本书共分六章。第一章为绪论部分，介绍本书的背景、研究目标与意义、研究方法和创新点等。第二章对现有供应商选择的主要方法和国内外研究成果进行综述，并且对本书研究的主要方法——范例推理(CBR)的基本思想和重要理论进行了总结。第三章至第五章是本书的主干部分，围绕基于范例推理的供应商选择决策过程中存在的三个重要问题提出相应的数据挖掘解决方法，以提高范例推理系统的决策效率和准确率，这也是本书的创新性成果之所在。探索建立基于数据挖掘的范例推理系统，提出综合三个创新点的实例，将研究成果实际应用于石油企业的供应商选择决策之中。最后对研究结论进行总结。

本书可供石油生产企业管理人员参考，也可作为大专院校相关专业教学参考书。

本书基于模仿人类思维能力的范例推理系统，结合相关数据挖掘方法，解决客观确定属性权重、准确评价目标范例与源范例之间的相似度，提取选择结果中潜在的规则等难点问题，从而提高石油企业供应商选择决策的准确性和效率。

本书可供石油生产企业管理人员参考，也可作为大专院校相关专业教学参考书。

第一章 绪论

 第一节 研究背景

 第二节 本书结构

第二章 相关研究综述

 第一节 供应商选择的主要方法

一、线性权重法

二、成本方法

三、数学规划方法

四、其它方法

 第二节 范例推理的理论综述

一、CBR研究的历史与现状

二、CBR中范例的表示方法和工作过程

三、CBR的特点及发展方向

 第三节 基于数据挖掘的范例推理系统

一、范例推理中基于数据库的知识发现技术

二、范例库上数据挖掘的主要步骤与目标

三、范例库上数据挖掘的重要方法与技术

四、范例推理各阶段的关键难点

五、本章小结

第三章 基于信息熵的范例特征项权重确定方法

 第一节 特征项赋权的一般方法

一、主观赋权方法

二、主客观综合赋权方法

三、客观赋权方法

 第二节 决策树与信息熵

一、决策树分类算法

二、信息增益和熵

 第三节 范例特征项赋权的熵方法

 第四节 应用实例

一、背景与数据

二、实验步骤

三、结果分析

 第五节 本章小结

第四章 基于k-prototypes聚类的范例相似度评价模型

 第一节 范例检索的相似性度量

一、范例相似性度量

二、常用的相似性度量函数

三、范例检索的策略和方法

 第二节 聚类差异度计算和k-均值算法

 第三节 基于k-prototypes聚类的多属性相似度综合评价

 第四节 应用实例

一、实例背景

二、实验步骤

三、分析结果

 第五节 本章小结

第五章 基于BP神经网络的供应商选择CBR系统

 第一节 基于神经网络的范例推理系统

一、范例推理与神经网络

二、基于神经网络的范例推理应用

三、BP算法

 第二节 神经网络规则提取综述

一、基于结构分析的方法

二、基于性能分析的方法

三、规则抽取研究中存在的问题

 第三节 构建基于BP-CBR的供应商选择系统

一、基于数据挖掘技术的CBR系统框架结构

二、基于神经网络构建CBR系统

三、基于BP算法的石油企业供应商选择CBR模型

 第四节 应用实例

一、实例背景

二、实验步骤

三、结果分析

 第五节 本章小结

第六章 结论

附录A 公司年度合格建筑承包商评估表

参考文献