改进的工时定额方法研究
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 1 绪论 | 第9-17页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.3 论文的研究目的和研究思路 | 第13-14页 |
| 1.4 论文研究的主要内容和结构框架 | 第14-17页 |
| 2 相关基础理论 | 第17-29页 |
| 2.1 工时定额的基础理论 | 第17-22页 |
| 2.1.1 工时定额组成 | 第17-20页 |
| 2.1.2 工时定额制定方法 | 第20-22页 |
| 2.1.3 工时定额制定原则 | 第22页 |
| 2.2 案例推理技术 | 第22-24页 |
| 2.2.1 案例推理技术的简介 | 第22-23页 |
| 2.2.2 案例推理方法的优点 | 第23-24页 |
| 2.3 模糊聚类算法 | 第24-25页 |
| 2.4 神经网络结构 | 第25-27页 |
| 2.5 支持向量机方法概述 | 第27-28页 |
| 2.6 本章小结 | 第28-29页 |
| 3 基于案例推理的集成式工时制定方法 | 第29-49页 |
| 3.1 案例库的构建 | 第29-35页 |
| 3.1.1 案例库组成 | 第29-30页 |
| 3.1.2 案例表示 | 第30-31页 |
| 3.1.3 基于信息增益的属性选择 | 第31-35页 |
| 3.2 案例库精简与划分 | 第35-37页 |
| 3.2.1 案例库的精简 | 第35页 |
| 3.2.2 案例库的划分 | 第35-37页 |
| 3.3 案例检索与制定工时 | 第37-47页 |
| 3.3.1 神经网络确定属性权值的方法 | 第37-40页 |
| 3.3.2 模糊C均值-神经网络模型 | 第40-42页 |
| 3.3.3 相似度计算 | 第42-44页 |
| 3.3.4 案例推理工时计算 | 第44-47页 |
| 3.4 本章小结 | 第47-49页 |
| 4 基于支持向量机的工时调整方法 | 第49-55页 |
| 4.1 案例调整策略 | 第49-50页 |
| 4.2 基于支持向量机的误差补偿方法 | 第50-51页 |
| 4.3 基于误差补偿的案例调整模型 | 第51-54页 |
| 4.4 本章小结 | 第54-55页 |
| 5 工时制定方法的应用研究 | 第55-65页 |
| 5.1 焊接工艺的工时计算背景简介 | 第55-57页 |
| 5.2 实例验证与结论 | 第57-63页 |
| 5.3 本章小结 | 第63-65页 |
| 6 结论与展望 | 第65-67页 |
| 6.1 论文总结 | 第65-66页 |
| 6.2 研究展望 | 第66-67页 |
| 参考文献 | 第67-73页 |
| 作者攻读学位期间发表论文清单 | 第73-75页 |
| 致谢 | 第75页 |
