Print

基于改进的K-means聚类算法的汽车市场竞争情报分析

论文摘要

应用AHP（analytic hierarchy process）和EWM（entropy weight method）,对中国A级轿车市场数据进行了分析量化处理,设计了竞争威胁数据指标,基于改进的K-means聚类算法对该市场进行了社会网络分析;通过品牌间竞争矩阵构建了中间中心度及凝聚子群,分析了产品性能指标偏重程度和企业所在该市场的竞争地位。数值实验表明:改进的K-means聚类算法对于文中样本对象,得到了更为精确的聚类效果,对中国A级轿车市场的社会网络分析准确有效。

论文目录

  • 1数据的标准化处理
  •   1.1数据采集与基于AHP的文本数据处理
  •   1.2基于熵权法EWM的数据归一化处理
  • 2改进K-means算法的聚类分析
  •   2.1改进的K-means算法
  •   2.2聚类分析
  •   2.3实验对比和分析
  • 3 SNA数值实验结果与分析
  •   3.1社会网络分析
  •   3.2中间中心度分析
  •   3.3凝聚子群分析
  • 4结论

    • 文章来源

    类型: 期刊论文

    作者: 马廷博,刘太安,徐建国,刘欣颖

    关键词: 聚类算法,中间中心度,凝聚子群,竞争威胁,社会网络分析

    来源: 山东科技大学学报(自然科学版) 2019年01期

    年度: 2019

    分类: 基础科学,工程科技Ⅱ辑,信息科技,经济与管理科学

    专业: 汽车工业,图书情报与数字图书馆,工业经济

    单位: 山东科技大学计算机科学与工程学院,山东科技大学信息工程系

    基金: 国家自然科学基金项目(40971275,51174287)

    分类号: G350;F426.471

    DOI: 10.16452/j.cnki.sdkjzk.2019.01.009

    页码: 74-84

    总页数: 11

    文件大小: 760K

    下载量: 473

    相关论文文献

    本文来源: https://www.lunwen66.cn/article/9eab2bb14f38a035747bca5e.html