基于SVM--KELM--DS算法的汽车企业零配件供应商选择和评价研究

目录

声明

致谢

变量注释表

1 绪论

1.1.1 研究背景

1.1.2 研究意义

1.2.1 供应商评价指标体系研究现状

1.2.2 供应商选择和评价方法研究现状

1.3 研究内容

1.4.1 研究方法

1.4.2 技术路线

1.5 本章小结

2 相关理论概述

2.1.1 供应商的定义

2.1.2 供应商管理

2.2 供应链管理理论

2.3 供应商选择评价理论

2.4 因子分析理论

2.5.1 BP神经网络

2.5.2 支持向量机

2.5.3 极限学习机

2.5.4 随机森林

2.6 DS证据理论

2.7 本章小结

3 汽车制造企业零配件供应商评价指标体系

3.1 汽车制造企业特点分析

3.2 零配件供应商选择的基本流程

3.3.1 供应商评价指标体系构建原则

3.3.2 供应商评价指标体系构建步骤

3.4.1 供应商初始评价指标的确定

3.4.2 调查问卷的设计

3.4.3 调查问卷的收集

3.5.1 信度检验

3.5.2 相关性检验

3.5.3 因子分析

3.5.4 相关性分析

3.5.5 评价指标的确定

3.6 指标分析及量化处理

3.6.1 质量水平

3.6.2 采购成本

3.6.3 运输及响应

3.6.4 服务和研发

3.6.5 企业状况

3.7 本章小结

4 汽车制造企业零配件供应商评价与选择模型

4.1 模型构建的理论基础

4.1.1 BP神经网络

4.1.2 支持向量机

4.1.3 极限学习机

4.1.4 随机森林

4.1.5 DS证据理论

4.2 供应商选择评价模型的构建

4.2.1 样本离散化

4.2.2 样本归一化及降维

4.2.3 算法模型及样本识别结果

4.2.4 基于SVM-KELM-DS的选择评价模型

4.3 本章小结

5 案例分析

5.1 公司概况介绍

5.2 供应商选择评价现状

5.3 供应商数据收集与处理

5.3.1 数据来源

5.3.2 数据处理

5.4 SVM-KELM-DS 算法模型在供应商选择评价中的应用

5.5 模型应用分析

5.6 本章小结

6 总结与展望

6.1 研究总结

6.2 研究展望

参考文献

附录1

附录2

附录3

附录4

作者简历

学位论文原创性声明

学位论文数据集