基于SVM的保税物流园区审批标准问题研究
摘要 | 第1-6页 |
Abstract | 第6-10页 |
第1章 绪论 | 第10-13页 |
·保税物流园区的兴起 | 第10页 |
·机器学习理论 | 第10-12页 |
·本文的主要工作 | 第12页 |
·全文的内容安排 | 第12-13页 |
第2章 保税物流园区情况概述 | 第13-23页 |
·保税物流园区概述 | 第13页 |
·保税物流园区的功能 | 第13-14页 |
·保税物流园区的业务流程 | 第14-15页 |
·保税物流园区的优势 | 第15-16页 |
·保税物流园区注意处理的几大关系 | 第16-20页 |
·保税物流园区与港口的关系 | 第16-17页 |
·保税物流园区与保税区的关系 | 第17-18页 |
·保税物流园区与加工贸易的关系 | 第18-19页 |
·保税物流园区与各职能部门的关系 | 第19-20页 |
·制定保税物流园区审批指标评价体系的意义 | 第20-23页 |
第3章 统计学习理论和支持向量机 | 第23-34页 |
·机器学习理论 | 第23-24页 |
·统计学习理论 | 第24-29页 |
·学习过程一致性的条件 | 第25页 |
·函数集的学习性能与VC维 | 第25-27页 |
·推广性的界 | 第27-28页 |
·结构风险最小化 | 第28-29页 |
·支持向量机 | 第29-34页 |
·广义最优分类面 | 第30-31页 |
·支持向量机 | 第31-32页 |
·核函数 | 第32-33页 |
·应用研究 | 第33-34页 |
第4章 保税物流园区评价指标体系的建立 | 第34-44页 |
·保税物流园区指标评价体系的设计指导思想 | 第34-35页 |
·保税物流园区指标评价体系的设计原则 | 第35-37页 |
·科学性原则 | 第35-36页 |
·完整性原则 | 第36页 |
·可行性原则 | 第36页 |
·准确性原则 | 第36-37页 |
·兼容性原则 | 第37页 |
·可比性原则 | 第37页 |
·保税物流园区评价指标评价体系设计的主要依据 | 第37-40页 |
·保税区评价指标评价体系要适应区域发展的需要 | 第37-39页 |
·保税物流园区指标评价体系要适应 WTO新形势 | 第39-40页 |
·保税物流园区统计指标评价体系基本框架 | 第40-44页 |
·经济与贸易指标 | 第40-41页 |
·交通区位条件 | 第41-43页 |
·物流业水平 | 第43-44页 |
第5章 构建基于SVM的保税物流园区选择系统 | 第44-55页 |
·保税物流园区选择的决策过程 | 第44-45页 |
·城市数据 | 第45-49页 |
·数据标准化 | 第46-47页 |
·SVM引入 | 第47-49页 |
·c-SVC支持向量分类机算法 | 第49-55页 |
·c-SVC支持分类机 | 第49-51页 |
·训练结果 | 第51-55页 |
第6章 结论与展望 | 第55-57页 |
·结论 | 第55页 |
·展望 | 第55-57页 |
参考文献 | 第57-59页 |
附录应用程序 | 第59-69页 |
攻读学位期间公开发表论文 | 第69-70页 |
致谢 | 第70-71页 |
研究生履历 | 第71页 |