| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 1 绪论 | 第8-14页 |
| ·课题背景 | 第8页 |
| ·研究对象和意义 | 第8-9页 |
| ·研究方法和现状 | 第9-14页 |
| 2 支持向量机理论基础 | 第14-26页 |
| ·统计学习理论 | 第14-16页 |
| ·支持向量机 | 第16-20页 |
| ·最小二乘支持向量机 | 第20-22页 |
| ·基于贝叶斯证据框架的最小二乘支持向量机 | 第22-26页 |
| 3 不常用备件分类实验 | 第26-53页 |
| ·不常用备件数据集 | 第26-30页 |
| ·基于支持向量机的备件分类模型框架 | 第30-32页 |
| ·数据预处理 | 第32-37页 |
| ·支持向量机核函数及参数性质 | 第37-45页 |
| ·支持向量机参数选择 | 第45-50页 |
| ·支持向量机与决策树、神经网络分类模型比较 | 第50-53页 |
| 4 总结和研究展望 | 第53-55页 |
| ·全文总结 | 第53页 |
| ·研究展望 | 第53-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 附录1 攻读学位期间发表的论文目录 | 第60-61页 |
| 附录2 攻读硕士期间参加及完成的科研课题 | 第61-62页 |
| 附录3 不常用备件数据集 | 第62-65页 |