1.一种基于K-means算法的供应链信息分析方法,其特征在于,包括:对所述供应链数据进行数据清洗,提取出第一矩阵数列,所述第一矩阵是营收-成本矩阵数列;
利用第一聚类个数K1的K-means算法对所述第一矩阵数列进行聚类,并生成散点图形式的第一图像;
对所述第一图像添加第一参考线和第二参考线;
根据所述第一参考线和所述第二参考线,将所述第一图像切割成三部分,中间部分区域表示企业运营平稳的情况,上下两部分则显示企业异常经营的情况;
所述第二参考线是y=bx,tan30°
2.根据权利要求1所述的基于K-means算法的供应链信息分析方法,其特征在于,a=tan55°。
3.根据权利要求1所述的基于K-means算法的供应链信息分析方法,其特征在于,b=tan35°。
4.根据权利要求1所述的基于K-means算法的供应链信息分析方法,其特征在于,根据所述第一图像中的K1个类别数据点的分布情况,对所述第一图像继续添加第三参考线;
所述第三参考线是x=Lk(1≤k≤K1);所述第三参考线将营收划分成K1+1个片段,将营收分成K1+1个部分进行分析企业供应链的盈亏情况。
5.一种基于K-means算法的供应链信息分析方法,其特征在于,包括:对供应链数据进行数据清洗,提取出第二矩阵数列,所述第一矩阵是营收-毛利矩阵数列;
利用第二聚类个数K2的K-means算法对所述第二矩阵数列进行聚类,并生成散点图形式的第二图像;
对所述第二图像添加第四参考线;
所述第四参考线以下的区域为亏损情况,通过所述第四参考线以下区域数据点分布的密集程度得知企业的现经营状况;
所述第四参考线是y=0。
6.根据权利要求5所述的基于K-means算法的供应链信息分析方法,其特征在于,根据所述第二图像中的K2个类别数据点的分布情况,对所述第二图像继续添加第五参考线;
所述第五参考线是x=Lm(1≤m≤K2),所述第五参考线将营收划分成K2个+1类别数据点片段,将营收分成K2个+1类别数据点部分进行分析各部分的风险以及盈利情况。
7.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现权利要求1-6中任意一项所述方法的步骤。
8.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现权利要求1-6任意一项所述方法的步骤。