循环神经网络多标签航空图像分类

由于航空图像背景复杂,包含的物体类别多样,航空图像分类任务仍然面临困难。针对传统航空图像多标签分类算法准确率低、泛化性差的问题,本文提出了一种基于循环神经网络多标签航空图像分类方法。首先,采用超像素分割获取图像的低层特征,通过注意力机制生成注意力特征图;接着,采用交叉验证的方式获取最佳的图像尺度,将多尺度注意力特征图嵌入卷积神经网络中对图像进行特征提取;最后,采用改进的双向长短期记忆网络挖掘标签之间的相关性,改进的双向长短期记忆网络增加了输入门到输出门之间的连接,使输入状态可以更好地控制每一内存单元输出的信息,并且将遗忘门和输入门合并成单一的更新门,使得改进的双向长短期记忆网络可以学到更长时期的历史信息。结果显示,在图像变换尺度为1,1.3,2时,模型在UCM多标签数据集上的精确率和召回率分别达到了85.33%和87.05%,F1值达到了0.862。本文方法相比于原始VGGNet16模型,精确率提高了7.25%,召回率提高了8.94%。实验表明,该方法可以有效提高航空图像多标签分类任务的准确率。     

一种基于PLC控制的金属防盗标签制标机

文章介绍了一种金属防盗标签制标机，用于生产连续型的金属防盗标签。根据标签的结构形式设计制作工艺流程，采用一菱PLC对该制标机进行控制，利用Easyview触摸屏对生产过程进行临控，以实现生产自动化。     

频率漂移的RFID冲突标签的物理层恢复

在无线射频识别（RFID）系统中,物理层上恢复冲突标签可有效提高系统识别效率.然而在超高频（UHF） RFID系统中,频率漂移是一普遍现象,它对物理层的冲突标签恢复有一定的影响.本文针对频率漂移的标签冲突恢复问题,采用径向基函数（RBF）网络分离算法对冲突信号分离,并利用FM0电平边沿跳变的原理实现解码,以此实现冲突标签信号恢复.实验结果表明,当发生频率漂移时,本文的方法在误码率和分离效率上均优于传统算法.     

110 kV及以下输变电工程设计智能化评审管理平台研究

为了进一步提高输变电工程的评审效率和评审质量,使用关键特性提取及OLAP数据分析技术,提出一个针对110 k V及以下输变电工程设计的智能化评审管理平台。依据对项目可研、初设阶段设计、造价数据评审的需求及历史经验和数据,分析和研究输变电工程设计阶段的关键特性指标,并构建辅助评审体系,利用信息化手段,经研院专家快速评审,提升评审和分析工作的效率。结果表明,在工程评审过程中,利用该平台不仅能有效地提高评审工作效率,而且能提高输变电工程设计评审的深度与信息化水平。     

基于物联网的食品安全信息追溯系统

在当今经济日益繁荣的时代,人们的生活水平稳步上升,对生活的质量也愈发重视.而作为生活中必不可少的食物,却也随即出现了各种安全问题.因此食品的监管迫在眉睫.研究构想了一个基于物联网的食品安全信息追溯系统的模型,希望可以通过RFID标签和传感器,对食品的整个生产流程、销售等环节以及生产环境进行有效的信息采集,消费者可以通过网页查询到该食品的全方位记录以及生产厂家的情况.     

E-textbook全文检索

基于电子教材的特殊应用的需求,在传统的web页面全文检索技术基础上,设计了电子教材的全文检索系统。它包含教材文档处理模块、索引服务模块和检索服务模块。根据电子教材的结构需求,定义了索引文件数据结构、文本文件数据结构、索引条目数据结构及结果排序的分数模型。通过系统的实现,为电子教材学习者提供了快速准确的检索服务,提高学习者学习效率。     

UC浏览器电脑版免邀请码体验

正最近,UC浏览器电脑版正式发布,但是却玩起了某粗粮公司的抢邀请码手段,真是讨厌。说起UC浏览器,许多网友都会想起自己在手机中安装的UC浏览器,确实,UC浏览器在国内手机平台的装机量还是挺不错的,不少用户也觉得使用起来挺不赖的。UC浏览器在完成了手机各个系统平台中的普及后,现在向竞争更为激烈的PC平台进军,那么它有何特技敢于勇闯这个群雄逐鹿的PC浏览器战场呢?一起来体     

一种从网页中抽取评论内容的方法和装置

成果描述：本发明公开了一种从网页中抽取评论内容的方法和装置,涉及信息处理技术,通过建立评论页面的DOM树,并选择符合评论区抽取规则的子树抽取出评论内容,再利用评论记录间的结构相似性,抽取出评论区中的评论记录,利用包含评论内容的子树的差异性,选择标准差最大的子树作为包含评论内容的子树,最后选取稳定性最小的一条路径,稳定性差绝对值最大的相邻节点中的子节点作为根节点,这个子树就是要抽取的评论内容。     

基于多示例学习的图像标注方法

随着数码产品,移动智能设备以及存储设备的普及,大数据时代已经来临,如何对海量数据进行有效的组织、管理、存储成为科研以及商业领域急需解决的问题,在图像数据挖掘当中,图像标注分类是当前比较热门的方向。采用机器学习的方法来找到大规模数据当中的隐含规律,实现样本的视觉内容到概念的映射需要对视觉数据内容进行恰当的描述,如果我们使用整个的图像作为基本单元,存在的问题就是视觉数据往往具有歧义性,难以准确表述包含的语义,多示例学习方法应运而生。图像分类问题本身是一种多标签问题,传统方法将其转化为一系列的单标签问题解决,忽略了标签之间的相关性,我们将标签相关性引入到模型构建当中,实验取得良好效果。