基于RS和SVM的風(fēng)電總裝企業(yè)物料分類研究與應(yīng)用

【摘要】：物料管理是在解決第二次世界大戰(zhàn)中航空工業(yè)出現(xiàn)的難題時提出的概念,它是從整個公司的角度來解決物料問題,包括:協(xié)調(diào)不同供應(yīng)商之間的協(xié)作,使不同物料之間的配合性和性能表現(xiàn)符合設(shè)計要求;提供不同供應(yīng)商之間以及供應(yīng)商與公司各部門之間交流的平臺;控制物料流動率等。物料管理可以有效解決庫存控制的矛盾等問題,緩解物料成本的壓力,提高企業(yè)生產(chǎn)管理效率。 物料分類作為物料管理的基礎(chǔ),其管理水平的高低在很大程度上決定了風(fēng)電總裝企業(yè)生產(chǎn)管理水平以及生產(chǎn)效率的高低,同時,物料分類管理還涉及到供應(yīng)商的分類選擇、采購、庫存控制、物料管理等多個方面。因此,高效科學(xué)的物料分類管理對于風(fēng)電組裝企業(yè)具有重大的現(xiàn)實意義。本文擬對風(fēng)電總裝企業(yè)物料分類模型及其算法進(jìn)行研究,提出基于粗糙集(RS)和支持向量機(SVM)的物料分類模型,期望解決樣本數(shù)據(jù)較少和指標(biāo)過多的問題。 論文的主要研究內(nèi)容安排如下: 首先,論文對國內(nèi)外物料管理、物料分類的研究現(xiàn)狀進(jìn)行綜述,闡述了本文的主要研究內(nèi)容及總體框架,提出了本文的創(chuàng)新點。 其次,研究了常用物料分類方法、粗糙集以及支持向量機的相關(guān)基礎(chǔ)理論。 再次,構(gòu)建了風(fēng)電總裝企業(yè)物料屬性評估指標(biāo)體系,提出了運用粗糙集(RS)進(jìn)行屬性約減和支持向量機(SVM)設(shè)計分類器進(jìn)行物料分類的技術(shù)思路,即應(yīng)用粗糙集方法約簡冗余屬性,簡化訓(xùn)練集和測試集,降低SVM分類器設(shè)計的復(fù)雜程度,提高SVM分類器的分類精度。上述的技術(shù)方案既充分利用了SVM較好的抑噪能力,也彌補了粗糙集對噪聲敏感的缺點,增強了分類器的容錯及抗干擾能力。在此基礎(chǔ)上,論文建立了基于RS和SVM的物料分類模型,并對模型求解過程進(jìn)行了詳細(xì)說明。 最后,基于上述理論研究,將建立的模型應(yīng)用于某企業(yè)的實際工程中,對分類結(jié)果進(jìn)行對比分析,結(jié)果表明基于RS和SVM的物料分類模型的分類精度可以達(dá)到較高水平,該模型具有一定工程應(yīng)用價值。 【關(guān)鍵詞】：物料分類 風(fēng)電總裝企業(yè) 粗糙集 支持向量機
【學(xué)位授予單位】：重慶大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2011
【分類號】：TH186;TP18
【目錄】：

• 中文摘要3-4
• 英文摘要4-8
• 1 緒論8-14
• 1.1 研究背景和意義8-10
• 1.1.1 研究背景8-9
• 1.1.2 研究意義9-10
• 1.2 國內(nèi)外研究現(xiàn)狀10-12
• 1.3 論文研究的主要內(nèi)容12-13
• 1.4 論文的研究思路及創(chuàng)新點13
• 1.4.1 研究總體思路13
• 1.4.2 研究的創(chuàng)新點13
• 1.5 本章小結(jié)13-14
• 2 論文研究的理論基礎(chǔ)14-26
• 2.1 物料分類相關(guān)基礎(chǔ)理論14-15
• 2.1.1 物料分類的概念14
• 2.1.2 物料分類的原則14-15
• 2.2 一般物料分類方法15-17
• 2.2.1 ABC分類法15
• 2.2.2 Kraljic矩陣分類法15-17
• 2.3 粗糙集理論17-21
• 2.3.1 粗糙集理論的基本概念17-19
• 2.3.2 粗糙集的數(shù)據(jù)預(yù)處理19-20
• 2.3.3 信息約簡20-21
• 2.4 支持向量機理論21-25
• 2.4.1 支持向量機基本概念22-24
• 2.4.2 支持向量分類機24-25
• 2.5 本章小結(jié)25-26
• 3 基于RS和SVM的風(fēng)電總裝企業(yè)物料分類模型研究26-40
• 3.1 風(fēng)電總裝企業(yè)物料屬性評估指標(biāo)體系研究26-30
• 3.1.1 風(fēng)電總裝企業(yè)物料特征26-27
• 3.1.2 一級指標(biāo)構(gòu)建27
• 3.1.3 二級指標(biāo)構(gòu)建27-30
• 3.2 基于RS和SVM的風(fēng)電總裝企業(yè)物料分類模型研究30-39
• 3.2.1 常見物料分類方法比較研究30
• 3.2.2 粗糙集和支持向量機協(xié)同處理數(shù)據(jù)原理30-32
• 3.2.3 粗糙集和支持向量機協(xié)同的技術(shù)研究32-34
• 3.2.4 基于粗糙集和支持向量機的物料分類模型34-39
• 3.3 本章小結(jié)39-40
• 4 基于RS和SVM的風(fēng)電總裝企業(yè)物料分類應(yīng)用研究40-56
• 4.1 風(fēng)電總裝企業(yè)物料分類現(xiàn)狀及缺陷40-46
• 4.1.1 企業(yè)物料管理現(xiàn)狀及問題40-43
• 4.1.2 企業(yè)物料分類現(xiàn)狀及問題43-46
• 4.2 風(fēng)電總裝企業(yè)基于RS-SVM的物料分類應(yīng)用46-54
• 4.2.1 物料屬性約簡47-52
• 4.2.2 物料分類52-54
• 4.3 預(yù)期效果分析54-55
• 4.4 本章小結(jié)55-56
• 5 結(jié)論與展望56-57
• 致謝57-58
• 參考文獻(xiàn)58-62
• 附錄62
• A. 作者在攻讀碩士學(xué)位期間發(fā)表的論文62
• B. 作者在攻讀碩士學(xué)位期間參加的主要項目62

您可以在本站搜索以下學(xué)術(shù)論文文獻(xiàn)來了解更多相關(guān)內(nèi)容

基于小波提取特征的SVM目標(biāo)識別    王明高;王琰;

航空客運量預(yù)測    敖小琴;張橋艷;孫宏;

基于SVM的內(nèi)?？刂扑惴ㄔ诖昂较蛑械膽?yīng)用    田紅軍;王錫懷;肖健梅;

基于SVM的雷達(dá)故障預(yù)診斷技術(shù)研究    王玉松;

基于SVM多類分類的滑坡區(qū)域危險性評價方法研究    姜琪文,許強,何政偉

基于AR-SVM的轉(zhuǎn)子故障診斷    張龍,熊國良,陳慧,李嶷

基于SVM的激光誘導(dǎo)熒光遙感識別海面溢油    陳海菊;安居白;劉建鑫;

基于SVM的人臉表情識別    陳偉宏;

專家系統(tǒng)在瞬變電磁反演中的應(yīng)用    譚代明;漆泰岳;

基于支持向量機的輸電線路故障診斷分類    馬新明;韓占忠;劉平;

A Tool Wear Predictive Model based on SVM    

A CDMA Signal Receiver based on LS-SVM    

基于可變風(fēng)險SVM模型的故障識別方法研究    司愛威;馮輔周;江鵬程;饒國強;王建;

一種提高SVM分類精度的調(diào)制信號識別方法    王紅偉;董慧;

Improved Particle Swarm Optimized SVM for Short-term Traffic Flow Predication    

一種基于SVM的主動學(xué)習(xí)文本分類方法    宋鑫穎;周志逵;

基于SVM的多波束測深數(shù)據(jù)濾波    邵杰;葉寧;容亦夏;

基于SVM和田口方法的石英撓性加速度計健壯性設(shè)計    于湘濤;周峰;張?zhí)m;魏超;

Adaptive Control of Nonlinear System based on SVM online Algorithm    

基于遞歸SVM的高光譜數(shù)據(jù)特征選擇算法研究    張睿;陳雪;馬建文;

利用SVM虛擬化技術(shù)實現(xiàn)容災(zāi)    郭濤

管好企業(yè)生產(chǎn)制造    葉宜強

亂軍之中智者勝    本報記者 韓露

基于網(wǎng)絡(luò)層的存儲虛擬化是主流    

影響干燥速率的因素    林亦枰 林平

LSI發(fā)布新存儲虛擬化管理器    本報記者 郭平

食品新貴——真空冷凍干燥食品    陳偉華

存儲虛擬化市場的博弈    王琨月

LSI Engenio 7900存儲面向中端客戶    劉

管理變革：降低標(biāo)準(zhǔn)才能統(tǒng)一標(biāo)準(zhǔn)    中山大學(xué)EMBA教授、廣東歐博企業(yè)管理研究所所長 曾偉

基于SVM的高不平衡分類技術(shù)研究及其在電信業(yè)的應(yīng)用    渠瑜

樣例權(quán)重估計及在此基礎(chǔ)上的SVM    申豐山

基于提升小波及SVM優(yōu)化的模擬電路智能故障診斷方法研究    宋國明

基于SVM的肺結(jié)節(jié)自動識別方法研究    張婧

基于SVM的話者確認(rèn)關(guān)鍵技術(shù)研究    龍艷花

基于話者統(tǒng)計特征和SVM的文本無關(guān)話者確認(rèn)研究    許敏強

制冷陳列柜性能仿真SVM方法的研究及應(yīng)用    曹志坤

基于混沌時間序列和SVM的入侵檢測系統(tǒng)研究    王金林

大口徑活塞泵對典型黏稠物料吸入特性實驗研究    馬星民

穩(wěn)健回歸技術(shù)及其在光譜分析中的應(yīng)用    包鑫

基于SVM的眼動軌跡解讀思維狀態(tài)的研究    嚴(yán)會霞

基于SVM分類器的分步定位算法研究    吳迪

基于Basic-N-Units特征的SVM方法預(yù)測MicroRNA    楊煥

盲抽取與SVM方法在地球化學(xué)異常下限提取中的應(yīng)用    曾玉祥

基于支持向量機（SVM）的森林生態(tài)系統(tǒng)健康評價及預(yù)警    曹云生

基于SVM的海岸線提取方法研究    張漢女

基于GA-SVM算法的細(xì)胞色素酶P450突變預(yù)測    姚玉

基于SVM算法的web分類研究與實現(xiàn)    陳燃燃

基于聚類和SVM主動反饋的圖像檢索方法    陳卓

基因微陣列數(shù)據(jù)的SVM分類器優(yōu)化方法    馮青