基于BP神經(jīng)的企業(yè)知識管理水平模糊綜合測度研究

1、 基于bp神經(jīng)的企業(yè)知識管理水平模糊綜合測度研究 朱彬（福建師范大學(xué)閩臺區(qū)域研究中心，福建福州350007）摘要文章應(yīng)用模糊數(shù)學(xué)中的bp神經(jīng)網(wǎng)絡(luò)理論對企業(yè)知識管理水平進行模糊綜合測度，從而提供了一條對企業(yè)知識管理水平進行定量分析的科學(xué)且有效的新途徑。關(guān)鍵詞企業(yè)知識管理水平；模糊綜合測度；bp神經(jīng)網(wǎng)絡(luò)中圖分類號f273文獻標(biāo)志碼a10075097(2011)06014704research來自www.lw5u.com on fuzzy comprehensive evaluation of enterprise knowledgemanagement standard based on a bp

2、 networkzhu bin(fujian and taiwan regional center,fujian normal university,fuzhou 350007,china)abstract:based on fuzzy bp neural network method, this paper comprehensively evaluates the enterprise knowledge management standard, giving a new approach to quantitatively analyze the standard of enterpri

3、se knowledge management.key words:enterprise knowledge management standard; fuzzy comprehensive evaluation; bp network一、引言知識經(jīng)濟時代，知識成為企業(yè)實現(xiàn)持續(xù)競爭優(yōu)勢的源泉。企業(yè)為了實現(xiàn)持續(xù)競爭力，必須以知識的持續(xù)積累為條件，以對企業(yè)外部和自身知識資源從獲取、激活、吸收、轉(zhuǎn)移、共享、創(chuàng)新、擴散和應(yīng)用的整個過程的有效管理為根本保證。因此，企業(yè)的知識管理成為提升企業(yè)持續(xù)競爭優(yōu)勢的關(guān)鍵。在實施知識管理的過程中，企業(yè)希望對其知識管理的水平進行綜合評測，并通過和其他企業(yè)相比較，找出本企

4、業(yè)和同行先進企業(yè)實施知識管理的差距，從而制定彌補這一差距的可行計劃，以改進企業(yè)的知識管理。目前，已有不同的學(xué)者采用了不同的方法來測度企業(yè)的知識管理水平，比如采用ahp、 dea、灰色關(guān)聯(lián)分析、證據(jù)推理等方法，這些測度模型從不同的角度對企業(yè)知識管理水平進行測度1-6，但也都存在一個共同的問題，即測度指標(biāo)權(quán)重的確定都過于依賴專家的主觀經(jīng)驗判斷，帶有很大的隨機性和不確定性。本文擬采用定量與定性相結(jié)合的辦法，根據(jù)模糊數(shù)學(xué)中的神經(jīng)網(wǎng)絡(luò)理論構(gòu)建測度企業(yè)知識管理水平的模型，通過對與企業(yè)知識管理水平有關(guān)的各項指標(biāo)進行模糊綜合測度，從而提供一條測度企業(yè)知識管理水平的科學(xué)且有效的方法。二、企業(yè)知識管理水平測度系統(tǒng)

5、指標(biāo)體系的構(gòu)建及其單因素測度矩陣（一）企業(yè)知識管理水平測度系統(tǒng)指標(biāo)體系的構(gòu)建企業(yè)的知識管理水平是指企業(yè)運用信息技術(shù)、管理、文化等手段對其知識資源從積累、吸收、轉(zhuǎn)移、共享、應(yīng)用和創(chuàng)新等環(huán)節(jié)進行管理所能達到的高度。企業(yè)知識管理水平測度系統(tǒng)是一個復(fù)雜性系統(tǒng)，要把系統(tǒng)的本質(zhì)及其規(guī)律描述清楚，以控制它達到預(yù)定的目標(biāo)，需要建立指標(biāo)體系。一個指標(biāo)僅能反映企業(yè)知識管理水平測度體系的某一屬性。為此，需要選擇其主要指標(biāo)加以處理，形成一個新的數(shù)值，才能全面、綜合地測度企業(yè)知識管理水平。在建立企業(yè)知識管理水平測度指標(biāo)體系時，應(yīng)遵循以下原則：第一，科學(xué)性原則。即所列的指標(biāo)體系應(yīng)與企業(yè)知識管理水平有十分明顯地聯(lián)系，盡量避

6、免與之無關(guān)的指標(biāo)的列入。第二，公正合理性原則。即測度指標(biāo)應(yīng)能公正合理地體現(xiàn)企業(yè)知識管理水平的高低，有利于企業(yè)之間進行比較，從而激發(fā)企業(yè)改進其知識管理水平的積極性。第三，可操作性原則。 指標(biāo)的數(shù)據(jù)應(yīng)易于收集；其準(zhǔn)確性、可靠性容易保證；指標(biāo)數(shù)量不宜過多；此外，應(yīng)避免過于復(fù)雜的計算，易于掌握。第四，良好的導(dǎo)向性作用。 即指標(biāo)體系應(yīng)有利于把企業(yè)的經(jīng)營管理引導(dǎo)到提高企業(yè)知識管理水平上來，避免企業(yè)無效的知識管理行為。根據(jù)以上幾個方面原則，我們參考國外著名的知識管理領(lǐng)先企業(yè)包括微軟、英特爾、ibm等跨國公司設(shè)計的知識管理測度系統(tǒng)7-12，結(jié)合我國企業(yè)的國情，選取了五大類包括29個指標(biāo)的測度指標(biāo)體系。這五大類

7、指標(biāo)分別是：（1）知識管理重視度。（2）知識管理過程。（3）人力資源與組織結(jié)構(gòu)。（4）知識管理的文化與環(huán)境。（5）外部價值創(chuàng)造。用這五大類29個指標(biāo)為一體的綜合測度指標(biāo)體系來全面客觀反映企業(yè)的知識管理水平（如表1所示）。（二）確定各指標(biāo)的隸屬度1.有量綱向無量綱的轉(zhuǎn)化上述指標(biāo)中，有些指標(biāo)（如：人均年申請專利的數(shù)量）是有量綱的值，由于它們的量綱各異，難于進行綜合對比，因此必須作無量綱處理，也即對測度指標(biāo)數(shù)值做標(biāo)準(zhǔn)化、正規(guī)化處理，以便消除指標(biāo)量綱的影響造成的困難。現(xiàn)采取一種二次拋物偏大型分布的數(shù)學(xué)模型描述：式中xmax指測度系統(tǒng)區(qū)域范圍內(nèi)某項指標(biāo)的最大值；xmin指測度系統(tǒng)區(qū)域范圍內(nèi)某項指標(biāo)的最小

8、值；xi指測度系統(tǒng)區(qū)域范圍內(nèi)某企業(yè)該指標(biāo)的實際值。該模型實際就是“企業(yè)知識管理水平高”這個模糊集的隸屬度。它具有如下性質(zhì)：（1）嚴格單調(diào)性：在其評價系統(tǒng)區(qū)域范圍內(nèi)變化時嚴格單調(diào)。（2）函數(shù)f(x)中包含用于比較的標(biāo)準(zhǔn)值，即各企業(yè)某指標(biāo)的最大值和最小值。（3）當(dāng)正指標(biāo)數(shù)值較低時，隸屬度隨指標(biāo)數(shù)值的增大而緩慢增大，隨著正指標(biāo)數(shù)值增大程度的提高，隸屬度增大加速。（4）0f(x)1，函數(shù)f(x)刻劃了“水平高”這個模糊集。2.無量綱指標(biāo)的處理對于指標(biāo)體系中無量綱的指標(biāo)，如何去刻劃它們對于“知識管理水平高”這個模糊集的隸屬度呢？為便于計算，采取線性遞增函數(shù)進行刻劃：該模型具有f(x)的（1）、（2）和（

9、4）的性質(zhì)。3確定單因素測度矩陣r假定對m家企業(yè)做測度，用rij表示對第i家企業(yè)第j個指標(biāo)的測度結(jié)果(i=1,2,m;j=1,2,29),這樣便構(gòu)成了單因素測度矩陣r：ri表示對第i家企業(yè)的測度向量。三、基于bp神經(jīng)網(wǎng)絡(luò)的模糊綜合測度（一）bp神經(jīng)網(wǎng)絡(luò)的基本原理神經(jīng)網(wǎng)絡(luò)是大量的神經(jīng)元廣泛互聯(lián)而成的網(wǎng)絡(luò)，它反映了人腦功能的許多基本特性，具有大規(guī)模并行、分布、存儲、處理、自適應(yīng)、自組織和自學(xué)習(xí)能力，因此而積累知識和經(jīng)驗，從而不斷修正自己的知識。特別適用于處理需要同時考慮許多因素和條件的模糊信息問題。一般可以分為兩類：即單向傳播網(wǎng)絡(luò)和相互結(jié)合網(wǎng)絡(luò)。bp網(wǎng)絡(luò)是單向傳播的多層網(wǎng)絡(luò)。它是一個由輸入層、輸出

10、層和中間隱含層三個神經(jīng)元層次構(gòu)成的模型，稱bp模型，各層次的神經(jīng)元間形成全互連連接，同層次內(nèi)的神經(jīng)元間沒有連接。對于bp模型的輸入層神經(jīng)元，其輸入和輸出相同，中間隱含層和輸出層的神經(jīng)元的操作特性為其中p表示當(dāng)前的輸入樣本，wij為從神經(jīng)元i到神經(jīng)元j的連接權(quán)值，opi為神經(jīng)元j的當(dāng)前輸入，opj為其輸出，fj為非線性可微非遞減s型函數(shù)對bp網(wǎng)絡(luò)進行訓(xùn)練時，首先要提供一組訓(xùn)練樣本，每個樣本由輸入樣本和理想輸出對組成。當(dāng)網(wǎng)絡(luò)的所有實際輸出與理想輸出一致時，表明訓(xùn)練結(jié)束；否則通過修改權(quán)值使網(wǎng)絡(luò)的理想輸出和實際輸出一致。那末如何進行權(quán)值調(diào)整呢？（二）bp網(wǎng)絡(luò)在企業(yè)知識管理水平模糊綜合測度中的應(yīng)用應(yīng)用b

11、p網(wǎng)絡(luò)對某類問題作模糊綜合測度的原理是：把用于描述評價對象的特征信息（即指標(biāo)體系）作為神經(jīng)網(wǎng)絡(luò)的輸出向量，將代表相應(yīng)綜合測度的量值作為神經(jīng)網(wǎng)絡(luò)的輸出；使用網(wǎng)絡(luò)前，用一些經(jīng)傳統(tǒng)綜合測度取得成功的樣本訓(xùn)練這個網(wǎng)絡(luò)，使它所持有的權(quán)值系數(shù)值經(jīng)過自適應(yīng)學(xué)習(xí)后得到正確的內(nèi)部表示，訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)便可作為模糊綜合測度的有效工具。綜上所述可得如下算法：step 1確定測度學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)：輸入層、隱含層、神經(jīng)元個數(shù)、學(xué)習(xí)系數(shù)、誤差允許范圍等。step 2為網(wǎng)絡(luò)的連接權(quán)系數(shù)賦初值得。step 3輸入k個樣本的指標(biāo)值和期望輸出值。step 4計算樣本隱含層和輸出層各處理單元的實際輸出值。step 5求op

12、和e。step 6若e，則結(jié)束學(xué)習(xí)。step 7對隱含層和輸入層的處理單元分別按（9）式和（8）式計算其誤差。step 8對權(quán)值進行k次修改（有k個樣本便修改k次）。step 9轉(zhuǎn)step4。在構(gòu)造測度企業(yè)知識管理水平的bp網(wǎng)絡(luò)時，考慮到測度指標(biāo)體系包括29個指 標(biāo) ri1ri2, ri29,所以輸入層神經(jīng)元設(shè)29個,ri1ri2,ri29分別輸入相應(yīng)的神經(jīng)元.隱含層神經(jīng)元也設(shè)29個,輸出層神經(jīng)元只有一個.當(dāng)某企業(yè)的指標(biāo)值經(jīng)輸入層進入網(wǎng)絡(luò),網(wǎng)絡(luò)便用訓(xùn)練好的權(quán)值進行運作,最后輸出層輸出的值就是來自m該企業(yè)的最后得分,得分越高的企業(yè)其知識管理水平就越高。為說明以上以上方法的可信性，我們對福建省涉及

13、五個高新技術(shù)行業(yè)的20家企業(yè)進行問卷調(diào)查和專家評審，用f(x)、g(x)確定各指標(biāo)的隸屬度，并把20家企業(yè)的數(shù)據(jù)輸入網(wǎng)絡(luò)，編寫神經(jīng)網(wǎng)絡(luò)算法，經(jīng)過計算機計算，得出網(wǎng)絡(luò)的權(quán)值。把求得的權(quán)值按五個等級列入表2。由表2可以看出:計算機軟件制造業(yè)企業(yè)總體知識管理水平最高,有兩家企業(yè)列入第一等級,一家企業(yè)列入第二等級,其次是動漫設(shè)計與文化創(chuàng)意產(chǎn)業(yè)，有一家企業(yè)列入第一等級，兩家企業(yè)列入第二等級；通訊設(shè)備制造業(yè)業(yè)列第三,消費電子信息制造業(yè)列第四,電力設(shè)備制造業(yè)列第五。這一結(jié)果符合各行業(yè)知識管理實施的實際,可見此法是可信的。四、結(jié)束語企業(yè)知識管理水平測度是知識經(jīng)濟時代企業(yè)生存和發(fā)展的重要問題,衡量和測度企業(yè)知識

14、管理水平應(yīng)有科學(xué)的方法.過去的某些評價方法存在以下缺陷:1.過于注重定性分析,忽視定量分析,以致測度效果帶有主觀因素,缺乏科學(xué)性。2.即使有定量分析,其測度系統(tǒng)中的指標(biāo)權(quán)重的確定方法基本上是百分制分項評分法,忽略了各項指標(biāo)的完成情況實際上是一個由差到好的連續(xù)過程.因而用評分將指標(biāo)清晰地分段劃分,這對全面測度企業(yè)知識管理水平帶來相當(dāng)?shù)恼`差。本文采用的模糊測度方法,正是克服了上述缺點。首先無量綱處理實現(xiàn)了從定性分析到定量分析的飛躍;再是引入了神經(jīng)測度網(wǎng)絡(luò),克服了以往缺乏自學(xué)習(xí)能力的缺點,擺脫了測度過程中的隨機性和參評人員主觀上的不確定性及其認識上的模糊性,保證了測度結(jié)果的客觀性,經(jīng)檢驗,確是一種值

15、得推行的測度方法。參考文獻1王君，樊治平組織知識管理績效的一種綜合評價方法j管理工程學(xué)報，2004,18:（2）:44-482王軍霞，官建成復(fù)合dea方法在在測度企業(yè)知識管理績效中的應(yīng)用j科學(xué)學(xué)研究，2002，20（1）：84-883丁勇，梁昌勇，陸文星基于證據(jù)推理的企業(yè)知識管理績效評價方法j清華大學(xué)學(xué)報（自然科學(xué)版），2006，46（s1）:983-9894李順才，常荔，鄒珊剛企業(yè)知識存量的多層次灰關(guān)聯(lián)評價j科研管理，2001,22（3）：73-785顏光華，李建偉知識管理績效評價研究，南開管理評論j2001,4（6）：26-296企業(yè)知識管理及其績效評價的理論與方法研究，d長沙，湖南大學(xué)，

16、20047shekar b ra,jeshnata,jana framework for evaluating knowledge based interestingness of association rulesjfuzzy optimization and decision making,2004,(3):157-1858alavi m,leidner dereview:knowledge management and knowledge management systems,conceptual foundation and research issuesjmis quarterly,2001,(25):107-1369ainger a kauraennals rexecutive guide business sucessful human-centered systemsmnew york:springer,199510swezey r w,salas eteams:their training and performancemnj:ables,199211janz b dknowledge worker team effectiv