深圳包装设计包装品用户需求信息智能获取与合成包含用户需求（Customer Requirements, CRs）信息模糊动态聚类技术及模糊合成技术、基于模糊事例推理的CRs模板自动生成技术、基于模糊C均值（Fuzzy C-Means, FCM）的目标市场确定技术深圳包装设计。
（1）CRs信息模糊动态聚类技术
通过Internet及其他方式获得大量的用户需求信息，对这些CRs信息进行科学分析、合并、归类，提炼出能够代表这些CRs信息的具体用户需求，并采用树枝形结构来描述，使用户需求体系清晰明确。归类方法可用传统的关键路径法对用户需求逐级分类；也可运用模糊动态分类技术对用户需求进行分类，把用户需求分类置于数量化的处理基础之上，将会更加科学、合理。
（2）CRs模糊合成技术
用户在表达需求时往往使用自然语言进行大致、定性的描述。在表达需求权重时常用很重要、重要、不重要等语言，这些语言具有模糊化和语言化的特点。通过Internet所获得的用户需求同样也具有语言化、模糊化的特点。因此，需要运用模糊集理论对CRs进行建模。CRs模糊合成主要是考虑各用户需求的初始权重及其覆盖率，采用模糊运算，对所有用户需求报告中的用户需求模糊权重进行综合，形成能代表目标市场中全体被调查用户观点的综合权重，作为最终确定的总的CRs报告中所包含需求项及其权重的依据。
（3）基于模糊事例推理的CRs模板自动生成技术
在对用户需求进行分析和综合过程中，需要知识库与数据库的支持，对输入的CRs信息进行推理和判断，对于改进包装品和新包装品应采用不同的处理策略，产生一个初始的CRs模板框架，作为进一步编辑和完善CRs文档的参考模板。基于事例的推理（Case-Based Reasoning, CBR）是人工智能中一种重要的推理模式，它将以往的事例按照一定的方式组织起来，存放于Case库中，在新问题出现以后，即检索出相关事例，当被检索出的相关事例与相关问题不完全一致时，就需要对旧的事例进行修改，使其适合新的问题，得出新问题的解。CBR推理过程类似人类的经验推理，具有模糊性和启发性。为此，将模糊集与CBR结合，提出模糊CBR模型（FCBR）用于CRs模板的自动生成。
（4）基于模糊C均值的目标市场确定技术
包装企业在新包装品开发以前，应先确定所开发的包装品要满足的目标市场，深圳包装设计并针对不同的目标市场来实现不同的开发策略。因为通过Internet及其他方式获得的用户需求可能来自许多不同的目标市场，所以用户对包装品的需求是有差别的，而这种差别信息也包含在获得的用户需求报告中。因此，可利用FCM方法对这些需求报告进行处理，确定用户需求报告所属的目标市场，然后针对每个目标市场确定相应的开发策略深圳包装设计。
