移动数字图书馆的图书分类系统设计

为了解决传统数字图书馆在图书分类系统设计上存在的问题,包括综合服务功能不健全以及数字图书资源检索效率低等问题,设计了移动数字图书馆的图书分类系统,并对系统进行总体架构设计,设计了服务器后台硬件系统、服务器前台软件的运行环境、登录操作以及检索操作。系统软件的设计包括系统编码的设计流程和系统索引框架,系统以条形码为基础实现对图书的分类,进行功能测试和索引框架建立,提高电子图书检索水平。实验结果说明所设计的图书分类系统各项性能运行良好,图书分类效率提高了15%以上,具有较高的分类精确度。     

应用于图书馆书籍分类的熵加权聚类算法

目前很多图书馆都更加信息化和数字化,馆藏书籍数量也因此不断提高。如何通过聚类算法做出海量图书类目的精确分类,以便用户更加方便快捷地筛选,成为亟需解决的问题。提出的熵加权聚类改进算法是以传统熵加权聚类算法为基础所设计的新的聚类中心矩阵计算方法。通过选取具有代表性的样本点作为初始聚类中心,降低数据维度和冗余。此外,通过合并策略对信息熵加权隶属表示进行修改,从而避免聚类过程中的局部最优。实验结果表明,提出的聚类方法在处理书籍大数据分类任务时具有较高的精度和稳定度。     

基于双向LSTM的图书分类系统的设计与实现

进入信息化时代,图书数量、更新换代速度飞速提高,加大了图书馆管理人员的工作难度,并给数字化建设带来不便。为此,文中设计并实现了一种图书分类系统,将双向LSTM模型引入到图书分类任务中,并通过在模型的嵌入层使用字符向量化编码的方法避免了中文分词的困难性。系统包含前端交互、书籍信息录入、特征识别、分类器管理等功能模块,实现了图书馆文献建设的自动化管理。实验结果表明,不管是针对于传统的图书情报管理还是针对于图书馆数字化平台的建设,使用该设计实现的图书分类系统能够有效提高相关人员的工作效率。     

基于神经网络的不均衡数据分类方法

为了解决常规的不均衡数据分类方法存在的分类精度较低问题,保证数据分类的准确性,需要设计新的BP NNS非均衡数据分类方法,即采集处理不均衡数据信息降低数据分类难度;计算不均衡数据分类子类样本数量提高数据分类敏感性;构建不均衡数据分类模型提高数据分类的流畅性,从而实现不均衡数据高精度分类。实验结果表明,设计的不均衡数据分类方法的分类精度较高,满足不均衡数据分类的分类准确性需求,具有一定的应用价值,可作为后续数据处理的参考。     

航班时刻分布式计算系统的设计与实现

现阶段是我国民航业快速发展的时期。民航系统需要解决航班流量增加、航班准点率要求提高、以及未来系统扩容性等问题。为此采用分布式架构与中间件技术,基于现有的业务流程与数据处理需要设计了航班时刻计算系统。实验表明该系统能够处理由当前运行系统引接的实际航班数据,并在航班高峰期表现稳定。系统解决了计算任务分派、异构系统信息通讯、系统数据同步、以及并发数据访问瓶颈等问题,提高了现有民航系统的运行保障能力。     

移动计算环境下的移动数字图书馆

随着信息时代的到来,人们提出了随时随地访问信息的要求,移动计算作为计算技术与无线通信技术的结合产物应运而生。文章从移动计算技术入手,研究移动数字图书馆系统的构建。首先介绍了移动计算技术,然后介绍了基于移动计算环境的移动数字图书馆建设及服务,将对信息技术环境下构建自由、个性、多元的移动数字图书馆产生积极影响。     

基于多兴趣度的图书借阅推荐系统研究与设计

针对数字图书馆图书借阅推荐系统中通常采用的协同过滤算法中存在的不足,分析了该算法存在在用户多兴趣情况下推荐时难免会产生偏差,从而降低预测推荐准确率问题,进而提出了一种基于用户多兴趣度的图书借阅推荐系统推荐算法的设计思路。该算法首先对待推荐图书进行分类,然后根据用户的借阅情况计算其对每类图书的兴趣度,将对每类图书兴趣度相似的用户聚为一类,在小范围内寻找最近邻居,最后根据用户对不同类别书目的兴趣度作为权重值来产生对该用户的每类图书的推荐数目。该算法不仅能够解决用户多兴趣度问题,同时也可减少计算工作量,提高推荐的准确率。     

移动计算环境下的移动数字图书馆

随着信息时代的到来．人们提出了随时随地访问信息的要求．移动计算作为计算技术和无线通信技术的结合产物应运而生。本文从移动计算技术入手．研究移动数字图书馆系统的构建。首先介绍了移动计算技术．然后研究了基于移动计算环境的移动数字图书馆建设及服务,将对信息技术环境下构建自由．个性、多元的移动数字图书馆产生积极影响。     

运动数据中的最优关联数据的分类分析

针对传统关联数据分类方法一直存在分类精度差的问题,提出一种运动数据中的最优关联数据的分类方法。由于运动数据的变化量十分的庞大,同时变化程度也无法用规律进行推导,因此需要确定运动数据中的最优关联数据,通过最优关联数据的关联性进行高速提取,使用异导函数对提取的数据进行系统的分类。为了保证提出的运动数据中的最优关联数据的分类方法的有效性,设计对比仿真实验,通过实验数据表明,提出的运动数据中的最优关联数据的分类方法能够准确地对运动数据中的最优关联数据进行系统分类。     

基于二值神经网络的大场景点云分类

近年随着3维数据采集技术不断发展,大场景 点云数据的获取越来越方便。目前深 度学习网络框架在2维图像处理领 域越来越成熟,而大场景点云是一种3维无规则化的数据,3维卷积神经网络直接处理大场 景3维数据会存在分类精度低和计 算复杂等问题。因此为了有效解决基于深度学习的点云分类任务中存在的计算时间长和分类 精度低的问题,本文提出基于二值 神经网络的大场景点云分类方法,针对不规则的3维点云数据设计特征值计算方法,基于IR -Net二值神经网络处理输入的点云 特征图像,进一步采用Dynamic ReLU激活函数,提高神经网络的计算效率,最后得出点云分 类结果。实验结果表明,所提出 的方法在Oakland数据集上分类精度达到97.6%,在GML数据集中取得 了92.3%和97.2%的分类精度,实验结果证明Dy -ResNet 能够有效提升了点云分类的精度,减少计算的复杂度,并提高了训练效率。