基于FCM算法的电子商务信用评级方法研究

发布时间：2017-09-30 21:39

  本文关键词：基于FCM算法的电子商务信用评级方法研究

  更多相关文章： 信用评级 FCM 一致性检验 Daniel检验

【摘要】：随着全球信息化、数字化的不断发展,互联网所带来的商机越来越大,也越来越广泛的渗透到各行各业。互联网所产生的巨大商业价值使得电子商务网站层出不穷,互联网交易数量也每年呈火箭式上升状态。随着电子商务网站及其交易量的增多,所产生的问题也在不断增加,上到政府下到民众对其的诟病也越来越多,越来越严重。而在这些被人们所诟病的问题中,遭到讨论最多,也是最亟需解决的就是电子商务网站的信用评级问题。在用户面对成千上万的商户和商品时,现有的电子商务信用评级方法无法让用户根据自己的需求直接寻找到拥有高质量商品的可信任商户进行交易,原因在于现有的电子商务评级只是简单的信息罗列,没有进行深入的数据挖掘,用户难以通过这些信息直接判断出商品质量与商户信用的优劣。为了解决这些问题,近年来不少研究者都在尝试改进现有的评级方法,也引入了不少新的算法。在这种背景下,电子商务评级方法成为当前的研究热点。 聚类算法是对数据进行有效分类的数据挖掘算法,能够解决电子商务信用评级方法中存在的问题,但聚类算法在大数据量下迭代次数多,时间长,在电子商务的网络环境中应用有一定的障碍。因此,将聚类算法引入到电子商务评级方法中是具有研究价值和实际意义的。 首先介绍了信用评级思想的发展历史和概念的由来,并介绍了信用评级方法目前的研究概况和在实际应用中存在的一些问题。然后通过对各类大型电子商务网站信用评级方法的分析,对这些方法的特点总结归纳,确认了这些方法的共同点及问题。接着分析了几种常见的信用评级中的聚类算法,也指出了这些算法在实际应时所存在的问题。最后上述分析和总结的基础上,提出了采用一致性检验和Daniel平稳性检验进行优化,基于价格权重的FCM算法,同时将信用趋势预测融入到电子商务信用评级方法中。 通过在电子商务系统中进行实际应用,证明在同一数据集下,方法中FCM算法所用时间和错误率与单独采用传统FCM算法相比有明显的减少,同时方法也在一定程度上解决现有电子商务及其信用评级方法中存在的问题。
【关键词】：信用评级 FCM 一致性检验 Daniel检验
【学位授予单位】：昆明理工大学
【学位级别】：硕士
【学位授予年份】：2012
【分类号】：F224;F713.36
【目录】：

• 摘要3-4
• Abstract4-8
• 第一章 绪论8-14
• 1.1 论文研究背景及意义8-10
• 1.1.1 研究背景9-10
• 1.1.2 研究意义10
• 1.2 论文研究方法和范围10-11
• 1.2.1 研究方法10-11
• 1.2.2 研究范围11
• 1.3 论文拟研究的问题11-12
• 1.4 本文的章节安排12
• 1.5 本章小结12-14
• 第二章 信用评级方法综述与分析14-20
• 2.1 常见信用评级方法14-17
• 2.1.1 几种常见信用评级方法概述15-16
• 2.1.2 电子商务下对常见信用评级方法的分析16-17
• 2.2 电子商务信用评级方法17-19
• 2.2.1 B2B的信用评级方法概述17
• 2.2.2 B2C以及C2C的信用评级方法概述17-18
• 2.2.3 对电子商务信用评级方法的分析18-19
• 2.3 电子商务信用评级方法存在的问题19
• 2.4 本章小结19-20
• 第三章 聚类算法及相关算法综述与分析20-30
• 3.1 常见聚类算法20-21
• 3.2 信用评级中的聚类算法21-26
• 3.2.1 信用评级中的聚类算法21-23
• 3.2.2 FCM算法23-26
• 3.3 信息熵与一致性检验26-27
• 3.3.1 信息熵26
• 3.3.2 一致性检验26-27
• 3.4 DANIEL平稳性检测27-28
• 3.5 本章小结28-30
• 第四章 电子商务中信用评级方法的设计30-40
• 4.1 基本假设30-31
• 4.2 数据预处理算法设计31-33
• 4.2.1 判断矩阵的构造与数据初始化31-32
• 4.2.2 一致性检验算法设计32-33
• 4.3 基于价格权重的FCM算法设计33-34
• 4.4 商户信用趋势预测算法设计34-35
• 4.5 评级指标与数据库设计35-37
• 4.6 流程图37-39
• 4.7 本章小结39-40
• 第五章 算法的实现和分析40-54
• 5.1 算法实现40-50
• 5.1.1 数据库操作及初始化的实现40-42
• 5.1.2 一致性检验的实现42-43
• 5.1.3 价格权重下FCM聚类的实现43-48
• 5.1.4 商户信用趋势预测的实现48-50
• 5.2 实例与结果分析50-52
• 5.3 本章小结52-54
• 第六章 结论与展望54-56
• 6.1 结论54-55
• 6.2 存在的不足55
• 6.3 展望55-56
• 致谢56-58
• 参考文献58-62
• 附录A 作者在攻读硕士学位期间发表的论文62

【参考文献】

中国期刊全文数据库 前4条

1 焦树锋;;AHP法中平均随机一致性指标的算法及MATLAB实现[J];太原师范学院学报(自然科学版);2006年04期

2 石洪波,于剑,黄厚宽;一种有效的FCM算法的实现方式[J];铁道学报;2003年01期

3 潘佳林,扶缚龙;风险投资项目评估的模糊多目标群决策方法[J];当代经济管理;2005年02期

4 许海洋,汪国安,王万森;模糊聚类分析在数据挖掘中的应用研究[J];计算机工程与应用;2005年17期

中国硕士学位论文全文数据库 前1条

1 宫改云;FCM算法参数研究及其应用[D];西安电子科技大学;2004年

，

本文编号：950588