导读:本文包含了不常用备件分类论文开题报告文献综述及选题提纲参考文献，主要关键词:不常用备件,SVM方法,DAGSVM方法
不常用备件分类论文文献综述
姜晨,徐廷学,余仁波[1]（2011）在《基于DAGSVM的装备不常用备件分类方法》一文中研究指出针对装备不常用备件需求样本数据有限、影响不常用备件需求的因素众多,且各因素间的关系多为非线性等特点,分析了现有备件分类方法中的不足,并引入在小样本学习方面具有优势的支持向量机(Support Vector Machines,SVM)方法,利用有向无环图支持向量机(Directed Acyclic Graph SVM,DAGSVM)方法对装备的不常用备件进行分类,并进行了实例应用。结果表明,该方法可以有效地解决装备不常用备件的多类分类问题。(本文来源于《舰船科学技术》期刊2011年07期）
冯杨,尹迪,罗兵[2]（2011）在《不常用备件基于AHP的ABC分类模型》一文中研究指出分析了传统ABC分类法在不常用备件库存分类中的应用,针对传统ABC分类法的缺陷。文章应用基于AHP的ABC分类方法,将备件单价、采购提前期、年采购费用、年使用次数、备件类型、重要性等级作为分类准则,对每一备件相对准则层进行ABC分类,然后结合准则层对目标层的权重计算备件组合权重并再次进行ABC分类,建立了不常用备件基于AHP的ABC分类模型。结果表明:该方法较传统的ABC分类法全面客观的考虑了备件的各个属性及其评价指标,其分类结果更符合实际的库存管理需要。(本文来源于《计算机与数字工程》期刊2011年02期）
刘志焘[3]（2008）在《基于支持向量机的不常用备件分类模型研究》一文中研究指出不常用备件管理是库存管理中非常重要的一个问题。不常用备件常为企业运营的关键部件,其特征为重要性高,价格昂贵,使用频次低、间隔期长且不确定。备件管理与企业的正常生产和经济效益密切相关,不常用备件的合理分类对于备件管理优化极为重要。本文首先回顾了传统的ABC库存备件分类法的局限性。然后,介绍了支持向量机分类及相关的机器学习理论。支持向量机具有对有限样本情况下的数据分类问题,具有全局优化、训练时间短、泛化性能好、算法复杂度与特征空间维数无关等优点,适合不常用备件分类这种复杂的分类问题。接着,结合核电企业ABC备件分类实例,分析不常用备件数据集特征,并引入支持向量机及相关的机器学习技术,提出一个不常用备件分类模型框架。接下来对该框架中的一些关键技术点做了阐述和实证:对多分类编码方法进行了比较;对支持向量机惩罚参数、核函数及其核参数对分类模型的影响做了解释;在研究、比较支持向量机多类别分类方法及模型参数选择方法的基础上,提出了一种改进的支持向量机参数优化方法——自适应模式搜索参数选择方法(Parameter Selection via Adaptive Pattern Search)。通过实验,说明了基于支持向量机的分类模型可以比较全面的找出对备件管理起重要作用的备件,自动完成备件分类,提高设备管理工作的效率和效果。最后,总结全文并指出下一步研究方向。(本文来源于《华中科技大学》期刊2008-04-01）
邹华[4]（2007）在《不常用备件需求模式统计分类模型研究》一文中研究指出本研究围绕大亚湾核电站的备件库存控制问题,通过实证研究的方法,针对库存需求数据进行全面而深入的分析。核电站的库存多为不常用备件,这些不常用备件的需求发生间隔不规律,需求量不规则,要进行有效的库存管理难度很大。而基于对实际数据的实证研究可以具体深入地分析不常用备件需求模式,具有一定的实践意义。文章从大亚湾核电站的库存控制背景出发,首先介绍了影响库存控制的诸多参数,比如备件的特征,备件采购申请流程,库存成本问题等。接着阐述了大亚湾核电站的库存控制策略,从而发现库存问题的关键在于库存需求模式的确定。在第叁章中深入细致地分析了需求模式,并且把需求模式分解为需求量和需求发生间隔两部分。然后,在Williams方法的基础上,将需求量变化程度引入需求模式中,提出了叁维需求模式分类模型。需求量的变异系数,平均需求量,需求发生间隔的倒数构成了模型的叁个维度。这也是本研究的主要贡献。接下来,运用EXCEL和SPSS统计软件进行了一系列的数据实验对上述模型进行验证,而这些实验是基于大亚湾实际库存数据的。实验从宏观和微观两个角度分别对数据样本集整体和个体进行分析,并通过个体实例讨论了叁维需求分类模型在SVM参数选择上的应用。(本文来源于《华中科技大学》期刊2007-04-01）
徐沧[5]（2006）在《基于SVM的核电站不常用备件分类模型研究》一文中研究指出我国经济的发展和人民生活水平的提高,极大地促进了我国电力事业的发展,而核电由于其经济、安全可靠、清洁的特性,更是得到了重点关注。预计到2020年,我国核电发电量将占到总发电量的4%。在核电企业的生产经营过程中,对设备的依赖程度很高。作为设备正常维护检修和应急处理的保障性物资,备件的重要程度不言而喻。本文首先分析了现有的分类法存在的问题:分类方法过于简单、引入了过多定性的主观判断、过于复杂或者需要大量数据等。然后,介绍了支持向量机(SVM)分类理论,以及该分类理论的优点:对有限样本情况下的数据分类问题,具有全局优化、训练时间短、泛化性能好、算法复杂度与特征空间维数无关等优点。接着,分别介绍了核电企业的两种备件——常用备件和不常用备件,并在分析不常用备件特点,如可用性要求高、专用性强、单价高、生产周期长、使用频率较低且规律性不强、寿期不确定等的基础上,建立了备件分类的指标体系。然后,在研究SVM多类别分类方法的基础上,选择了决策有向无环图法作为多类别分类方法,设计了基于SVM的备件分类模型。最后,本文以某核电企业的不常用备件数据为背景,进行了SVM核函数选择及参数调整的应用研究,并验证了本文设计的分类模型的正确性和有效性。(本文来源于《华中科技大学》期刊2006-04-01）
不常用备件分类论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
分析了传统ABC分类法在不常用备件库存分类中的应用,针对传统ABC分类法的缺陷。文章应用基于AHP的ABC分类方法,将备件单价、采购提前期、年采购费用、年使用次数、备件类型、重要性等级作为分类准则,对每一备件相对准则层进行ABC分类,然后结合准则层对目标层的权重计算备件组合权重并再次进行ABC分类,建立了不常用备件基于AHP的ABC分类模型。结果表明:该方法较传统的ABC分类法全面客观的考虑了备件的各个属性及其评价指标,其分类结果更符合实际的库存管理需要。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
不常用备件分类论文参考文献
[1].姜晨,徐廷学,余仁波.基于DAGSVM的装备不常用备件分类方法[J].舰船科学技术.2011
[2].冯杨,尹迪,罗兵.不常用备件基于AHP的ABC分类模型[J].计算机与数字工程.2011
[3].刘志焘.基于支持向量机的不常用备件分类模型研究[D].华中科技大学.2008
[4].邹华.不常用备件需求模式统计分类模型研究[D].华中科技大学.2007
[5].徐沧.基于SVM的核电站不常用备件分类模型研究[D].华中科技大学.2006