性，比如初始中心 点难以选择最优，k 值需要提前给定，聚类有效性难以保障等问题。 本论文主要针对现代生产的特点以及现代生产管理模式的发展方向，面向现 代企业复杂基础数据准备要求，利用智能分析方法解决现代企业在面临复杂基础 数据时的处理方式、方法GWK-means 方法。重点讨论了 k-means 算法中初始 中心点选取依赖性以及最佳 k 值选择的问题。提出利用特征加权的方法解决初始 中心点依赖性的问题；建立一种新的基于数据特征属性的有效性函数，解决 k 值 选取问题，并进一步检验了算法结果的有效性。 最后，将 GWK-means 方法应用到 J 公司的实际中。为解决该企业现存的供 应商评估与客户关系管理等复杂基础数据准备处理问题，提供了一种实用高效科 学的方法。 关键词：GWK-means 方法，基础数据，聚类分析，层析分析法，聚类有效性 重庆大学硕士学位论文英文摘要 重庆大学硕士学位论文 英文摘要 II II ABSTRACT The world economy globalization accelerates the pace of global cooperation, and information becomes the powerful weapons for modern enterprise meeting competition. In modern production environment, due to computer technology, automatic control technology and the wide application of artificial intelligence technology in manufacturing system, the physical labor has declined, and the persons role is gradually going from directly involving in processing operation to supervision, control and maintenance of machines and equipments. The change of human nature’s work in manufacturing system is asking people to pay more attention to the information receiver, processing and the decision-making process. In addition, the speeding up of modern enterprise informationization advancement inevitably leads the enterprise to make large information, and to process information of the modern enterprise in time becomes the urgent problems urgently to be solved. At the same time it pro