[发明专利]基于模糊熵均值阴影集的招投标“串标、陪标”对象推荐方法及装置有效
申请号: | 201911384753.6 | 申请日: | 2019-12-28 |
公开(公告)号: | CN111144910B | 公开(公告)日: | 2022-11-15 |
发明(设计)人: | 张清华;高满;赵凡;钟平峰 | 申请(专利权)人: | 重庆邮电大学 |
主分类号: | G06Q30/00 | 分类号: | G06Q30/00;G06Q30/06;G06Q30/08 |
代理公司: | 重庆辉腾律师事务所 50215 | 代理人: | 王海军 |
地址: | 400065 重*** | 国省代码: | 重庆;50 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 模糊 均值 阴影 投标 串标 陪标 对象 推荐 方法 装置 | ||
本发明涉及计算机科学技术领域,具体涉及一种基于模糊熵均值阴影集的招投标“串标、陪标”对象推荐方法及装置,包括:选定预调查招投标对象,获取招投标数据;数据预处理;提取出与“串标、陪标”呈正相关性的属性指标以及呈负相关性的属性指标,并分别计算出不同属性指标下的特征值,并进行归一化处理;构建模糊熵均值阴影集模型;对所抽取的不同相关属性下的招投标对象进行三支近似划分;对三支近似划分结果进行融合;输出推荐的调查对象。本发明所采取的模糊熵均值阴影集模型完全从熵损失的角度出发来构建求取决策划分阈值对,避免了由于专家经验所造成的主观性误差和不合理性,使得所求取的模型能够更有效的去近似划分具有不确定性的招投标对象。
技术领域
本发明涉及计算机科学技术领域,具体涉及一种基于模糊熵均值阴影集的招投标“串标、陪标”对象推荐方法及装置。
背景技术
在社会各行各业公开招标时,存在大公司为了中标而和其它小公司提前串通好来提升中标概率的现象,即在招投标过程存在陪标、串标行为,但由于数据的不完善以及调查的敏感性,调查人员常常无法有效的、准确的找到疑似参与投标串标的公司。面对这一问题,如何通过有用的技术手段来帮助调查人员寻找出在招投标过程中可能进行陪标、串标的公司就成了一个具有价值的问题。现有招投标案件中对“串标、陪标”行为的对象推荐方法多通过人为判断推荐,具有很强的主观性和不确定性,存在着推荐不精准的缺陷。
发明内容
为了解决上述问题,本发明提供一种基于模糊熵均值阴影集的招投标“串标、陪标”对象推荐方法及装置。
一种基于模糊熵均值阴影集的招投标“串标、陪标”对象推荐方法,包括以下步骤:
S1、选定调查的招投标对象,采集与招投标调查对象相关的招投标数据;
S2、数据预处理,根据招投标数据整理投标情况表、中标情况表,投标金额表;
S3、提取招投标对象的相关属性指标,包括从投标情况表、中标情况表和投标金额表中提取出与“串标、陪标”呈正相关性的属性指标以及呈负相关性的属性指标,并分别计算出不同属性指标下招投标对象的的特征值;
S4、将不同属性指标下招投标对象的的特征值进行归一化处理,从而得到不同属性指标下招投标对象的隶属度值μ(x),(0≤μ(x)≤1);
S5、构建模糊熵均值阴影集模型,并采用决策划分方法减小模糊熵均值阴影集与模糊集A之间的不确定性差异,根据每一个招投标对象所采取的决策划分动作计算每一个招投标对象的模糊熵损失函数,通过最小化总的模糊熵损失函数,从而计算出不同属性指标下的决策划分阈值对(α,β);
S6、基于模糊熵均值阴影集模型、不同属性指标下招投标对象的隶属度值μ(x)以及不同属性指标下的决策划分阈值对(α,β),对不同属性指标下的招投标对象进行三支近似划分,将不同属性指标下的招投标对象分别划分到POS域、BND域和NEG域,得到不同属性指标下招投标对象的三支近似划分结果;
S7、对不同属性指标下招投标对象的三支近似划分结果进行融合,得到融合后的划分结果;
S8、根据融合后的划分结果输出推荐的可能存在招投标“串标、陪标”行为的招投标对象,推荐方式包括:对于与“串标、陪标”呈正相关性的属性指标下的招投标对象,优先推荐划分到POS域的招投标对象;对于与“串标、陪标”呈负相关性的属性指标下的招投标对象,优先推荐划分到NEG域的招投标对象。
一种基于模糊熵均值阴影集的招投标“串标、陪标”对象处理装置,包括相互连接的处理器、存储器和输出端口,其特征在于:所述存储器用于获取的招投标数据,存储处理器处理过程中的数据,所述输出端口用于向终端设置输出推荐的调查对象;所述处理器采用上述基于模糊熵均值阴影集的招投标串标、陪标对象推荐方法计算出推荐的调查对象,发送给输出端口。
本发明的有益效果:
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于重庆邮电大学,未经重庆邮电大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201911384753.6/2.html,转载请声明来源钻瓜专利网。