论文部分内容阅读
不常用备件管理是库存管理中非常重要的一个问题。不常用备件常为企业运营的关键部件,其特征为重要性高,价格昂贵,使用频次低、间隔期长且不确定。备件管理与企业的正常生产和经济效益密切相关,不常用备件的合理分类对于备件管理优化极为重要。本文首先回顾了传统的ABC库存备件分类法的局限性。然后,介绍了支持向量机分类及相关的机器学习理论。支持向量机具有对有限样本情况下的数据分类问题,具有全局优化、训练时间短、泛化性能好、算法复杂度与特征空间维数无关等优点,适合不常用备件分类这种复杂的分类问题。