技術(shù)領(lǐng)域：

本發(fā)明申請涉及一種供應(yīng)商分類領(lǐng)域，尤其涉及一種局部保持投影分析的企業(yè)供應(yīng)商分類的方法。

背景技術(shù)：
：

目前，隨著經(jīng)濟全球化和知識經(jīng)濟時代的到來，企業(yè)的業(yè)務(wù)越來越趨向于國際化，整個市場呈現(xiàn)出明顯的一體化趨勢。供應(yīng)鏈管理受到越來越多的關(guān)注，導(dǎo)入、實施供應(yīng)鏈管理，建立企業(yè)高效運作、快速響應(yīng)的供應(yīng)鏈機制，創(chuàng)造供應(yīng)鏈的協(xié)同效應(yīng)已將成為企業(yè)提升核心競爭力，獲得競爭優(yōu)勢的重要途徑。而供應(yīng)商作為供應(yīng)鏈中物流的始發(fā)點、資金流的開始點和信息流的終點，在滿足客戶要求、信息分享、產(chǎn)品創(chuàng)新、產(chǎn)品開發(fā)設(shè)計、產(chǎn)品質(zhì)量、提前期、庫存水平和交貨等方面不但直接影響著企業(yè)的生產(chǎn)與運營，而且影響到整條供應(yīng)鏈的競爭力。因此，選擇合適的供應(yīng)商并同其建立戰(zhàn)略合作伙伴關(guān)系對于供應(yīng)鏈的核心企業(yè)而言就顯得尤為重要。

在企業(yè)供應(yīng)商的選擇中，比較常用的方法有：線性權(quán)重法、層次分析法、abc成本法、數(shù)據(jù)包絡(luò)法、主元成分分析法等，其中主元成分分析法在供應(yīng)商評價中應(yīng)用最為廣泛。主成分分析(principalcomponentsanalysis,pca)就是將多個指標(biāo)綜合成少數(shù)指標(biāo)的一種多元統(tǒng)計方法，通過將原來指標(biāo)線性組合成綜合指標(biāo)的方式，保留了原始指標(biāo)的主要信息且彼此間不相關(guān)，同時具有比原始變量更加優(yōu)越的性質(zhì)。然而實際中企業(yè)供應(yīng)商的各項指標(biāo)間的關(guān)系都是非線性的，所以采用傳統(tǒng)的主元成分分析是不妥的。因此，人們希望在對供應(yīng)商定量評價過程中，突破評價指標(biāo)間的相關(guān)性關(guān)系的限制，通過簡便的方法快速對企業(yè)供應(yīng)商進行分類評價。

局部保持投影(localitypreservingprojections，lpp)，是非線性方法laplacianeigenmap的線性近似，作為一種新的子空間分析方法，它既解決了主元成分分析方法難以保持原始數(shù)據(jù)非線性流形的缺點，又解決了非線性方法難以獲得新樣本點低維投影的缺點?，F(xiàn)今lpp在人臉識別、圖像檢索等領(lǐng)域得到廣泛應(yīng)用，而在供應(yīng)商企業(yè)分類評價領(lǐng)域的應(yīng)用尚未見報道。本發(fā)明擬將局部保持投影分析的方法應(yīng)用到企業(yè)供應(yīng)商的分類，既實現(xiàn)了pca的降維，又保持了原數(shù)據(jù)結(jié)構(gòu)的局部關(guān)系。

技術(shù)實現(xiàn)要素：
：

本發(fā)明目的是提供一種基于局部保持投影分析的企業(yè)供應(yīng)商分類方法。

上述的目的通過以下的技術(shù)方案實現(xiàn)：

1、一種基于局部保持投影分析的企業(yè)供應(yīng)商分類方法。其特征在于：該方法包括以下步驟：

(1)利用與企業(yè)工作人員及相關(guān)領(lǐng)域?qū)＜医涣髟L談和問卷調(diào)查方式得到企業(yè)有關(guān)供應(yīng)商的評價準(zhǔn)則，設(shè)共n個評價指標(biāo)；

(2)對步驟(1)獲取的評價準(zhǔn)則進行分類處理：產(chǎn)出指標(biāo)和投入指標(biāo)；設(shè)共l個產(chǎn)出評價指標(biāo)，共p個投入評價指標(biāo)；

(3)根據(jù)步驟(2)獲取的分類指標(biāo)信息，收集企業(yè)供應(yīng)商們的各種指標(biāo)值，設(shè)有m個供應(yīng)商；

(4)對步驟(3)獲取的供應(yīng)商們的指標(biāo)值進行數(shù)值化，生成樣本矩陣，將供應(yīng)商的投入指標(biāo)信息取倒數(shù)處理，然后對每個指標(biāo)下的信息分別進行標(biāo)準(zhǔn)化，將每個指標(biāo)的數(shù)值范圍確定在[0,1]之間；

(5)將步驟(4)得到供應(yīng)商們的評價數(shù)據(jù)樣本矩陣x∈r^n×m，進行局部保持投影分析，確定高斯核函數(shù)參數(shù)σ和最近鄰個數(shù)k，根據(jù)樣本矩陣x構(gòu)造帶權(quán)鄰接矩陣w∈r^m×m和度量矩陣d∈r^m×m，其中wij∈w,dii∈d，并求得拉普拉斯矩陣l，其中l(wèi)＝d-w。

(6)利用步驟(5)中得到的矩陣l和d構(gòu)造a＝xlx^t,b＝xdx^t并求解數(shù)λ使方程av＝λbv有非零向量解v。其中與數(shù)λ相對應(yīng)的非零向量解v稱為屬于λ的特征向量，數(shù)λ稱為特征值。

(7)對步驟(6)中求得的特征值λ進行升序排列，并求得樣本矩陣x在前p個最小特征值λi,＝1,2…,p對應(yīng)的特征向量vi,i＝1,2…,p上的投影y＝[v1,v2,…,vp]^tx，建議p＝1，按順序?qū)進行分組，即為最終的供應(yīng)商分類的結(jié)果。

2、根據(jù)權(quán)利要求1所述的基于局部保持投影分析的企業(yè)供應(yīng)商分類方法，其特征在于，步驟(2)中產(chǎn)出指標(biāo)是指能反映供應(yīng)商提供產(chǎn)品或服務(wù)的及時程度和效率情況，能綜合反映供應(yīng)商發(fā)展能力、營運能力的指標(biāo)，其值越大表明供應(yīng)商的能力越強。而投入指標(biāo)是指供應(yīng)商的銷售成本，供貨時間，離岸品質(zhì)，延遲時間，違約次數(shù)等，其值越小越好。

3、根據(jù)權(quán)利要求1所述的基于局部保持投影分析的企業(yè)供應(yīng)商評價方法，其特征在于，對步驟(4)中的投入指標(biāo)取倒數(shù)處理，xij∈x,i＝1,2,…,p,j＝1,2,…,m，xij＝1/xij。對每個指標(biāo)下的信息進行標(biāo)準(zhǔn)化所采用的方法是最大最小值法，其具體步驟如下：設(shè)xij∈x,i＝1,2,…,n,j＝1,2,…,m，然后對其中的一個指標(biāo)j進行標(biāo)準(zhǔn)化處理：

4、根據(jù)權(quán)利要求1所述的基于局部保持投影分析的企業(yè)供應(yīng)商分類方法，其特征在于，步驟(5)構(gòu)造的帶權(quán)鄰接矩陣w，wij∈w其中wij的計算方法如下所述：

xi＝[x1i,x2i,…,xni]^t,xj＝[x1j,x2j,…,xnj]^t,

i,j＝1,2,…,m,建議σ＝1或0.5

步驟(5)構(gòu)造的度量矩陣d，dij∈d，dij＝0,i≠j；

5、根據(jù)權(quán)利要求1所述的基于局部保持投影分析的企業(yè)供應(yīng)商分類方法，其特征在于，步驟(6)構(gòu)造的矩陣a為n階實對稱矩陣，矩陣b為n階實對稱正定矩陣，步驟(6)中求得的數(shù)λ為矩陣a相對于矩陣b的廣義特征值，其中v為n維列向量，為矩陣a相對于矩陣b對應(yīng)特征值λ的廣義特征向量。

6、根據(jù)權(quán)利要求1所述的基于局部保持投影分析的企業(yè)供應(yīng)商分類方法，其特征在于，步驟(7)所述分組建議以最近鄰個數(shù)k個為一組，共分為組。

本發(fā)明的有益效果：

1.本發(fā)明的供應(yīng)商分類方法，是一種通過對各項指標(biāo)定量分析，從而全面客觀的對企業(yè)供應(yīng)商進行分類的方法。其中采用的指標(biāo)分為產(chǎn)出指標(biāo)和投入指標(biāo)，而不是只采用一類指標(biāo)；使得供應(yīng)商的評價結(jié)果更加全面，真實，客觀。

2.本發(fā)明的供應(yīng)商分類方法，應(yīng)用局部保持投影的方法而非傳統(tǒng)主成分分析方法實現(xiàn)坐標(biāo)投影變換，傳統(tǒng)的主成分分析方法受指標(biāo)間線性相關(guān)與非線性相關(guān)關(guān)系的影響過程復(fù)雜，而局部保持投影分析的方法不受指標(biāo)間線性相關(guān)與非線性相關(guān)關(guān)系的限制，過程更為簡便，同時降維作用更加明顯。

3.本發(fā)明的供應(yīng)商分類方法，提出一種基于局部保持投影分析的分類方法，算法從局部關(guān)系考慮，在降維的同時保持了各供應(yīng)商之間的局部結(jié)構(gòu)信息的關(guān)系，而傳統(tǒng)的主元成分分析方法從全局出發(fā)計算各項指標(biāo)的方差貢獻率并沒有保持局部結(jié)構(gòu)信息，由此基于局部保持投影分析的方法較pca更適合于供應(yīng)商的分類。

附圖說明：

附圖1是本發(fā)明的實施2中企業(yè)供應(yīng)商的評判準(zhǔn)則層次圖。

附圖2是本發(fā)明的實施2中標(biāo)準(zhǔn)化后的供應(yīng)商評價指標(biāo)矩陣圖。

附圖3是本發(fā)明的實施2中對投入指標(biāo)處理后供應(yīng)商評價指標(biāo)矩陣圖。

附圖4是本發(fā)明的實施2中供應(yīng)商評價指標(biāo)數(shù)據(jù)的自相關(guān)系數(shù)矩陣圖。

附圖5是本發(fā)明的實施2中固定最近鄰個數(shù)jaccard相似性系數(shù)隨高斯核參數(shù)變化圖。

附圖6是本發(fā)明的實施2中固定高斯核參數(shù)jaccard相似性系數(shù)隨最近鄰個數(shù)變化圖。

附圖7是本發(fā)明的實施2中l(wèi)pp方法供應(yīng)商的分類評價指標(biāo)圖。

附圖8是本發(fā)明的實施3中企業(yè)供應(yīng)商的評判準(zhǔn)則層次圖。

附圖9是本發(fā)明的實施3中標(biāo)準(zhǔn)化后的供應(yīng)商評價指標(biāo)矩陣圖。

附圖10是本發(fā)明的實施3中對投入指標(biāo)處理后供應(yīng)商評價指標(biāo)矩陣圖。

附圖11是本發(fā)明的實施3中供應(yīng)商評價指標(biāo)數(shù)據(jù)的自相關(guān)系數(shù)矩陣圖。

附圖12是本發(fā)明的實施3中固定最近鄰個數(shù)jaccard相似性系數(shù)隨高斯核參數(shù)變化圖。

附圖13是本發(fā)明的實施3中固定高斯核參數(shù)jaccard相似性系數(shù)隨最近鄰個數(shù)變化圖。

附圖14是本發(fā)明的實施3中l(wèi)pp方法供應(yīng)商的分類評價指標(biāo)圖。

具體實施方式：

實施例1：

一種基于局部保持投影分析的企業(yè)供應(yīng)商評價方法，所述的局部保持投影分析法中特征向量的求解包括如下具體步驟：

已知數(shù)據(jù)集x1,x2,…xm，其中xi∈rⁿ,i＝1,2,…,m。m為樣本總數(shù)，n為指標(biāo)總數(shù)。設(shè)yi,yj是新基向量投影下的坐標(biāo)，在總體樣本中考慮，原來相近的樣本xi,xj在新的基坐標(biāo)空間中也同樣相近。利用高斯核函數(shù)表示原有樣本空間的相近程度wij，i,j＝1,2,3…,m,

其中，高斯核函數(shù)相關(guān)系數(shù)σ，k為最近鄰個數(shù)。

因此，目標(biāo)函數(shù)為：

原問題轉(zhuǎn)換為凸優(yōu)化問題。v∈r^n×1是標(biāo)準(zhǔn)基向量，

因為v^txi，v^txj都是數(shù)值標(biāo)量。

dii＝∑jwij，上面公式，固定一個i，v^txiwijv^txi，j＝1…m，因此dii＝∑jwij

v∈r^n×1,xi,xj∈x∈r^n×m,w∈r^m×m,d∈r^m×m對角矩陣。

v^txdx^tv-v^txwx^tv

＝v^tx(d-w)x^tv

＝v^txlx^tv

l＝(d-w)是著名的拉普拉斯矩陣。

為了防止0解出現(xiàn)，加上約束條件ydy^t＝1,

目標(biāo)函數(shù)為：minvv^txlv^tx,s.t.v^txdx^tv＝1

l(v,λ)＝v^txlx^tv-λ(v^txdx^tv-1)

xlx^tv＝λxdx^tv

令a＝xlx^t；b＝xdx^t

求數(shù)λ，使方程av＝λbv有非零向量解x，這里a為n階實對稱矩陣，b為n階實對稱正定矩陣，v為n維列向量，則稱該問題為矩陣a相對于矩陣b的廣義特征值問題，稱滿足上式要求的數(shù)λ為矩陣a相對于矩陣b的特征值，而與λ相對應(yīng)的非零向量解v稱為屬于λ的特征向量。

將求得的特征向量v升序排列，求得樣本矩陣x在前p個最小特征值λi,i＝1,2…,p對應(yīng)的特征向量vi,i＝1,2…,p上的投影y＝[v1,v2,…,vp]^tx，建議p＝1，并按順序進行分組即為最終的供應(yīng)商分類的結(jié)果。

實施例2：

為了驗證基于局部保持投影分析的企業(yè)供應(yīng)商分類方法，實驗中對國內(nèi)某大型煤炭國企的軸承供應(yīng)商進行評價。首先根據(jù)與其工作人員訪談和問卷調(diào)查得到該企業(yè)有關(guān)供應(yīng)商的評判準(zhǔn)則，并繪制成以下層次圖，如圖1所示。其中產(chǎn)出指標(biāo)為：技術(shù)能力，產(chǎn)能，管理水平，投入指標(biāo)：報價，響應(yīng)時間，離岸品質(zhì)。標(biāo)準(zhǔn)化后的24個供應(yīng)商評價指標(biāo)矩陣如圖2所示。將投入指標(biāo)取倒數(shù)并作最大最小化處理，得到圖3所示。為了顯示地說明排序的效果，人為定義最好的供應(yīng)商和最差的供應(yīng)商，分別為工廠1和工廠2。

由于各指標(biāo)量綱不同，不能直接相加；同時各指標(biāo)間存在一定的相關(guān)性，直接相加增加了信息的重疊；另外各個指標(biāo)相加時需要考慮各自的權(quán)重，否則無法直接進行綜合評價。為了說明各個指標(biāo)具有一定的相關(guān)性，這里采用巴特利特球形檢驗法進行自相關(guān)性檢驗，首先假設(shè)指標(biāo)數(shù)據(jù)的自相關(guān)系數(shù)矩陣為單位陣，其中顯著水平設(shè)置為0.05，p＝2.8528e-008<0.05，結(jié)果拒絕假設(shè),認定指標(biāo)數(shù)據(jù)具有一定的相關(guān)性。其中的自相關(guān)系數(shù)矩陣如圖4所示。

為驗證lpp分析方法的合理性，根據(jù)上述數(shù)據(jù)利用相關(guān)專家評定的方法得出最佳評價結(jié)果，利用jaccard相似性系數(shù)并繪制相似性系數(shù)變化圖，進行比較分析，其中jaccard相似性系數(shù)定義為，

f00＝具有不同的類和不同的簇的對象個數(shù)

f01＝具有不同的類和相同的簇的對象個數(shù)

f10＝具有相同的類和不同的簇的對象個數(shù)

f11＝具有相同的類和相同的簇的對象個數(shù)

首先取固定的最近鄰個數(shù)k＝6得出jaccard相似性系數(shù)隨高斯核參數(shù)變化圖，如圖5所示。從圖中可以看出當(dāng)k＝6時，高斯核參數(shù)σ＝0.5～1較為合理。同理，固定高斯核參數(shù)σ＝1得出jaccard相似性系數(shù)隨最近鄰個數(shù)k變化圖，如圖6所示。從圖中可以看出當(dāng)高斯核參數(shù)σ＝1時，最近鄰個數(shù)k＝6較為合理。

確定相關(guān)系數(shù)后利用lpp進行局部保持投影分析進行降維，選擇高斯核函數(shù)相關(guān)系數(shù)σ＝1，最近鄰個數(shù)k＝6，求得特征值與特征向量，并對特征值進行升序排序。選擇最小的特征值并求得樣本矩陣在對應(yīng)特征向量上的投影并排序分組計算結(jié)果如圖7所示，共分為四組即優(yōu)、良、中、差四組。根據(jù)原始數(shù)據(jù)上的比較結(jié)果以及相關(guān)專家的評定，我們利用lpp分析方法得出的結(jié)果與標(biāo)準(zhǔn)結(jié)果是一致的，所以針對該實例，選取高斯核參數(shù)σ＝0.5～1，最近鄰個數(shù)k＝6進行l(wèi)pp分析是較為合理的。

實施例3：

為了驗證基于局部保持投影分析的企業(yè)供應(yīng)商分類方法，本實驗對國內(nèi)某大型家電制造商的零件供應(yīng)商進行評價。首先根據(jù)與其工作人員訪談和問卷調(diào)查得到該企業(yè)有關(guān)供應(yīng)商的評判準(zhǔn)則，評價指標(biāo)分為五大類共13個，分別有(1)企業(yè)信譽風(fēng)險：①訂單完成率，用該供應(yīng)商交貨成功的次數(shù)與訂單總次數(shù)的比率來計算；②服務(wù)滿意率，是指企業(yè)對供應(yīng)商在供應(yīng)的全過程中所提供服務(wù)的滿意狀況；③企業(yè)名譽與地位，指供應(yīng)商在同一行業(yè)中的影響力。(2)合作能力：①準(zhǔn)時交貨率，是從時間的角度考察供應(yīng)商的交貨能力；②訂貨滿足率，是從數(shù)量方面反映供應(yīng)商交貨能力的一項指標(biāo)；③合約信任度，反映供應(yīng)商的可信任程度。(3)供貨能力：①庫存周轉(zhuǎn)率，是一定時期內(nèi)企業(yè)銷售成本與存貨平均資金占用額的比率；②庫存保證率，反映庫存能否保證生產(chǎn)要求的指標(biāo)；③供貨中斷率，反映供應(yīng)商到制造商兩個節(jié)點之間配送的可靠程度。(4)環(huán)境風(fēng)險：①經(jīng)濟和技術(shù)環(huán)境；②自然災(zāi)害影響度，指不可抗拒的自然災(zāi)害發(fā)生的可能性對供應(yīng)造成的破壞程度。(5)信息風(fēng)險：①信息傳遞及時率，用數(shù)據(jù)及時傳送的次數(shù)占傳送總數(shù)的百分比表示；②溝通程度，即合作過程中制造企業(yè)與供應(yīng)商進行溝通和交流的頻繁程度以及雙方所采取的溝通方式。根據(jù)上述指標(biāo)繪制成以下層次圖，如圖8所示。其中投入指標(biāo)為：供貨中斷率和自然災(zāi)害影響度，其余為產(chǎn)出指標(biāo)。標(biāo)準(zhǔn)化后的24個供應(yīng)商評價指標(biāo)矩陣如圖9所示。將投入指標(biāo)取倒數(shù)并作最大最小化處理，得到圖10所示。為了顯示地說明排序的效果，人為定義最好的供應(yīng)商和最差的供應(yīng)商，分別為工廠1和工廠2。

由于各指標(biāo)量綱不同，不能直接相加；同時各指標(biāo)間存在一定的相關(guān)性，直接相加增加了信息的重疊；另外各個指標(biāo)相加時需要考慮各自的權(quán)重，否則無法直接進行綜合評價。為了說明各個指標(biāo)具有一定的相關(guān)性，這里采用巴特利特球形檢驗法進行自相關(guān)性檢驗，首先假設(shè)指標(biāo)數(shù)據(jù)的自相關(guān)系數(shù)矩陣為單位陣，其中顯著水平設(shè)置為0.05，p＝0<0.05，結(jié)果拒絕假設(shè),認定指標(biāo)數(shù)據(jù)具有一定的相關(guān)性。其中的自相關(guān)系數(shù)矩陣如圖11所示。

為驗證lpp分析方法的合理性，根據(jù)上述數(shù)據(jù)利用相關(guān)專家評定的方法得出最佳評價結(jié)果，利用jaccard相似性系數(shù)并繪制相似性系數(shù)變化圖，進行比較分析，其中jaccard相似性系數(shù)定義為，

f00＝具有不同的類和不同的簇的對象個數(shù)

f01＝具有不同的類和相同的簇的對象個數(shù)

f10＝具有相同的類和不同的簇的對象個數(shù)

f11＝具有相同的類和相同的簇的對象個數(shù)

首先取固定的最近鄰個數(shù)k＝6得出jaccard相似性系數(shù)隨高斯核參數(shù)變化圖，如圖12所示。從圖中可以看出當(dāng)k＝6時，高斯核參數(shù)σ＝0.5～1.5較為合理。同理，固定高斯核參數(shù)σ＝0.5得出jaccard相似性系數(shù)隨最近鄰個數(shù)k變化圖，如圖13所示。從圖中可以看出當(dāng)高斯核參數(shù)σ＝0.5時，最近鄰個數(shù)k＝2～6較為合理。

確定相關(guān)系數(shù)后利用lpp進行局部保持投影分析進行降維，選擇高斯核函數(shù)相關(guān)系數(shù)σ＝0.5，最近鄰個數(shù)k＝6，求得特征值與特征向量，并對特征值進行升序排序。選擇最小的特征值并求得樣本矩陣在對應(yīng)特征向量上的投影并排序分組計算結(jié)果如圖14所示，共分為四組即優(yōu)、良、中、差四組。根據(jù)原始數(shù)據(jù)上的比較結(jié)果以及相關(guān)專家的評定，我們利用lpp分析方法得出的結(jié)果與標(biāo)準(zhǔn)結(jié)果是一致的，所以針對該實例，選取高斯核參數(shù)σ＝0.5～1.5，最近鄰個數(shù)k＝2～6進行l(wèi)pp分析是合理的。

根據(jù)上述兩個實例，得出基于局部保持投影分析的企業(yè)供應(yīng)商分類方法在應(yīng)用時選取高斯核參數(shù)σ＝0.5～1.5和最近鄰個數(shù)k＝2～6評價的結(jié)果是較為合理的。