《基于svm的虚拟企业盟友选择问题的研究》由会员分享，可在线阅读，更多相关《基于svm的虚拟企业盟友选择问题的研究（67页珍藏版）》请在金锄头文库上搜索。
1、南京工业大学 硕士学位论文 基于SVM的虚拟企业盟友选择问题的研究 姓名：卢青 申请学位级别：硕士 专业：控制理论与控制工程 指导教师：林锦国 20040201 摘要 在竞争、合作、动态的市场环境中，虚拟企业被认为是2 l 世纪最有竞争力 的企业运作模式。简单地说，虚拟企业就是由盟主企业联合其他资源互补的合作 伙伴，为及时适应市场机遇而组建成的动态联盟。其中，盟主企业能否从众多的 候选企业中选择出最优的合作伙伴是虚拟企业运作成功的关键一步。但目前人们 还没有找到一种合理而又有效的方法来帮助盟主企业进行决策。因此，本文将从 虚拟企业盟主的角度出发，率先大胆地尝试采用支持向量机算法来实现盟友的选
2、择。此课题是省教育厅自然科学研究项目，编号：0 2 K J B 6 3 0 0 0 I 。 目前，在虚拟企业中主要有三种合作伙伴类型：供应商合作伙伴、生产商合 作伙伴和销售商合作伙伴。本文根据指标体系的确定原则，分析了影响虚拟企业 盟友选择的具体因素，然后确立了这三种不同类型的盟友选择综合指标体系。 统计学习理论是种专门研究有限样本下机器学习规律的理论。它不仅考虑 了对推广能力的要求，而且追求在现有有限信息的条件下得到最优结果。支持向 量机是在统计学习理论基础上发展而来的一种新的模式识别方法，在解决有限样 本，非线性及高维模式识别问题中表现出许多特有的优势。因而，本文的另一项 主要工作是将支持
3、向量机的理论和方法引入盟友选择领域。为此，我们还必须解 决这三个问题：如何将盟友选择问题转化为分类问题、多类分类算法的选择以及 怎样将分类结果转化为绝对分值。我们通过将各候选企业的对应数据拼接形成大 向量，并定义候选企业之间关系的类别为“相对强”、“相对弱”以及“实力相当”， 解决了将盟友选择问题转化为分类的问题。由于经典的支持向量机算法只给出了 二类分类的算法，而在实际应用中，一般要解决的是多类识别问题。在具体比较 了4 种多类分类算法的基础上，本文选用一对一组合方式，采用3 个二值分类的分 类器来完成三类分类，解决了多类分类问题。最后将所有候选企业分别与其他所 有候选企业进行类似循环赛的两
4、两比较，并通过对类别标签的进一步定义和相应 的数据处理，完成了核心为S V M 算法的虚拟企业盟友选择流程。且本文通过大量 实验，调整了多项式核函数的2 个参数，选定参数性能晟好的S V M 完成系统的构建。 最后作者还用了3 个不同类型的实例，分别地证实了构建的基于S V M 的虚拟企业 盟友选择系统的有效性。 关键字：虚拟企业支持向量机盟友选择指标体系 A B S T R A C T U n d e rt h ec o m p e t i t i v e ，c o l l a b o r a t i v ea n dd y n a m i cm a r k e tc i r c u m s
5、 t a n c e s ，v i r t u a l e n t e r p r i s ei sk n o w na sm o s tc o m p e t i t i v em a n a g e m e n tm o d eo f21 c e n t u r y I nf a c t ， v i r t u a le n t e r p r i s ei st h a tt h ep r e d o m i n a n tc o r p o r a t i o na s s o c i a t e sw i t ho t h e rm u t u a l l y b e n e f i
6、 c i a lp a r t n e r si no r d e rt Ot a k eh o l do fm a r k e to p p o r t u n i t i e si nt i m e A n di ti sv e r y c r u c i a lt h a tt h ep r e d o m i n a n tc o r p o r a t i o nc a r lc o r r e c t l ys e l e c tt h ep a r t n e rf r o ml o t so f p o t e n t i a lp a r t n e r s B u ta t
7、p r e s e n tp e o p l eh a sn o tf o u n dar e a s o n a b l ea n de f f e c t i v e m e t h o dt oh e l pt h ep r e d o m i n a n te n t e r p r i s e sm a k i n gd e c i s i o n s S oi nt h ep a p e rw ew i l l b o l d l ya d o p tS u p p o r tV e c t o rM a c h i n e s ( S V M ) a l g o r i t h
8、mt oa c h i e v ep a r t n e rs e l e c t i o n T h e r ea r et h r e ek i n do fp a r t n e r sf o rt h em o m e n tp r i n c i p a l l y ，s u c ha s ，s u p p l i e r s ， p r o d u c e r sa n ds e l l e r s A c c o r d i n gt os o m ep r i n c i p l e so fi n d e x ，w ef i r s t l yc o n s i d e r
9、s p e c i f i cf a c t o r so fi n f l u e n c eo nv i r t u a le n t e r p r i s ep a r t n e rs e l e c t i o n T h e nw e r e s p e c t i v e l ye s t a b l i s ht h et h r e ek i n d o fp a r t n e rs e l e c t i o ne v a l u a t i n gi n d e x S u p p o r tV e c t o rM a c h i n e si sa n e wa
10、n dv e r yp r o m i s i n gc l a s s i f i c a t i o nt e c h n i q u e T h ea p p r o a c hi ss y s t e m a t i ca n dp r o p e r l ym o t i v a t e db ys t a t i s t i c a ll e a r n i n gt h e o r y T r a i n i n gi n v o l v e ss e p a r a t i n gt h ec l a s s e sw i t l las u r f a c et h a tm
11、 a x i m i z e st h em a r g i n b e t w e e nt h e m A ni n t e r e s t i n gp r o p e r t yo ft h i sa p p r o a c hi st h a ti t i sa na p p r o x i m a t e i m p l e m e n t a t i o no ft h eS t r u c t u r a lR i s kM i n i m i z a t i o n ( S R M ) i n d u c t i o np r i n c i p l e T h u s w
12、ep u tt h et h e o r ya n dm e t h o do fS u p p o r tV e c t o rM a c h i n e st Oa p p l yp a r t n e rs e l e c t i o n i nt h i st h e s i s T h e r e f o r e ，w em u s ts o l v et h r e er e l a t e di s s u e s T h ef i s ti s s u ei sh o wt o e v a l u a t eb yc l a s s i f y i n g W ec o n c
13、 a t e n a t et h ev e c t o r so fe a c ht w op o t e n t i a lp a r t n e r st o b ea b i g ”v e c t o r W eC a nc l a s s i f ys u c h b i g ”v e c t o r si n t ot h r e et y p e s ，n a m e l y b e t t e r ”， ”e q u a l ”a n d ”w o r s e ”b a s e do nw h a tr e l a t i o nb e t w e e nt h et w op
14、 o t e n t i a lp a r t n e r si s T h u sw ec a nt e l lt h er e l a t i o nb e t w e e na n yt W Op a r t n e r sb yc l a s s i 母i n gt h e ”b i g ”v e c t o r c o n c a t e n a t ef r o mt h ev e c t o r so ft h e m T h es e c o n di s s u ei Sm u l t i c l a s sc l a s s i f i c a t i o n a l g
15、o r i t h m so fS u p p o r tV e c t o rM a c h i n e s T h et r a d i t i o n a lS u p p o r tV e c t o rM a c h i n e so n l y d e a lw i t ht h eb i n a r yc l a s s i f i c a t i o n I nt h i sp a p e r , b a s e do nf o u rt y p e sm u l t i c l a s s c l a s s i f i c a t i o na l g o r i t h
16、m ，w ed e a lw i t h3 - c l a s sc l a s s i f i c a t i o nb yo n ea g a i n s tonem e t h o d ， i nw h i c ht h r e em a c h i n e sa r eb u i l tt od i s t i n g u i s ha n yt w oc l a s s e sr e s p e c t i v e l y T h et h i r d 1 s s u ei Sh o wt of o r r na b s o l u t ee v a l u a t i o n sb a s e d0 nt h er e s u l t so fc l a s s i f i c a t i o nT o p r o v i d ea b s o l u t ee v a l u a t i o n s ，w ea d o p ta r o u n d r o b i n - l i k em e
