基于模糊主成分分析法的供应商评价与选择决策

企业供应商的选择所设计的指标非常多时,就很难轻易地作出决策.采用模糊主成分分析法一方面可以容易地从中找出主要因素及其贡献率(初始权重),达到降维的目的,另一方面可以对主成分初始权重进行修正使得所得到的权重合理,赋予新的权重后使得评价值比较科学和客观,能够作为进行供应商的参考.     

基于主成分分析法的沥青路面使用性能评价

针对沥青路面使用性能综合评价复杂性、模糊性及缺乏合理评价方法等问题,采用主成分分析法,选取现行规范确定的沥青路面使用性能评价指标,借助Matlab数学工具对沥青路面使用性能进行综合评价;并与已有文献中利用灰色聚类决策评价方法所得结果进行比较。分析表明:主成分分析法用于评价沥青路面使用性能是可行的,而且能客观地反映评价指标对综合评价值影响的强弱,具有特有的优越性。     

主成分分析法在综合评价中的应用

由于许多领域已采用的评价方法在一定程度上受到主客观因素影响，致使评判结果与真实情况产生偏差．采用主成分分析法计算指标权重能克服主观因素的影响，使评价结果更加客观、可靠．文中介绍了主成分分析法原理、优势和计算步骤．最后以某省综合运输体系中的内河运输、铁路和公路进行了实证研究．     

层次分析法选择供应商的研究

科学合理地选择供应商,既是企业正常运营的基础和保证,又关系到整个供应链的效率和企业竞争力。本文分析了供应商评价指标体系所应遵循的一般原则,把层次分析法应用到供应商选择问题中,有利于定性指标的定量化,减少了传统供应商评价中过多的主观性;把供应商的选择过程具体化,可明显地提高企业选择供应商的效率。该方法综合考虑了诸如价格、质量和服务等因素在选择供应商时的比重,同时考虑了实际的政策、供应能力等约束条件,在实际运用中具有可行性和实际意义。     

基于AHP与TOPSIS算法的供应商选择决策方法

供应链管理环境下,供应商的选择评价是整个供应链竞争力的关键.在分析供应链环境下供应商选择评价指标的基础上,提出一种基于AHP和TOPSIS的供应商选择模型,同时把AHP和TOPSIS综合用于供应商的选择评价,经实例分析表明该方法具有一定的可行性.     

基于AHP与TOPSIS算法的供应商选择决策方法

供应链管理环境下,供应商的选择评价是整个供应链竞争力的关键。在分析供应链环境下供应商选择评价指标的基础上,提出一种基于AHP和TOPSIS的供应商选择模型,同时把AHP和TOPSIS综合用于供应商的选择评价,经实例分析表明该方法具有一定的可行性。     

基于量化模型的供应商选择决策的研究现状

现代企业经营管理中,企业一般建立量化模型进行供应商评价决策。为了解人们如何构建供应商评价模型,分析供应商选择决策的研究现状,通过文献检索与梳理,对有代表性、引用率高的文献进行研读,形成文献综述。研究发现,人们以设计供应商评价指标体系为基础,运用多种量化模型或量化模型的组合,进行供应商的选择决策。     

主成分分析法优化高职教师教学质量评价指标体系的研究

要对教师教学质量作出客观、公正、公平的评价,必须从学生评价、同行评价和专家评价三方面进行。其中,学生评价是最主要的方面。通过采用主成分分析法,可以筛选、合并各评价指标,提高评价指标质量,达到优化高职教师教学质量评价指标体系的目的。     

基于主成分分析法的城市交通路口相关性分析

根据城市交通流量的特点，提出采用主成分分析法分析城市交通路口的相关性，并给出了相应的的计算模型和算法．作为实例，通过对北京市20个路口交通流量历史数据的分析，获得了路口相关性的分析结果，为实现交通信号灯的智能控制和车辆诱导提供了部分基础数据。     

基于主成分法的道路交通事故综合评价方法研究

在现有各种交通事故评价指标的基础上，应用主成分分析方法，可构造出交通事故综合评价指标，使其凸现交通事故的变化趋势和主要特征．且与原始数据有较高的弥合度。     

基于GIS和灰色模糊决策理论的自适应路线智能优选系统

为满足驾驶员路线选择的个性喜好和保障道路畅通, 在分析影响驾驶员路线优选因素的基础上, 提出了路线优选指标体系, 引入灰色模糊决策理论, 建立了基于GIS的智能路线优选系统, 采用动态数据更新的Web信息共享方法, 保证了路线优选的适时性。实例应用结果表明: 系统具有直观、形象的交通图形显示功能, 使驾驶员能够根据自己偏好与地图提示, 准确地找到最优路线, 提高了自适应路线优选的效率与可信度。     

城市立交选型的多指标决策方法

采用多指标决策理论对城市立交的选型问题进行了数学解析,构建了立交选型的多指标决策模型框架;结合多指标决策理论,从理论层面探讨了立交备选方案的选择、确定方法,并提出了相应的理论方法--基于通行能力的方案改进法;结合上海市某立交改造工程,采用多指标决策理论对其进行了选型分析.     

基于克隆选择算法的模糊规则提取方法

结合人工免疫系统的克隆选择原理,采用克隆算法进行优化,提取通过多精度模糊分割产生的大量模糊if-then规则中的优质分类规则,建立了模糊分类所需要的有效规则集来实现分类的目的.由该方法所提取的模糊规则集具有分类正确率高、规则数目较少及识别时间短的特点.     

基于支持向量机和神经网络的供应商选择方法比较

供应商选择是供应链管理的重要内容,近年来吸引大量学者进行研究,其中大量文献显示神经网络方法比传统统计方法有更大的优越性。然而神经网络具有固有的缺陷,如最优解的局部性、泛化能力低、训练样本大和无法控制收敛等。引用新的机器学习技术---支持向量机(support vector machines,SVM),用于选择理想供应商,并与BP神经网络算法相比较。实证表明,支持向量机算法比神经网络算法计算精确。     

基于PCA—Entropy的区域公路交通发展水平综合评价

为解决区域公路交通发展水平评价过程中指标众多、权重客观性难以保证等问题,提出了一种主成分分析法与熵值法相结合的组合评价方法．采用主成分分析法,消除指标之间信息相关性,简化了指标体系,通过熵值法进行客观赋权,进而建立了基于PCA-Entropy的区域公路交通发展水平综合评价模型．以山东省为例,进行了实例验证．研究结果表明,该模型合理、有效．     

基于注视转移模式的驾驶熟练程度评价方法

为了客观量化评价驾驶人驾驶熟练程度, 分析了实车试验环境中的眼动仪采集数据。采取注视区域划分方法, 选取8个注视转移模式表征参数作为评价指标。运用主成分分析方法研究了15个驾驶人眼动数据, 得到了基于注视转移模式的驾驶熟练程度计算方法。试验结果表明: 15个驾驶人驾驶熟练程度评价得分值与其驾驶经验里程之间存在密切关系; 运用提出的方法, 可以清楚区分以5.0×10⁴ km驾驶经验里程为界限的2个群体, 但是在每个群体内部, 驾驶人驾驶熟练程度评价得分不呈现明显的规律性。     

基于非线性主成分分析和GA-RBF的高速公路交通量预测方法

为了提高高速公路交通量的预测精度, 综合考虑高速公路交通量的高度非线性和受多因素影响的特征, 提出一种基于非线性主成分分析和GA-RBF神经网络(NPCA-GA-RBF) 的高速公路交通量预测方法; 确定了高速公路交通量的主要影响指标, 运用非线性主成分分析法降低高速公路交通量影响指标的维数及其相关性, 用少数主成分代替原有的多指标, 以简化神经网络结构; 利用GA优化RBF神经网络的参数, 进一步提高交通量的预测精度; 以普洱市某高速公路为例, 对交通量预测方法进行实例验证。分析结果表明: 2组试验GA-RBF和NPCA-GA-RBF方法的平均相对误差分别比RBF方法降低1.62%、3.53%和2.27%、3.32%, 说明GA优化RBF神经网络能提高RBF方法的交通量预测精度; 与GA-RBF方法相比, 2组试验NPCA-GA-RBF方法的平均相对误差分别降低了1.91%、1.05%, 其交通量预测值更接近实际交通量, 预测结果更为可靠, 表明非线性主成分分析法消除了指标的相关性, 进一步提高了交通量预测精度, 减少了交通量预测复杂度。可见, NPCA-GA-RBF方法具有更高的交通量预测精度, 能为高速公路的良好管理提供可靠的决策依据, 满足高速公路合理运营管理的客观需求。