900M RFID在玩具制造业中的应用

RFID是依靠电磁能量传送的射频识别技术,可被广泛应用.电磁能量能穿透特定货物来阅读远距离的不可见物品,从而识别物品的代码及相关信息.900MHz的射频识别系统传输距离远,适合于玩具制造业的应用.     

基于IPv6的标签分配协议研究与实现

在深入研究多协议标签交换（MPLS）议和标签分配协议（LDP）的基础上,分别探讨了MPLS和LDP的 基本原理。并且在Linux的基础之上采用模块化思想实现了基于IPv6的IDP并完成了标签交换路径（LSP）的自 动建立和维护。最后结合一个具体的实现案例,给出了LSP的试验结果。     

基于IPv6的标签分配协议研究与实现

在深入研究多协议标签交换（MPLS）协议和标签分配协议（LDP）的基础上，分别探讨了MPLS和LDP的基本原理。并且在Linux的基础之上采用模块化思想实现了基于IPv6的LDP，并完成了标签交换路径（LSP）的自动建立和堆护。最后结合一个具体的实现案例，给出了LSP的试验结果。     

融合标签局部相关性的标签分布学习

提出了一种融合标签局部相关性的标签分布学习(label distribution learning, LDL)算法,该算法分为3个阶段。初始预测阶段构建多层神经网络模型,将样本的原始特征作为输入、初始预测的标签分布作为输出;局部矫正阶段首先利用k-means聚类算法获得不同类所描述的局部信息,然后针对不同类计算对应的协方差矩阵,利用该矩阵来矫正初始预测的标签分布,获得每个类对应的矫正标签分布;标签融合阶段对矫正后的标签分布进行加权,再与初始预测的标签分布进行融合,得到最终的预测分布。在8个公开数据集上与9种常用的LDL算法进行对比实验,结果表明本文的算法能较好地描述标签局部相关性,在多个主流评估指标上排名靠前。     

基于组标签的多标签流特征选择算法

流标签是当前多标签学习领域中一个较新颖的挑战性问题，存在标签空间未定、标签数量不断增加甚至趋于无穷等问题.在多标签学习的特征选择中，每当有新的标签到达时标签空间都将发生改变，传统的多标签特征选择算法需重新进行特征选择，所以不适用.针对此问题，采用将流标签进行分组批量处理的方式，并考虑标签之间的相关性，提出一种新的流式多标签特征选择方法，考虑分组后每组标签内部潜在的关联结构和不同标签组之间的标签差异性，赋予每组标签不同的权重来计算每个特征与标签空间的模糊互信息.同时，结合mRMR (Max-Relevance and Min-Redundancy)的特征选择策略进行冗余特征的剔除，从而挑选最优的特征子集.该方法同时适用于固定标签空间和流式标签空间中的特征选择问题.最后，选取八个多标签基准数据集，采用四种评价指标与已有相关的多标签特征选择方法进行对比实验，实验结果证明了提出方法的有效性和高效性.     

采用语义分析的标签体系构建方法

针对现有标签体系粒度粗和层级结构不明显的问题,提出了一种基于语义分析的自动化标签体系融合构建方法。该方法通过分析不同网站导航标签体系中标签的相似性,学习不同导航标签间的等同映射关系和上下位映射关系,进而融合不同网站的导航标签体系以得到细粒度且层级分明的标签体系。为了评估该方法在标签体系融合构建方面的精度,首次提出标签重合度和上下位关系重合度两个测试指标进行衡量。实验结果表明,与基于同义词林的标签体系融合构建方法相比,所提方法在标签重合度和上下位关系重合度上提升了5%以上,可以构建出精准有效且适应不同领域的标签体系,为构建精准的用户画像打下基础。     

多协议标签交换(MPLS)及其NS仿真

提出了基于NS的MPLS网络仿真器(MNS)，MNS支持标签交换、LDP、CR-LDP．它允许研究人员对LSP的建立和终结进行仿真。为了表示MPLS仿真器性能，对MPLS标准中定义的基本MPLS功能进行了仿真，比如标签分配计划、流聚合和ER-LSP。最后，对仿真结果进行了评价和分析。     

非均匀标签合并隧道在缩减MPLS网络标签空间上的应用

本文介绍了一种新的缩减MPLS网络标签空间的方法,非均匀标签合并隧道技术(Asymmetric Merged Tunneling)。该技术是以标签堆栈为基础,将标签合并技术和非均匀隧道技术结合。通过仿真对比了AMT技术与现有的标签合并技术,由仿真结果看出AMT技术可以大幅度地缩减MPLS网络的标签空间。     

一种RFID标签阻抗的测量方法

介绍了射频识别系统天线设计过程中涉及到的测量问题.通过自制校准件和测量板的方法测得了芯片阻抗,为标签天线的设计提供了目标阻抗.制作了一款弯折偶极子RFID标签天线,以此介绍了一种加反射板测量标签天线阻抗的方法.并将测量结果与仿真结果进行了比较,验证了这种测量方法的可行性.     

融合样本相似性的弱监督多标签分类

针对面向实际应用场景中数据标签易残缺导致有监督多标签分类方法可用训练数据量减少，未能利用大量标签缺失数据中蕴含的样本特征空间关联知识以最大化判别间隔，限制多标签分类效果等问题，本文提出一种融合样本相似性的弱监督多标签分类方法.该方法利用标签相关性和样本相似性恢复标签以提高数据利用率，并将标签恢复嵌入到训练过程中以便挖掘标签相关性，通过近端加速梯度法进行参数优化，建立弱监督学习场景的多标签分类模型.在真实数据集上的实验结果表明，该方法能够利用样本相似性有效提升模型在标签残缺时的分类能力，实用价值大.      

噪声标签识别与纠正的置信度预测方法

弱监督场景下的标签噪声广泛存在于现实世界的数据中,导致分类性能下降。测量误差、主观标签偏差和人为标记错误都是导致噪声标签的主要原因。为降低噪声标签对模型分类性能的影响,该文提出一种噪声标签识别与纠正的置信度预测方法(CPRC)。首先,定义初始可信样本选择策略,筛选优质的可信样本;然后,建立置信度连接关系,设计标签概率预测方法,推断样本标签置信度;最后,迭代搜索最优置信度样本,实现噪声标签识别和纠正。该文选择在Seeds、Penbase等经典数据集上进行广泛实验,实验结果表明,该文算法可以显著提高不同类型基础分类器在不同噪声比下的分类性能,且性能优于目前先进的噪声标签学习算法。     

MPLS中基于着色线程的环路预防/检测机制

首先简要介绍了 4种解决MPLS(多协议标签交换 )中瞬态环路的方法和MPLS技术 ,接着以着色线程机制为重点 ,详细介绍了其涉及的基本术语和算法 ,并通过一个实例讨论了该算法 ,最后对线程算法和路径矢量进行了简单比较 ,指出了线程算法的优点 ,分析了它的不足之处。     

一种基于MPLS技术的VPN实现方案

在MPLS VPN框架结构的基础上,研究了MPLS VPN的工作过程,提出了一种利用MPLS技术实现VPN的方案.通过方案的实施,使得虚拟专用网具有更高的安全性、可扩展性和服务质量保证。     

Hadoop框架下的多标签传播算法

标签传播算法的主要思想是利用已标注数据的标签信息预测未标注数据的标签信息。然而,传统传播算法没有区别对待未标注数据与已标注数据相互之间的转移信息,导致算法的收敛速度较慢,影响了算法的性能。针对传统算法的不足,提出了差异权重标签传播算法,算法按标注信息的重要性赋予不同的权重。在解决了大规模特征矩阵相乘问题之后,将提出的差异权重标签传播算法应用到Hadoop框架下,采用分布式计算,实现了能够处理大规模数据的多标签分类算法(HSML),并将提出的HSML算法与现有主流多标签分类算法进行了性能比较。实验结果表明,HSML算法在多标签分类的各项性能评测指标和执行速度上都是有效的。     

协同标签系统的应用研究

协同标签系统在帮助用户管理标签的同时,也为用户的导航和检索提供了便利.本文在分析了协同标签系统现状的基础上,提出了一种建立分类标签树的算法,将混乱的标签进行整理,转换成为有序的、层次的、分类的标签树,使标签提供的信息能被用于检索、导航,使用户更好的协同组织管理和利用网上资源,最后对算法进行了测试.     

基于k-邻域相关性的多标签分类

多标签分类是指数据可以同属于多个类的分类问题,其数据特征和标签间相关性对分类结果存在影响。因此,提出一种融合前述两种因素的多标签分类算法。将数据用核函数进行特征映射,根据训练数据的k-邻域计算得到每个标签的最大后验概率;并将其加入到对应的数据特征中。用加入最大后验概率的数据特征训练分类器。通过在经典的yeast、scene和emotion数据库上实验,证明了算法的有效性。     

用于多标签文本分类的深度模块化标签注意网络

针对现有文本多标签语义信息挖掘方法仅注重从文本到标签的映射方向，而忽略了从标签到文本的映射方向的问题，本文认为从标签到文本的映射方向可以过滤文本中与标签无关的噪声信息，进而生成只关注于标签信息的文本表示。基于此假设，本文基于注意力机制提出了一种深度模块化标签注意网络，主要由标签注意网络进行多层级联而成。在标签注意网络中构建了双向标签注意单元和自我注意单元，从而得到标签和文本的双向依赖表示。模型在公开数据集RCV1、AAPD、EUR-Lex上与SGM、LSAN、EXAM等算法进行比较，对于现有的最佳性能平均提升0.54%。     

国内外标签本体研究述评

介绍了国内外对分众分类、标签、本体与标签本体等相关概念的研究成果,提出了关于标签本体的思考。     

基于同义标签分组的协同推荐

Lasr.FM,MovieLens等在线服务一个重要的特征是用户能手动使用标签标注对象,很多研究人员使用标签改进推荐质量.但是,标签是一个用户对对象的局部描述,不同的用户可能使用不同的标签来描述同一个对象,但表达同样的意义,这导致了单纯的使用标签进行推荐所达到的效果不理想.因此,本文首先根据标签共生分布计算标签相似度,...