[发明专利]基于混合权重核主成分分析企业供应商评价方法

说明书

技术领域：

本发明申请涉及一种供应商评价领域，尤其涉及一种基于混合权重核主成分分析企业供应商的客观综合评价方法。

背景技术：

目前，随着经济发展及现代化水平的提高，供应链管理越来越受到众多企业的重视。供应商的选择、评价作为供应链管理中一个重要问题也变得更为重要，如何对供应商做出全面、客观、真实的评价，对于保证物资供应质量，降低采购成本，提高生产企业的整体效益均具有十分重要的现实意义。供应商评价，又称供应商选择，问题研究始于1966年美国学者Dickson在《采购》上发表的一篇论文，随后便引起学术界的普遍关注。一直以来，国内外学者对供应商评价问题展开了深入研究，现有文献对供应商评价的方法主要包括定性和定量两种方法。定性方法主要是经验型概念型的研究，通过主观判断与协商等途径，建立供应商选择和评价指标体系。定量方法是指采用数学模型进行分析，主要包括线性加权、概率统计、数学规划、决策分析以及数据挖掘技术等。上述两种方法都存在一定的局限性，定性方法由于受主观因素的影响，判断结果的客观性无法保证。定量方法由于供应商选择评价的许多指标无法量化，使得判断结果的全面性得不到保证。在对供应商进行评价时，因为每个指标都在不同程度上反映了供应商的信息，并且指标间彼此相关，使得所获得的统计数据反映的信息在一定程度上有重叠。在用统计方法研究多指标评价问题时，指标太多会增加计算量和分析问题的复杂性，因此人们希望在对供应商定量评价过程中，在不影响客观准备评价的基础上涉及的指标越少越好。

主成分分析(Principal Components Analysis,PCA)就是将多个指标综合成少数指标的一种多元统计方法，通过将原来指标线性组合成综合指标的方式，保留了原始指标的主要信息且彼此间不相关，同时具有比原始变量更加优越的性质。然而现实指标间的关系往往都是非线性的，对于线性相关性不大的指标而言采用传统线性PCA方法是不妥的，甚至可能会出现各指标贡献率过于分散的情况。能否通过某种变换将原有空间变换到高维空间，使得原有指标间的非线性关系在高维变换空间呈现线性关系，而后再对高维空间的数据进行PCA变换，这就是Kernel PCA(Kernel Principal Components Analysis,KPCA)算法的思想。KPCA方法能将综合指标的贡献率进行高度集中，更利于利用极少的综合指标实现供应商的评价。

发明内容：

本发明目的是提供一种基于混合权重核主成分分析企业供应商评价方法。

上述的目的通过以下的技术方案实现：

1.一种基于混合权重核主成分分析企业供应商评价方法。其特征在于：该方法包括以下步骤：

(1)利用与企业工作人员及相关领域专家交流访谈和问卷调查方式得到企业有关供应商的评价准则，设共N个评价指标；

(2)对步骤(1)获取的评价准则进行分类处理：产出指标和投入指标；设共L个产出评价指标，共P个投入评价指标；

(3)根据步骤(2)获取的分类指标信息，收集企业供应商们的各种指标信息，设有M个供应商；

(4)对步骤(3)获取的供应商们的指标值进行数值化，生成样本矩阵，将供应商的投入指标信息取倒数处理，然后将每个指标下的信息分别进行标准化，将每个指标的数值范围确定在[0,1]之间；

(5)将步骤(4)得到供应商们的评价数据样本矩阵X∈R^N×M，进行核主成分分析，确定核函数和相应核函数的参数，这里建议核函数为高斯核函数，其中高斯核的半径为2。计算出样本矩阵X对应的相应核的核矩阵K，然后计算均值化后的核空间投影样本的核矩阵其中I_M∈R^M×R^M,I_ij＝1,i＝1,2,…,M,＝1,2,…,M。然后计算核矩阵的特征值λ_i和特征向量v_i,i＝1,2,…,M。对获得的特征值进行降序排序，同时将特征向量按照各自的特征值顺序进行排序处理。将取得的特征向量进行归一化处理找出累计贡献率大于80％的前L个特征向量v_i,i＝1,2,…,L，并构成正交基矩阵P＝[v₁,v₂,…v_L]。