基于模糊物元的客户需求知识挖掘方法研究

发布时间：2019-10-10 20:26

【摘要】：随着市场经济的逐渐完善，客户需求知识在产品生产设计中的作用越来越大。客户需求知识不仅包含着消费者对已存在产品的看法和兴趣偏好，还隐藏着消费者对产品的个性化需求及产品以后可能的发展趋势等信息。因此，对企业而言，能否准确地把握市场动态，获取顾客的需求知识将成为决定产品生产设计成败的瓶颈之一。然而，现有的一些客户需求知识获取方法所存在的不足，限制了客户需求知识在产品设计领域的应用。这些不足主要体现在以下方面：（1）传统的方法受到企业规模和企业人才数量的制约，存在着主动性差、样本不足、周期性长和成本高等缺陷，既耗时耗力，又难以确定真实的客户需求，且执行的效率和结果的准确度都存在问题。（2）采用数据挖掘技术从客户关系管理和客户知识管理等企业内部数据库中获取客户需求知识的方法，由于受内部系统封闭性的限制，同样存在样本不足，，主题和范围受限等问题。且没有考虑客户需求知识的模糊性，获取结果的准确性存在问题。为了解决上述问题，本文以基于模糊物元的客户需求知识挖掘方法为研究对象，以消除客户需求知识挖掘中存在的样本不足、周期性长、成本高等问题为研究目的。主要完成了以下工作：（1）客户需求知识模型的建立。利用模糊物元的数学方法，将客户的个性化需求、客户需求知识的模糊特征及一些缺乏主题性的模糊评语量值化。然后将这些量值结合起来，建立数学模型。该方法能较好的消除客户需求知识的模糊性。（2）客户需求知识挖掘方法的选择。结合粒子群算法的核心思想，利用已经建立的模型，应用模糊物元的方法将客户的多维度需求问题进行优化。对基本粒子群算法稍作变化，提出了能成功挖掘客户需求知识的混合式算法。该算法提高了客户需求知识挖掘的准确性。（3）提出混合式算法的客户需求知识挖掘策略。根据混合式算法，提出客户需求知识挖掘的具体步骤，并写出了基于混合式算法的客户需求知识挖掘策略的伪代码。该挖掘步骤简单明了，代码通俗易懂，提高了客户需求知识挖掘的执行效率。最后，将上述方法应用在某型号轿车的整体外观造型设计的客户需求知识挖掘案例中，证明了该方法的有效性及可行性。
【图文】：

模糊理论

生事半功倍的效果。模糊理论是在处理客户事物的过程中，凡是用到了模糊概念、利用了模糊分析的方法、借助了模糊隶属函数等的所有理论的集合。图 2-1对模糊理论进行了大致的分类。模糊理论的基本分支，如表 2-3 所示：表 2-3 模糊理论五大分支表模糊数学它用模糊集合取代经典集合从而扩展了经典数学中的概念。模糊逻辑与人工智能它引入了经典逻辑学中的近似推理，且在模糊信息和近似推理的基础上开发了专家系统。模糊系统它包含了信号处理和通信中的模糊控制和模糊方法。不确定性和信息它用于分析各种不确定性。模糊决策它用软约束来考虑优化问题。当然，模糊理论的这五个分支也不是相互独立的，他们之间也有着密切的联系。如图 2-1 所示。

变化曲线,适应值,变化曲线,混合式

图 5-1 最大适应值变化曲线图-1 中，横坐标表示在迭代过程中算法所经过的迭代代数，纵坐标程中每一代相应的适应值。由图 5-1 可以更直观地看出:混合式算算法更具有明显优势。在实际的计算过程中，混合式算法能够较最优点，只在第 45 代就收敛到最优位置；粒子群算法需经过 10传算法经过 156 代收敛才找到最优位置。通过计算过程的比较，得出：混合式算法较标准粒子群算法和遗传算法更具有明显优势变异淘汰机制，可以保护适应值较优的粒子，从而可以减少多余高了算法的收敛速度。可见，混合式算法收敛速度远快于标准粒传算法。而且其最优适应值也是高于这两种算法的。小结主要以某型号轿车的外观造型设计为例，在客户的个性化需求知需求知识，以有效指导生产。从客户登陆的某型号轿车的电子产品取 1000 名顾客的评价信息，并对这些初始客户需求知识进行相应的数据库中获取的原始数据更具有代表性。通过前面章节具体介绍的数
【学位授予单位】：合肥工业大学
【学位级别】：硕士
【学位授予年份】：2013
【分类号】：G354

【参考文献】