论文部分内容阅读
针对装备不常用备件需求样本数据有限、影响不常用备件需求的因素众多,且各因素间的关系多为非线性等特点,分析了现有备件分类方法中的不足,并引入在小样本学习方面具有优势的支持向量机（Support Vector Machines,SVM）方法,利用有向无环图支持向量机（Directed Acyclic Graph SVM,DAGSVM）方法对装备的不常用备件进行分类,并进行了实例应用。结果表明,该方法可以有效地解决装备不常用备件的多类分类问题。