合理评价并选择供应商是现代企业生产活动中非常关键的一个环节,对产品质量、生产周期、企业利润等企业核心竞争力都有直接性影响。随着经济发展和科技进步,企业获取信息的渠道不断拓展,候选供应商的数量不断增加,而供应商评价问题也变得更加复杂。一方面,随着信息量的增加,供应商信息的不确定性和不完全性越来越明显,需要采用群体决策的方式对供应商信息进行分析决策,增加决策结果的客观性和鲁棒性;另一方面,如何运用数据挖掘的相关方法提取出供应商评价及选择的历史方案数据蕴含着相关信息,来指导企业进行合理有效的决策,也是亟需解决的问题。本文针对供应商评价和选择问题进行研究,主要创新成果如下:(1)针对决策信息的不确定性和不完全性,提出了基于二维混合评价信息的多时点供应商评价方法,该方法在不同时点对各个供应商进行离差最大化分析计算出决策者的权重,在体现决策者权重计算过程客观公正的同时较好的还原了评价信息的主观性;在此基础上,借鉴正态随机变量分布方法对二维混合评价信息进行有效处理,较好地保留了其不确定性;最后集成方案贴近度与增长特性评价值对供应商做最终的排序与优选,构成了一套完整的处理不完全信息供应商评价问题的方法。(2)针对供应商选择问题,借鉴模式识别理论,考虑供应商选择的具体需求的特点,选取了分类特征,明确了分类器性能评估指标;在对两种主要的监督学习方法进行对比分析和评估以后,提出了基于高置信度决策树和集成支持向量机的预测算法,其中支持向量机技术用于提高预测的精确性,高置信度决策树技术则用于降低预测的误差均值及方差。仿真实验表明本文提出的算法能够在预测精度和置信度两个方面取得较好的平衡,预测时间短、鲁棒性强、预测精度高,能够较好地为用户选择供应商提供参考信息。(3)在以上理论研究成果基础上,综合考虑供应商评价管理的实际应用需求,设计了系统功能框架和系统技术框架,并结合实际应用需求初步实现了供应商评价管理原型系统,验证了本文提出方法可行性。