基于支持向量机和神经网络的供应商选择方法比较

作     者：胡国胜 张国红 HU Guo-heng;ZHANG Guo-hong

作者机构：广东科学技术职业学院经济管理学院广东广州510640 广州大学继教学院广东广州510640 

出 版 物：《交通科技与经济》 (Technology & Economy in Areas of Communications)

年 卷 期：2007年第9卷第2期

页      面：61-64页

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：广东省软科学资助项目(2005B70101126) 珠海市软科学资助项目(PC20051103) 

主　　题：供应商选择 供应链管理 物流 SVM BNN 

摘      要：供应商选择是供应链管理的重要内容,近年来吸引大量学者进行研究,其中大量文献显示神经网络方法比传统统计方法有更大的优越性。然而神经网络具有固有的缺陷,如最优解的局部性、泛化能力低、训练样本大和无法控制收敛等。引用新的机器学习技术---支持向量机(support vector machines,SVM),用于选择理想供应商,并与BP神经网络算法相比较。实证表明,支持向量机算法比神经网络算法计算精确。