用以上方法对原网络模型四个产品生命时期的数据做K聚类分析,根据聚类结果,反推四个产品生命周期的原网络的结构特征,然后与原网络模型的数据进行相似度比较,用MATLAB进行实现。结果如表6-1所示。
表6-1 四个时期网络相似度结果表
(www.xing528.com)
以上统计结果表明,网络投影法分析得到的结果与原网络的发展程度有着密不可分的关系。网络相似度随着供应链网络的演化呈现出先增长后下降的趋势。当网络发展不好时,如进入期,网络投影法得到的结果与原网络的相似度是比较低的,另外,由于本章中选取的衰退期的网络数据中节点远远多于供应链网络的进入期,属于网络刚刚开始从成熟期衰退,甚至是衰退中期。但是可以预见的是,随着供应链网络的衰退,网络中节点越来越少,网络投影法的效果就越差,这将导致网络投影法得到的结果与原网络的相似度变低。当网络发展较好时,如处于成长期、成熟期,网络投影法得到的结果与原网络的相似度较高,比如,在成熟期时,相似度达到79%,趋近80%,这是一个令人满意的结果。
这证明,把网络投影法应用于总节点数超过6000个的复杂的供应链网络中是可行的,此方法能够比较清晰地刻画供应链网络成熟期的结构特征。但对于网络发展不好的阶段,此方法还存在一定的局限性,有待进一步改进。网络投影法从一个新的角度考虑了网络的分析问题,把传统的网络分析问题转化为数据分析问题,有很好的适用性。根据本章的验证结果,可以预见的是,网络投影法对结构更加复杂,节点数目更多的网络,甚至是有向加权网络,都具有比较好的适用性。我们也可以运用网络投影法的思路,把其他的数据分析方法运用在复杂网络等现实网络的分析中。总之,在如今的大数据时代,网络投影法将会有更加广阔的前景。
免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。