公开(公告)号：CN110348502A

公开(公告)日：2019-10-18

申请号：CN201910583612.0

申请日：2019-06-30

Applicant: 东北林业大学

Inventor： 陶新民 ,  常瑞 ,  任超 ,  郭文杰 ,  李青 ,  刘锐 ,  陶思睿

IPC: G06K9/62 ,  G06Q30/02

Abstract: 基于半监督核费舍尔判别分析物流企业客户分类方法，其特征在于：该方法包括以下步骤：(1)确定物流企业常用的客户分类指标及分类情况；(2)根据(1)确定的客户分类指标进行物流企业客户信息的收集；(3)对(2)的数据样本集合标准化处理；(4)对(3)获取的归一化后客户样本数据矩阵构建一致性假设矩阵，并计算局部类间和类内拉普拉斯矩阵；(5)利用步骤(4)中获取的一致性假设矩阵计算正则化项拉普拉斯矩阵并整合到Fisher判别分析目标函数中,通过求解最小化目标函数获得最优投影矩阵；(6)计算(2)的归一化后客户样本在投影矩阵上的投影坐标，(7)利用最近邻算法对投影坐标分类确定客户类别。本发明申请应用于物流企业客户的分类问题。

公开(公告)号：CN106952052A

公开(公告)日：2017-07-14

申请号：CN201710219347.9

申请日：2017-04-06

Applicant: 东北林业大学

Inventor： 陶新民 ,  常瑞 ,  王若彤 ,  王立海 ,  沈微 ,  孙术发 ,  陶思睿

IPC: G06Q10/06

CPC classification number: G06Q10/0639

Abstract: 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)确定供应商评价准则，并进行产出和投入指标的分类；(2)对步骤(1)获取的投入指标取倒数并对所有指标利用最大最小法进行归一化处理，使其范围在[0，1]之间；(3)对步骤(2)获取的归一化数据进行核矩阵计算，计算均值化的核空间样本核矩阵并求其特征值和特征向量，对特征向量进行归一化处理，选取累积贡献率大于80％的特征向量构成正交基矩阵；(4)将步骤(2)获取的样本进行投影，计算出混合权重向量，并与对应的投影坐标加权求和；(5)对步骤(4)得到的综合指标进行倒序排序。本发明申请应用于企业供应商评价。

公开(公告)号：CN107168931A

公开(公告)日：2017-09-15

申请号：CN201710571455.2

申请日：2017-07-13

Applicant: 东北林业大学

Inventor： 陶新民 ,  常瑞 ,  王若彤 ,  李晨曦 ,  高珊 ,  沈微 ,  陶思睿

IPC: G06F17/16 ,  G06Q10/06

CPC classification number: G06F17/16 ,  G06Q10/063

Abstract: 一种基于混合权重核熵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)确定供应商评价准则，并进行产出和投入指标的分类；(2)对步骤(1)获取的投入指标取倒数并对所有指标利用最大最小法进行归一化处理，使其范围在[0，1]之间；(3)对步骤(2)获取的数据进行核熵成分分析计算出样本矩阵X对应的核矩阵K；(4)对步骤(3)得到的核矩阵进行分解，求出特征值和特征向量，选出对应于值最大的前d个特征值和对应的特征向量进行投影；(5)计算相应新的基坐标的权重向量，并与步骤(4)得到的投影值加权求和得到最终的供应商评价结果。本发明申请应用于企业供应商评价。

公开(公告)号：CN107247968A

公开(公告)日：2017-10-13

申请号：CN201710431074.4

申请日：2017-07-24

Applicant: 东北林业大学

Inventor： 陶新民 ,  李晨曦 ,  高珊 ,  沈微 ,  常瑞 ,  王若彤 ,  陶思睿

IPC: G06K9/62

CPC classification number: G06K9/6267 ,  G06K9/6256

Abstract: 一种核熵成分分析失衡数据下物流设备异常检测方法，其特征在于：该方法包括以下步骤：(1)利用振动加速传感器采集振动信号，并将获取的信号按时间序列间隔化分段处理；(2)对步骤(1)获取的振动片段信号利用小波包分解变换提取关于节点熵和相对能量的高维特征集合；(3)对步骤(2)获取的高维特征集合进行核熵成分分析投影至低维特征空间；(4)用步骤(3)获取的低维特征集合对支持向量数据描述检测器进行训练，得到检测器的各个参数；(5)对于待测试的新样本，用上述方法，分别进行特征提取、投影降维然后利用求得参数的支持向量数据描述检测器进行异常检测。本发明申请应用于失衡数据下物流设备异常检测。

公开(公告)号：CN107067173A

公开(公告)日：2017-08-18

申请号：CN201710238602.4

申请日：2017-04-13

Applicant: 东北林业大学

Inventor： 陶新民 ,  王若彤 ,  常瑞 ,  王立海 ,  沈微 ,  马成林 ,  陶思睿

IPC: G06Q10/06 ,  G06K9/62

CPC classification number: G06Q10/06393 ,  G06K9/6235

Abstract: 一种基于局部保持投影分析的企业供应商分类方法，其特征在于：该方法包括以下步骤：(1)确定供应商评价准则，并进行产出和投入指标的分类；(2)对步骤(1)获取的投入指标取倒数并对所有指标利用最大最小法进行归一化处理，使其范围在[0，1]之间；(3)利用步骤(2)获取的归一化数据矩阵X计算带权邻接矩阵W和度量矩阵D，并求出对应的拉普拉斯矩阵L；(4)利用步骤(3)得到的矩阵构造A＝XLXT,B＝XDXT，求矩阵A相对于矩阵B的广义特征值和特征向量，对特征值升序排列，取最小特征值对应的特征向量；(5)计算步骤(2)中归一化数据矩阵在步骤(4)所获的特征向量上的投影并按顺序分组。本发明申请应用于企业供应商的分类问题。