[发明专利]一种基于非监督学习和多属性决策的分区间供应商选择方法

摘要

本发明涉及一种基于非监督学习和多属性决策的分区间供应商选择方法。当潜在供应商数据集S属于大样本区间时，本方法首先采用非监督学习方法将潜在供应商聚类成若干类，再借助多属性决策方法对所有供应商类进行排序，从而选出优质供应商类，剔除一般供应商类。上述过程不断迭代，直到潜在供应商数据集S减少到小样本区间时，再通过多属性决策方法对潜在供应商进行最终排序与选择。当潜在供应商数据集S属于小样本区间时，本方法直接采用多属性决策方法对潜在供应商进行排序与选择。本方法可以便捷有效地实现从任意规模的潜在供应商数据集中筛选出预期数量的合作供应商，对大数据时代背景下企业的供应链管理决策提供有力支持。

主权项

1.一种基于非监督学习和多属性决策的分区间供应商选择方法，其特征在于，包括以下步骤：步骤S1：选取供应商评价指标，结合供应商评价指标获取潜在供应商的评价数据；步骤S2：对潜在供应商数据集S进行预处理；步骤S3：根据行业背景和企业的实际经营情况，设定一个规模阈值X，通过比较X与潜在供应商数据集S的规模大小|S|来判断S的区间属性，即若|S|>X，则潜在供应商数据集S属于大样本区间；若|S|<X，则潜在供应商数据集S属于小样本区间。若潜在供应商数据集S属于大样本区间，则执行步骤S4；若潜在供应商数据集S属于小样本区间，则执行步骤S6；步骤S4：采用非监督学习方法对潜在供应商数据集S进行聚类分析，获得聚类结果；步骤S5：根据聚类结果得到的不同供应商类，采用多属性决策方法对供应商类进行排序并筛选，重复该步骤直至潜在供应商数据集S减少到小样本区间；步骤S6：采用多属性决策方法对潜在供应商进行最终排序，选择出预期数量的合作供应商。