深圳包裝設計包裝品用戶需求信息智能獲取與合成包含用戶需求（Customer Requirements, CRs）信息模糊動態(tài)聚類技術(shù)及模糊合成技術(shù)、基于模糊事例推理的CRs模板自動生成技術(shù)、基于模糊C均值（Fuzzy C-Means, FCM）的目標市場確定技術(shù)深圳包裝設計。

（1）CRs信息模糊動態(tài)聚類技術(shù)

通過Internet及其他方式獲得大量的用戶需求信息，對這些CRs信息進行科學分析、合并、歸類，提煉出能夠代表這些CRs信息的具體用戶需求，并采用樹枝形結(jié)構(gòu)來描述，使用戶需求體系清晰明確。歸類方法可用傳統(tǒng)的關鍵路徑法對用戶需求逐級分類；也可運用模糊動態(tài)分類技術(shù)對用戶需求進行分類，把用戶需求分類置于數(shù)量化的處理基礎之上，將會更加科學、合理。

（2）CRs模糊合成技術(shù)

用戶在表達需求時往往使用自然語言進行大致、定性的描述。在表達需求權(quán)重時常用很重要、重要、不重要等語言，這些語言具有模糊化和語言化的特點。通過Internet所獲得的用戶需求同樣也具有語言化、模糊化的特點。因此，需要運用模糊集理論對CRs進行建模。CRs模糊合成主要是考慮各用戶需求的初始權(quán)重及其覆蓋率，采用模糊運算，對所有用戶需求報告中的用戶需求模糊權(quán)重進行綜合，形成能代表目標市場中全體被調(diào)查用戶觀點的綜合權(quán)重，作為最終確定的總的CRs報告中所包含需求項及其權(quán)重的依據(jù)。

（3）基于模糊事例推理的CRs模板自動生成技術(shù)

在對用戶需求進行分析和綜合過程中，需要知識庫與數(shù)據(jù)庫的支持，對輸入的CRs信息進行推理和判斷，對于改進包裝品和新包裝品應采用不同的處理策略，產(chǎn)生一個初始的CRs模板框架，作為進一步編輯和完善CRs文檔的參考模板。基于事例的推理（Case-Based Reasoning, CBR）是人工智能中一種重要的推理模式，它將以往的事例按照一定的方式組織起來，存放于Case庫中，在新問題出現(xiàn)以后，即檢索出相關事例，當被檢索出的相關事例與相關問題不完全一致時，就需要對舊的事例進行修改，使其適合新的問題，得出新問題的解。CBR推理過程類似人類的經(jīng)驗推理，具有模糊性和啟發(fā)性。為此，將模糊集與CBR結(jié)合，提出模糊CBR模型（FCBR）用于CRs模板的自動生成。

（4）基于模糊C均值的目標市場確定技術(shù)

包裝企業(yè)在新包裝品開發(fā)以前，應先確定所開發(fā)的包裝品要滿足的目標市場，深圳包裝設計并針對不同的目標市場來實現(xiàn)不同的開發(fā)策略。因為通過Internet及其他方式獲得的用戶需求可能來自許多不同的目標市場，所以用戶對包裝品的需求是有差別的，而這種差別信息也包含在獲得的用戶需求報告中。因此，可利用FCM方法對這些需求報告進行處理，確定用戶需求報告所屬的目標市場，然后針對每個目標市場確定相應的開發(fā)策略深圳包裝設計。

聲明:本站品牌策劃與包裝設計作品部分為原創(chuàng)內(nèi)容，本文深圳包裝設計用戶需求智能獲取合成關鍵詞為“深圳包裝設計，”頁面信息僅供參考和借鑒，如有侵權(quán)、錯誤信息或任何問題，請及時聯(lián)系我們，我們將立即刪除或更正。