(3.239.56.184) 您好!臺灣時間:2021/05/13 12:16
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果

詳目顯示:::

: 
twitterline
研究生:陳長榮
研究生(外文):Chang-Jeng Chen
論文名稱:結合兩層式自組織映射圖及案例式推理應用於新產品銷售預測研究
論文名稱(外文):Combined the Two Layer Self-Organizing Map with Case-Based Reasoning method for the forecasting of new product sales
指導教授:林謝興
指導教授(外文):Shieh-Shing Lin
口試委員:洪士程徐椿樑林謝興
口試委員(外文):Shih-Cheng HorngChun-Liang HsuShieh-Shing Lin
口試日期:2011-06-25
學位類別:碩士
校院名稱:聖約翰科技大學
系所名稱:電機工程系碩士在職專班
學門:工程學門
學類:電資工程學類
論文種類:學術論文
論文出版年:2011
畢業學年度:99
語文別:中文
論文頁數:74
中文關鍵詞:兩層式案例式推理理論銷售預測量化誤差自組織映射圖叢集聚合
外文關鍵詞:Two-LayerCBRSales ForecastingQuantization ErrorRMSESOMAgglomerative Clustering
相關次數:
  • 被引用被引用:0
  • 點閱點閱:171
  • 評分評分:系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔
  • 下載下載:8
  • 收藏至我的研究室書目清單書目收藏:0
新產品銷售預測的研究在產業界是非常重要的課題,也是維繫公司永續發展與生存的關鍵要素,但要快速精準的預測出符合新產品的銷售軌跡是一件不容易的事。
本文提出兩層式自組織映射圖(Two-Layer Self-Organizing Map)方法並結合案例式推理(Case-Based Reasoning, CBR)理論來解決銷售預測最難處理的誤差問題。
首先我們以產品特徵屬性做為Two-Layer SOM第一層演算法的資料來源,再則以第一層神經元聚合的結果做為第二層的輸入來源,最後取兩層群心點間最短距離做為叢集聚合的依據,挑選最佳群組,帶入CBR的相似性演算技術,獲取最適銷售曲線模式。本方法的優點:提高預測的精準度、縮小案例庫比對的範圍、增進運算速度並降低誤差值。
經過無數次在知名速食業新產品銷售預測實証結果顯示,本文所提的方法在處理銷售預測誤差問題具有顯著效果,特別是在歷史樣本數少的產品預測上。

The investigate of newly product sales forecast is a big issue in this industry and it is the key point of company’s sustainable development and existence. However it’s not an easy work to make a penetrating forecast about sales trace of newly product.
There is Two-Layer Self-Organizing Map method comes up with this paper and also combines with CBR (Case-Based Reasoning) to solve the most difficult handling problem - the error of sales forecast.
Firstly, we use the product character as source for first-layer of Two-Layer SOM calculation, and use the result of first-layer neurons aggregation to be the source of second layer. Lastly, taking the shortest distance of these two layers to be the accordance of agglomerative clustering, choose the best cluster in CBR Similarity-based Algorithm to get the most appropriate sales trace curve mode. The advantages for this method is improve the sales forecast accuracy, reduce the range of case-based comparison, and enhance the computing speed and error value reduction.
The results from numerous experiments of well-known fast food newly products show that this method can be quite effective of solving sales forecast inaccurate problem, especially on those products with only few samples for reference in the past.

中文摘要 Ⅲ
英文摘要 Ⅳ
目 錄 Ⅵ
表 目 錄 Ⅸ
圖 目 錄 Ⅹ
第一章 緒論 12
1.1 研究背景與動機 12
1.2 研究目的 12
1.3 研究流程 13
1.4 研究重要性 14
1.5 研究範圍及限制 14
1.6 章節規劃 15
1.7 名詞釋義 15
第二章 文獻探討 17
2.1 速食產業與消費行為探討 17
2.1.1 速食產業的定義 17
2.1.2 消費行為的介紹 20
2.1.3 消費行為探討 21
2.1.3.1 消費行為定義 21
2.1.3.2 消費行為理論 22
2.1.3.3 消費行為模式 23
2.2 銷售預測 25
2.2.1 銷售預測的概念 25
2.2.2 銷售預測的重要性 25
2.2.3 銷售預測的方法與目的 26
2.3 應用自組織映射圖之相關文獻 27
2.4 應用案例式推理理論之相關文獻 29
2.5 案例式推理結合類神經網路的應用現況 31
第三章 問題設計與分析 34
3.1 問題的描述與定義 34
3.2 研究架構 36
3.3 研究對象 38
第四章 研究方法 39
4.1 自組織映射圖網路架構 40
4.2 兩層式自組織映射圖分群方法 43
4.3 案例式推理理論 45
4.4 案例式推理演算法 46
4.5 兩層式自組織映射圖結合案例式推理研究流程說明 49
第五章 研究結果分析與討論 54
5.1 資料收集與特徵分析 54
5.2 資料正規化處理 56
5.3 自組織映射圖層次與拓撲驗證分析 57
5.4 兩層式自組織映射圖分群結果 58
5.5 案例式推理相似分析結果 63
5.6 以產品販售性質預測銷售量分析比較 63
5.7 以產品販售性質分析比較誤差值 65
第六章 結論與建議 66
6.1 研究結論 66
6.2 研究貢獻 66
6.3 後續研究與建議 67
參考文獻 68


[1] F.L.Chen, T.Y. Ou, 2009, Grey relation analysis and multilayer function link network sales forecasting model for perishable food in convenience store. Expert Systems with Application. 36, 7054-7063.
[2] Ozden Gur Ali, Serpil Sayin, Tom van Woensel, Jan Fransoo, 2009, SKU demand forecasting in the presence of promotions. Expert Systems with Application,36,12340-12348.
[3] Kin-Fan Au, Tsan-Ming Choi, Yong Yu, 2008, Fashion retail forecasting by evolutionary neural networks. Journal of Production Economics,114,615-630.
[4] Sun-Tan Huang, Nan-Hsing Chiu, Li-Wei Chen, 2008, Integration of grey relational analysis with genetic algorithm for software effort estimation. European Journal of Operational Research, 188, 898-909.
[5] Zhan Li Sun, Tsan Ming Choi, Kin Fan Au, Yong Yu, 2008, Sales forecasting using extreme learning machine with applications in fashion retailing. Decision Support Systems, 46, 411-419.
[6] Trappey, V. C., & Wu, H.-Y, 2008, An evaluation of the time-varying extended logistic, simple logistic, and Gompertz models for forecasting short product lifecycles. Advanced Engineering Informatics, 22(4), 421–430.
[7] Miyata, H., Tanaka, K., Sato, I., & Nishi, I, 2008b, Sales forecast system forestimating sales book, JP2008176662-A.
[8] Chang, P.C., Wang, Y.W, 2006, Fuzzy Delphi and back-propagation model for sales forecasting in PCB industry. Expert Systems with Applications, 30,715-726.
[9] P.Doganis, A.Alexandridis, P.Patrinos, H.Sarimveis, 2006, Time series sales forecasting for short-life food products based on artificial neural networks and evolutionary computing.Journal offood engineering. 75, 196-204
[10] S.Thomassey, A.Fiordaliso, 2006, A hybrid sales forecasting system based on clustering and decision trees.Decision Support System.42, 408-421
[11] 4.Kaynak, E., Kucukemiroglu, O., Aksoy, S., 1996, “Consumer Preferences for Fast Food Outlets in a Developing Country,” Journal of Euro-Marketing, Vol. 5, pp. 99-113.
[12] Zaltman, G., 2000, “Consumer Researchers: Take a Hike, Journal of Consumer Research,” Vol.26, pp.423-428.
[13] Engel, J. F., Kollat D. T. and Blackwell R. D., 1973, “Consumer Behavior”,2nd ed., N. Y., Holt, Rinehart and Winston Inc.
[14] Howard, J. A. 1994, “Buyer Behavior in Marketing Strategy 2nd ed,” New Jersey:Prentice Hall International.
[15] Hoyer, W. D., MacInnis, D. J., 1997, “Consumer Behavior,” Houghton Mifflin.
[16] Kolter & Armstrong, 2001, Marketing Management Analysis, Planning,Implementation and Control, p.172
[17] Engel, J. F., Blackwell, R. D., & Kollat, D. T. (Eds.), 1995, Consumer behavior, 8th. New York: Dryden Press.
[18] Bettman, J. R., 1979, An information processing theory of consumer choice. MA: Addison-Wesley.
[19] Howard, J. A. & Sheth, J. N. (Eds), 1969, The theory of buyer behavior. New York: Wiley Publishing.
[20] Blackwell, R. D., Miniard, P. W., & Engel, J. F. (Eds.), 2006, Consumer behavior, 10th. : South-Western.
[21] Shigehiko Kanayaa, Makoto Kinouchia, , Takashi Abea, , Yoshihiro Kudoe, Yuko Yamadae, Tatsuya Nishid,Hirotada Morib, and Toshimichi Ikemura., 2001, Analysis of codon usage diversity of bacterial genes with a self-organizing map (SOM): characterization of horizontally transferred genes with emphasis on the E.coli O157 genome.Gene, 276, 89-99. (s)
[22] W. Hu, D. Xie and T. Tan, 2004, “A Hierarchical Self-organizing approach for learning the patterns of motion trajectories,” IEEE Trans.
Neural Networks, vol. 15, no. 1, pp.135–144.
[23] Mark O. Afolabi, Olatoyosi Olude, 2007,“Predicting Stock Prices Using a Hybrid Kohonen Self Organizing Map (SOM)”, Proceedings of the 40th Hawaii International Conference on System Sciences.
[24] Carlos Serrano-Cinca, 1996, "Self Organizing Neural Networks for Financial Diagnosis", Decision Support Systems, Vol 17, julio, pp. 227-238.
[25] Igor J. et al., 1998, “Case-based Reasoning in IVF:Prediction and Knowledge Mining”,Artificial Intelligence in Medicine,pp.1-24.
[26] Chaochang Chiu, 2002, “A case-based customer classification approach for direct marketing”,Expert System with Applications,Vo.l22,pp. 163-168.
[27] Park, C. S., and Han. I, 2002, “A case-based reasoning with the feature weights derived bye analytic hierarchy process for bankruptcy
prediction.” Expert Systems with Applicatio,. 23(3), pp. 255-264.
[28] G.. Jha, S.C Hui and Foo., 1999, A hybrid case-based reasoning and neural network approach to online intelligent fault diagnosis, Proceeding 3rd International ICSC Symposia on Intelligent Industrial Automation and Soft Computing , Genoa, Italy,376-381.
[29] Essam Amin M., Ahmed Sameh M., 2001, Applying Neural Networks in Case-Based Reasoning Adaptation for Cost Assessment of Steel Buildings, Proceeding of the Euro-International Symposium on Computational Intelligence, Slovakia.
[30] E.B. Reategui ,J.A. Campbell and B.F. Leao., 1997, Combining a neural network with case-based reasoning in a diagnostic system, Artificial Intelligence in medicine 9,5-27.
[31] Roderick Murray-Smith, Sunil Thakar., 1993, Combining case-based reasoning with neural networks, AAAI’93 Workshop on AI in service and support, ashington,D.C.
[32] K.S. Kim and I. Han., 2001, The cluster-indexing method for case-based reasoning using Self-organizing maps and learning vector quantization for bond rating cases. Applications,Vol.21,pp.147-156.
[33] Hungry J. and H. Ingoo., 1996, Integration of Case-Based Forecasting, Neural Network and Discriminate Analysis for bankruptcy Prediction,Expert System with Applications,Vol.11,No.4,pp.415-422.
[34] K.L. Choy, W.B. Lee, V.Lo., 2003, Design of an intelligent supplier relationship management system:a hybrid case based neural network approach”,Expert System with Applications,Vol.24,pp225-237.
[35] Francisco, A., Merner, D., Norman, B. and Kenny, A., 1999, “Improving Clinical Decision Support Through Case-Based Data Fusion,” IEEE Transactions On Biomedical Engineering, Vol. 46, No. 10, pp.1181-1185.
[36] GetChee, 2011, Sales Forecast Analysis Database.
[37] Kohonen T., 1982, Self-Organizing Formation of Topologically Correct Feature Maps. Biological Cybernetics. 43.pp 59-69.
[38] Rubinov, A. M., Soukhorokova, N. V. & Ugon, J., 2006, Classes and clusters in data analysis.European Journal of Operational Research, 849-865.
[39] Aha, D.W., 1998, The Omnipresence of Case-Based Reasoning in Science and Application. Knowledge-Based Systems, 11(5-6), 261-273.
[40] P.J. Rousseeuw, 1987, “Silhouettes: a graphical aid to the interpretation and validation of cluster analysis,” Journal of Computational and Applied Mathematics, vol. 20, pp. 67 53–65.
[41] 行政院主計處,中華民國統計月報,第 539 期,p56, 臺北,臺灣,2010年。
[42] 黃秋香、簡相堂,連鎖餐飲業的現況與趨勢,食品工業發展研究所,第一版,2005年。
[43] 張宗元,西式速食消費行為之研究,國立中興大學企業管理研究所碩士論文,1986年。
[44] 吳青松,現代行銷學。台北︰ 智勝文化事業有限公司,1998年。
[45] 林靈宏,消費者行為學。台北市: 五南,1994年。
[46] 徐茂練,顧客關係管理第二版,台北:全華科技圖書股份有限公司,2006年。
[47] 薛國強,「應用類神經網路與模糊神經網路於智慧型銷售量預測系統建立之研究」,高雄工學院管理科學研究所,碩士論文,1996 年。
[48] Philp Kotler,Siew Meng Leong,Swee Hoon Ang,Chin Tiong Tan著。謝文雀編譯。行銷管理-亞洲實例。華泰書局,1988年。
[49] 黃郁仁,整合案例式推理與類神經網路於新產品銷售預測-以圖書產品為例,元智大學工業工程與管理學系碩士論文,2004年。
[50] 林典蔚,結合自組織映射圖網路與倒傳遞類神經網路於地下水水位之預測,嘉義大學土木與水資源工程學系碩士論文,2008年。
[51] 林長富,自組織映射圖網路於碎形影像壓縮之研究,義守大學資訊工程研究所碩士論文,2006年。
[52] 吳柏宏,自組織映射圖應用於聽覺場景式語音分離,交通大學電信工程學系碩士論文,2008年。
[53] 林國偉,應用灰關聯分析及自組織映射圖網路設計服飾樣衣評分系統,大同大學資訊工程研究所碩士論文,2009年。
[54] 魏國章,以案例式推理作創投之投資決策評估系統,成功大學工業管理科學研究所碩士論文,2003年。
[55] 黃冠翔,使用規劃方法和案例式推理進行服務組合之研究,中正大學電機工程學研究所碩士論文,2006年。
[56] 郭炳宏,案例式推理法應用於產品開發知識整合之研究,東海大學工業設計研究所科技與管理學術研討會,2001年。
[57] 朱佳雯,案例式推理與類神經網路在心電圖診斷之應用研究,真理大學管理科學研究所碩士論文,2004年。
[58] 東方線上,台灣消費者近三個月去過的西式連鎖速食店品牌E-ICP行銷資料庫,2009年.
[59] 闕山晴,顧客滿意度與忠誠度之研究-以西式速食業為例,國立台灣科技大學管理研究所碩士論文,2002年。
[60] 林正航,兩層式與樹狀式自組織映射圖聚合叢集績效之研究,國立成功大學資訊管理研究所碩士論文,2007年。
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
1. 吳清基(1995)。給技職教育一片美好的天空和尊嚴。教育資料文摘,209,99-103。
2. 吳武典(1972)。社會學習理論及其應用。 師大學報,16, 181-213。
3. 李坤崇、邱美華(1991)。國中國小學生學習適應之個人因素探討。輔導月刊,27,8-21。
4. 秦夢群(1992)。高中教師管理心態、學生內外控與學生學習習慣與態度之關係研究。教育與心理研究,15, 129-172。
5. 郭生玉(1985)。教師的間接與直接影響行為和兒童創造力及學業成績之關係。教育心理學報,18,57-83。
6. 陳英豪、林正文、李坤崇(1989)。國小學生學習適應量表編製報告。測驗年刊,36,P1-12。
7. 陳英豪、吳榕峰(1998)。臺灣省職業教育的發展方向。師友月刊,375,35-39。
8. 張新仁(1989)。學習策略訓練之初探。 教育文粹,18,84-86。
9. 張嘉育、黃政傑(2001)。學校本位課程評鑑的規劃與實施。課程與教學季刊,4 (2),85-110。
10. 許志銘(1997)。高職教育改革方向之省思。技術及職業教育雙月刊,39,32-36。
11. 董力華、顏正芳、吳明忠(2006)。某醫學大學不同性別大一新生入學時的適應程度與一年內學業表現之關聯性探討。醫學教育,10(1),16-24。
12. 廖文靖(1999)。影響高職學生技能學習成效的因素。彰化師範教育實習輔導季刊,5(1)。
13. 潘慧玲、王麗雲、簡茂發、孫志麟、張素貞、張錫勳、陳順和、陳淑敏、蔡濱如(2004)。國民中小學教師教學專業能力指標之發展。教育研究資訊,12,129-168。
14. 簡茂發(1984)。國小教師教導態度與學童生活適應之關係。教育心理學報,17,99-120。
 
系統版面圖檔 系統版面圖檔