基于支持向量机的供应链合作伙伴选择算法
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-8页 |
| 目录 | 第8-10页 |
| 第一章 绪论 | 第10-14页 |
| ·论文选题背景 | 第10-11页 |
| ·国内外研究现状 | 第11-12页 |
| ·论文主要内容和组织结构 | 第12-14页 |
| 第二章 供应链管理与合作伙伴选择理论 | 第14-29页 |
| ·供应链管理概述 | 第14-23页 |
| ·供应链管理概念 | 第16-19页 |
| ·供应链管理的原理 | 第19-23页 |
| ·供应链的多层规划 | 第23页 |
| ·合作伙伴选择 | 第23-28页 |
| ·合作伙伴选择意义 | 第23-26页 |
| ·合作伙伴选择方法 | 第26-28页 |
| ·本章小结 | 第28-29页 |
| 第三章 支持向量机理论基础 | 第29-37页 |
| ·统计学习理论 | 第29-30页 |
| ·机器学习的基本问题 | 第29-30页 |
| ·统计学习理论 | 第30页 |
| ·支持向量机分类算法 | 第30-35页 |
| ·最优分类超平面 | 第31页 |
| ·线性支持向量机分类算法 | 第31-34页 |
| ·非线性支持向量机分类算法 | 第34-35页 |
| ·支持向量机的多分类方法 | 第35-36页 |
| ·一对余法 | 第36页 |
| ·成对分类 | 第36页 |
| ·本章小结 | 第36-37页 |
| 第四章 基于支持向量机的供应链合作伙伴选择算法 | 第37-53页 |
| ·建立合作伙伴选择与评价体系 | 第37-46页 |
| ·供应链合作伙伴选择流程 | 第37-42页 |
| ·供应链合作伙伴评价指标选择体系的建立 | 第42-46页 |
| ·LS-SVM评价方法 | 第46-48页 |
| ·仿真实验 | 第48-52页 |
| ·本章小结 | 第52-53页 |
| 第五章 总结与展望 | 第53-55页 |
| ·工作总结与创新 | 第53页 |
| ·展望 | 第53-55页 |
| 附录 发表论文和科研情况说明 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 致谢 | 第59页 |
