1.一种基于评分者印象的电子商务信用计算方法，其特征在于：包括如下步骤：步骤1：对所有买家聚类输出宽松型买家和严苛型买家集合；

步骤1.1：在所有买家中找第一个宽松型买家和严苛型买家；

步骤1.1.1：设计IC(Impression Coefficient IC＜＜1)参数来设定宽松型买家的数量v和严苛型买家的数量v，IC表示宽松型买家占所有评分较高买家的比例，同时也是严苛型买家占所有评分较低买家的比例；

步骤1.1.2：计算每个买家的评分均值和均方差，将买家按照均值从大到小的顺序排列，在最前5个买家中选方差最小的一个买家作为宽松型买家的质心，并把此买家划归到宽松型买家集合中，在最后5个买家中选方差最小的一个买家作为严苛型买家的质心，并把此买家划归到严苛型买家集合中；

步骤1.2：在所有剩余的买家中找其余的v-1个宽松型买家和严苛型买家；

步骤1.2.1：对除去宽松型买家以外的剩余买家，计算每个买家到质心的欧式距离，选择欧式距离最小的一个买家，把它规划到宽松型买家集合中，并更新质心的属性值；

步骤1.2.2：将步骤1.2.1重复执行v-1次，得到最终的宽松型买家聚类子集；

步骤1.2.3：对除去严苛型买家以外的剩余买家，计算每个买家到质心的欧式距离，选择欧式距离最小的一个买家，把它规划到严苛型买家集合中，并更新质心的属性值；

步骤1.2.4：将步骤1.2.3重复执行v-1次，得到最终的严苛型买家聚类子集；

步骤1.3：剔除掉宽松型买家聚类子集和严苛型买家聚类子集的交集；

步骤1.4：输出结果；

步骤2：根据步骤1的结果过滤出部分诚信卖家和非诚信卖家；

步骤3：根据步骤2的结果对买家进行分类得到诚信买家、非诚信买家和不确定买家三类；

步骤4：对所有的卖家按照公式(5)计算其信用值；

Tr(sj)＝Wh×Rep(Bhonest,sj)+Wu×Rep(Buncertain,sj)+Wd×Rep(Blie,sj)   (5)；

其中，Tr(sj)为卖家的信用值；Bhonest∪Buncertain∪Blie＝B，B＝{bi|i＝1,2,...,n}为买家的集合；S＝{sj|j＝1,2,...,m}为卖家的集合；Rep(Bhonest,sj)、Rep(Buncertain,sj)、Rep(Blie,sj)分别是买家子集Bhonest、买家子集Buncertain和买家子集Blie对卖家sj的信誉分，可由公式(3)得出；Wh、Wu和Wd分别是诚信买家、不确定买家和非诚信买家在式中所占的权重，其权重值可由公式(6)得出；

其中，Npos(bi,sj)是买家bi对卖家sj的好评次数，Nneg(bi,sj)是买家bi对卖家sj的差评次数；

其中，HD(HD>1,Wh+Wu+Wd＝1)表示诚信和非诚信的对比度。

2.根据权利要求1所述的基于评分者印象的电子商务信用计算方法，其特征在于：在步骤2中，具体包括如下步骤：步骤2.1：严苛型买家给出的好评是可以信赖的，被严苛型买家评分好的卖家的商品或者服务是真的好，跟严苛型买家有过交易的卖家中，被严苛型买家评分为好评的卖家被划归到初始的诚信卖家子集中；

步骤2.2：宽松型买家给出的差评是可以信赖的，被宽松型买家评分差的卖家的商品或服务是真的差，跟宽松型买家有过交易的卖家中，被宽松型买家评分为差评的卖家被划归到初始的非诚信卖家子集；

步骤2.3：剔除掉诚信卖家子集和非诚信卖家子集的交集；

步骤2.4：输出结果。

3.根据权利要求1所述的基于评分者印象的电子商务信用计算方法，其特征在于：在步骤3中，具体包括如下步骤：步骤3.1：按照公式(4)计算所有买家集合B对所有卖家集合S的信誉分即市场的基准信誉值Rep(B,S)；

其中，B＝{bi|i＝1,2,...,n}为买家的集合；S＝{sj|j＝1,2,...,m}为卖家的集合；Npos(bi,sj)为买家bi对卖家sj的好评次数；Nneg(bi,sj)为买家bi对卖家sj的差评次数；

步骤3.2：按照公式(2)计算买家对诚信卖家子集的信誉值Rep(bi,Shonest)和买家对非诚信卖家子集的信誉值Rep(bi,Slie)，对诚实卖家打高分且对不诚卖家打低分的被认为是诚信买家，反之被认为是非诚信买家，剩余的是不确定买家；

其中，S'表示某个卖家子集；

步骤3.3：输出结果。