基于互聯網大數據的零部件采購決策系統開發(fā).pdf

1、在“互聯網+”和“中國制造2025”的推動下，傳統制造業(yè)正面臨著銷售與制造模式發(fā)生重大變化的嚴峻挑戰(zhàn)。本文針對大數據處理技術存在的問題開展研究工作，提出了基于高維數據降維的半結構化數據清洗方法和基于圖論最短路徑求解的決策方法，并在此基礎上開發(fā)了機械零部件采購系統。本文的主要內容如下:
　　第一章緒論。首先介紹了大數據技術在不同行業(yè)中的應用及潛在價值，概述了數據清洗技術和基于圖論的最短路徑問題的國內外研究現狀;針對大數據應用過程中存

2、在的數據質量問題和海量數據下的決策問題，提出了相應的解決方案;最后簡要說明了本文的研究內容和組織架構。
　　第二章提出了基于高維數據降維的半結構化數據清洗方法。根據半結構化數據和XML文檔特點建立了樹模型，并提出了相似路徑。將相似路徑與向量空間模型結合，提出了XML文檔向量化表示方法;在主成分分析法與XML文檔向量化表示方法的綜合基礎上，提出了半結構化數據降維方法，并以淘寶網上的梅花聯軸器為例，驗證了方法的可行性。
　　第三

3、章提出了基于圖論最短路徑求解的決策方法。在介紹圖論基礎知識的基礎上，建立了基于鄰接矩陣表示法的圖模型;分析比較三種經典的最短路徑算法優(yōu)缺點，提出了基于限制函數的最短路徑算法，并將其應用于決策問題解決方案之中。
　　第四章為系統開發(fā)與測試驗證。使用Java語言編程實現了基于最短路徑求解的機械零部件采購決策系統，并運用黑盒測試方法驗證了決策系統的有效性。
　　第五章對全文的研究工作進行總結，并針對研究的不足之處提出了未來的工作方