导读:本文包含了外包聚类论文开题报告文献综述及选题提纲参考文献，主要关键词:服务外包,聚类赋权法,TOPSIS理想点法,市场难度
外包聚类论文文献综述
张洪福,屈维意[1]（2016）在《基于聚类TOPSIS模型的服务外包区域难度研究》一文中研究指出在企业进行营销绩效分析过程中,应该消除市场难度对营销绩效的影响,使绩效评价的结果能公平地反映各区域组织的营销水平,因此企业十分需要对各区域市场进行市场难度测算。针对以上问题,将聚类赋权法和TOPSIS理想点法相结合,采用实证分析计算出了区域市场难度系数。(本文来源于《重庆理工大学学报(自然科学)》期刊2016年05期）
刘晓燕[2]（2015）在《基于安全多方计算的隐私保护K-means聚类算法的外包计算》一文中研究指出K-means算法是数据挖掘中聚类算法的典型算法之一。随着经济全球化的发展和合作的不断加深,聚类算法数据来源越来越多元。考虑到K-means聚类的数据点会来自多个数据拥有者,为保证多个数据拥有者的隐私数据不在计算过程中泄露,需要采取方案保护数据拥有者的隐私数据。同时数据的隐私保护会给数据拥有者带来大量的计算,需要将计算外包给服务器来降低数据拥有者的计算量。本课题结合以上两方面需求,将多方数据隐私保护的K-means聚类算法和外包计算相结合,通过加密实现隐私保护,安全多方计算实现密文计算。多个数据拥有者将数据加密,上传给外包服务器,服务器在密文下进行计算,返回给数据拥有者聚类结果。大部分的计算交给外包服务器,数据拥有者进行少量计算,在实现聚类的同时,保证聚类过程中数据拥有者的隐私数据不被泄露。本课题的两个主要的难点,一个是实现隐私保护的K-means聚类算法外包计算;另一个是多方数据集的数据分布多样带来的计算难题。隐私保护的K-means聚类算法的外包计算主要有两个技术难点:密文比较和密文除法。针对两个技术难点,设计两种不同的安全多方计算的协议:密文比较是通过门陷加密,完成密文条件下数据的大小比较问题;密文除法是将聚类中心点重计算映射成隐私保护的加权平均问题(Privacy Preserving Weight Average Problem,PPWAP),用PPWAP实现重计算。两种密文计算对应两种同态加密算法,分别是用于门陷加密的改进的Liu的同态加密和用于PPWAP协议的Paillier加密。在解决多方的联合数据集不同分布的难题上,本课题以两方为例,以传统的隐私保护数据挖掘的数据分布为基准,数据分布分为水平数据分布、垂直数据分布和混合数据分布。针对每一种数据分布,分别设计不同的算法策略实现隐私保护的K-means聚类算法外包计算。本课题进一步将两方参与计算拓展到叁方参与计算的K-means聚类,叁方很容易拓展到多方的K-means聚类计算。本文最后从时间复杂度、空间复杂度等方面分析了数据拥有者和外包服务器的效率问题,从安全性上考虑,多方隐私保护K-means聚类算法实现了半诚实模型下的安全,并且可以抵抗一定程度的合谋攻击。本课题通过实验验证并分析了方案的可行性。(本文来源于《哈尔滨工业大学》期刊2015-12-01）
苏娜[3]（2015）在《长叁角城市群承接服务外包竞争力水平探析——基于因子分析和聚类分析的研究》一文中研究指出基于因子分析和聚类分析法,借助于环境、人力、成本3个方面的10个指标,对长叁角地区的11个服务外包城市承接服务外包业务的竞争力水平展开分析,结果显示:上海为龙头发展型,苏州、无锡、南京、杭州为快速前进型,常州、扬州等6个城市为后发优势型。为避免重走制造业发展中无序竞争的老路,长叁角地区城市群在承接服务外包业务中应注意错位发展,突出特色。(本文来源于《江苏经贸职业技术学院学报》期刊2015年04期）
宋国宇[4]（2013）在《IT服务外包项目的综合评价及其应用——基于AHP的改进灰色聚类模型》一文中研究指出针对IT服务外包决策的实际需要和服务外包项目评价的复杂性和灰特性,将AHP方法引入灰色聚类评价模型,并对模型进行改进,以实现对IT服务外包项目的评价等级区分和排序。应用实例构建了IT服务外包项目评价指标体系。结果表明,基于AHP的改进灰色聚类评价模型具有简单实用、科学准确、可操作性强等特点,有助于IT服务外包企业正确选择服务外包项目。(本文来源于《技术经济》期刊2013年07期）
赵晶,王根蓓,朱磊[5]（2010）在《中国服务外包基地城市竞争优势的实证研究——基于主成分方法与聚类方法的分析》一文中研究指出本文以企业生产力异质性分析方法、不完全合同分析方法以及新经济地理学分析方法为基础确立理论假说,建立指标体系,并且采用主成分方法与聚类方法对北京等12个城市为代表的中国服务外包基地城市的综合与分项竞争优势进行了定量评估,确认了中国服务外包基地城市综合竞争优势的梯度分布状态,以及由分项竞争优势所显示的绝对与相对优势的错位分布特征。(本文来源于《经济理论与经济管理》期刊2010年06期）
杨茂盛,李其远[6]（2007）在《物流外包风险控制的灰色聚类关联评价》一文中研究指出物流在外包过程中会产生很多不确定性因素,造成各种潜在风险,影响企业决策目标的实现。这里提出利用灰色聚类关联评价法针对不同第叁方物流企业的外包主要风险进行有效的预估和评价,为风险的防范工作提供参考。(本文来源于《商场现代化》期刊2007年31期）
外包聚类论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
K-means算法是数据挖掘中聚类算法的典型算法之一。随着经济全球化的发展和合作的不断加深,聚类算法数据来源越来越多元。考虑到K-means聚类的数据点会来自多个数据拥有者,为保证多个数据拥有者的隐私数据不在计算过程中泄露,需要采取方案保护数据拥有者的隐私数据。同时数据的隐私保护会给数据拥有者带来大量的计算,需要将计算外包给服务器来降低数据拥有者的计算量。本课题结合以上两方面需求,将多方数据隐私保护的K-means聚类算法和外包计算相结合,通过加密实现隐私保护,安全多方计算实现密文计算。多个数据拥有者将数据加密,上传给外包服务器,服务器在密文下进行计算,返回给数据拥有者聚类结果。大部分的计算交给外包服务器,数据拥有者进行少量计算,在实现聚类的同时,保证聚类过程中数据拥有者的隐私数据不被泄露。本课题的两个主要的难点,一个是实现隐私保护的K-means聚类算法外包计算;另一个是多方数据集的数据分布多样带来的计算难题。隐私保护的K-means聚类算法的外包计算主要有两个技术难点:密文比较和密文除法。针对两个技术难点,设计两种不同的安全多方计算的协议:密文比较是通过门陷加密,完成密文条件下数据的大小比较问题;密文除法是将聚类中心点重计算映射成隐私保护的加权平均问题(Privacy Preserving Weight Average Problem,PPWAP),用PPWAP实现重计算。两种密文计算对应两种同态加密算法,分别是用于门陷加密的改进的Liu的同态加密和用于PPWAP协议的Paillier加密。在解决多方的联合数据集不同分布的难题上,本课题以两方为例,以传统的隐私保护数据挖掘的数据分布为基准,数据分布分为水平数据分布、垂直数据分布和混合数据分布。针对每一种数据分布,分别设计不同的算法策略实现隐私保护的K-means聚类算法外包计算。本课题进一步将两方参与计算拓展到叁方参与计算的K-means聚类,叁方很容易拓展到多方的K-means聚类计算。本文最后从时间复杂度、空间复杂度等方面分析了数据拥有者和外包服务器的效率问题,从安全性上考虑,多方隐私保护K-means聚类算法实现了半诚实模型下的安全,并且可以抵抗一定程度的合谋攻击。本课题通过实验验证并分析了方案的可行性。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
外包聚类论文参考文献
[1].张洪福,屈维意.基于聚类TOPSIS模型的服务外包区域难度研究[J].重庆理工大学学报(自然科学).2016
[2].刘晓燕.基于安全多方计算的隐私保护K-means聚类算法的外包计算[D].哈尔滨工业大学.2015
[3].苏娜.长叁角城市群承接服务外包竞争力水平探析——基于因子分析和聚类分析的研究[J].江苏经贸职业技术学院学报.2015
[4].宋国宇.IT服务外包项目的综合评价及其应用——基于AHP的改进灰色聚类模型[J].技术经济.2013
[5].赵晶,王根蓓,朱磊.中国服务外包基地城市竞争优势的实证研究——基于主成分方法与聚类方法的分析[J].经济理论与经济管理.2010
[6].杨茂盛,李其远.物流外包风险控制的灰色聚类关联评价[J].商场现代化.2007
标签：服务外包; 聚类赋权法; TOPSIS理想点法; 市场难度;