第一章 绪论 1
第一节 研究背景 1
第二节 本书结构 4
第二章 相关研究综述 9
第一节 供应商选择的主要方法 9
一、线性权重法 9
二、成本方法 10
三、数学规划方法 11
四、其它方法 13
第二节 范例推理的理论综述 15
一、CBR研究的历史与现状 15
二、CBR中范例的表示方法和工作过程 16
三、CBR的特点及发展方向 18
第三节 基于数据挖掘的范例推理系统 20
一、范例推理中基于数据库的知识发现技术 21
二、范例库上数据挖掘的主要步骤与目标 22
三、范例库上数据挖掘的重要方法与技术 24
四、范例推理各阶段的关键难点 26
五、本章小结 27
第三章 基于信息熵的范例特征项权重确定方法 28
第一节 特征项赋权的一般方法 28
一、主观赋权方法 29
二、主客观综合赋权方法 31
三、客观赋权方法 33
第二节 决策树与信息熵 36
一、决策树分类算法 36
二、信息增益和熵 38
第三节 范例特征项赋权的熵方法 41
第四节 应用实例 43
一、背景与数据 43
二、实验步骤 54
三、结果分析 58
第五节 本章小结 59
第四章 基于k-prototypes聚类的范例相似度评价模型 60
第一节 范例检索的相似性度量 60
一、范例相似性度量 60
二、常用的相似性度量函数 63
三、范例检索的策略和方法 66
第二节 聚类差异度计算和k-均值算法 67
第三节 基于k-prototypes聚类的多属性相似度综合评价 71
第四节 应用实例 74
一、实例背景 74
二、实验步骤 75
三、分析结果 81
第五节 本章小结 85
第五章 基于BP神经网络的供应商选择CBR系统 86
第一节 基于神经网络的范例推理系统 86
一、范例推理与神经网络 86
二、基于神经网络的范例推理应用 87
三、BP算法 89
第二节 神经网络规则提取综述 93
一、基于结构分析的方法 94
二、基于性能分析的方法 98
三、规则抽取研究中存在的问题 102
第三节 构建基于BP-CBR的供应商选择系统 103
一、基于数据挖掘技术的CBR系统框架结构 103
二、基于神经网络构建CBR系统 105
三、基于BP算法的石油企业供应商选择CBR模型 108
第四节 应用实例 114
一、实例背景 114
二、实验步骤 115
三、结果分析 122
第五节 本章小结 123
第六章 结论 125
附录 A公司年度合格建筑承包商评估表 129
参考文献 131