数字调制类型的识别及实现

通信信号的调制识别是目前研究的热点问题.本文给出一种新的数字调制信号识别方法.高速数字专用芯片ADSP2101是此方法具体实现的重要器件,这一方法在实际通信中有着广泛的应用.     

贝叶斯定理在审案中的应用

通过研究贝叶斯定理在审案中的应用,对提高审案的正确性提供一定的帮助.     

专利价值二元分类评估方法的构建及应用研究

本文基于专利资产的价值分布特性,通过分析比较国内外专利价值评估的关键指标和专利价值的影响因素,构建了用于专利价值的“二元分类评估方法”。该方法采取定量指标评价和专家打分的主客观相结合方式分别得到专利定量指标价值度和定性指标价值度,两者结合得到专利综合价值度,这可综合评估专利价值高低,进而为知识产权管理和专利运营提供参考。     

Correlation analysis of performance measures for multi-label classification

In many important application domains, such as text categorization, scene classification, biomolecular analysis and medical diagnosis, examples are naturally associated with more than one class label, giving rise to multi-label classification problems. This fact has led, in recent years, to a substantial amount of research in multi-label classification. In order to evaluate and compare multi-label classifiers, researchers have adapted evaluation measures from the single-label paradigm, like Precision and Recall; and also have developed many different measures specifically for the multi-label paradigm, like Hamming Loss and Subset Accuracy. However, these evaluation measures have been used arbitrarily in multi-label classification experiments, without an objective analysis of correlation or bias. This can lead to misleading conclusions, as the experimental results may appear to favor a specific behavior depending on the subset of measures chosen. Also, as different papers in the area currently employ distinct subsets of measures, it is difficult to compare results across papers. In this work, we provide a thorough analysis of multi-label evaluation measures, and we give concrete suggestions for researchers to make an informed decision when choosing evaluation measures for multi-label classification.     

SSCI收录期刊不同学科Article和Review参考文献量的差异性分析

【目的】 以SSCI的学科分类为单位,分析不同学科期刊的Article和Review参考文献量的差异,以利于相关人员了解及借鉴,同时为进一步从文后参考文献的角度更深入了解现行期刊评价指标的优缺点提供数据支持。【方法】 分学科下载2015年SSCI收录期刊的主要文献计量学指标,同时记录各刊在学科内的分区及各刊Article和Review的平均参考文献量,Spearman等级秩相关性分析用于分析各学科Article和Review的参考文献量与学科各评价指标的相关性。【结果】 2015年SSCI共收录了57个学科的4468种期刊,Article和Review的参考文献量与学科规模的大小均不相关(均为P>0.05);学科内Article和Review的参考文献量由多到少排序,依次为Q1区(60.27条、86.85条)、Q2区(52.21条、83.80条)、Q3区(48.16条、74.61条)、Q4区(45.70条、62.90条),且差异均有统计学意义(均为P<0.05)。相关性分析结果表明,Article参考文献量仅与学科中位被引半衰期和学科中位引用半衰期存在相关性;Review参考文献量除与学科中位被引半衰期不存在相关性外,与其他主要期刊评价指标均有相关性(均为P<0.05)。【结论】 按SSCI学科分组,Article和Review参考文献量与学科影响力的关系并不一致,二者与学科规模均不相关;同一学科影响力较大期刊的Article和Review参考文献量相对较多。     

基于用户协作的非物质文化遗产数字资源分类模式研究

非物质文化遗产数据库对非遗资源的分类,必须遵从《非物质文化遗产数字化保护专业标准》,但这种分类方式存在一些问题。为了充分揭示非遗资源的特性和非遗资源之间的文化关联性,以建设承德地区非遗数据库为例,引入大众标注标引资源的方式来补充专家分类的不足：用户协作建设基础标签库,使用基础标签作为推荐标签,使用时间、空间、文化场所标签作为文化空间标签,由推荐标签等形成的高频标签作为专家分类的二级类目的备选,构建基于用户协作的非遗数字资源混合分类模式。     

LDA模型在专利文本分类中的应用

对传统专利文本自动分类方法中,使用向量空间模型文本表示方法存在的问题,提出一种基于LDA模型专利文本分类方法。该方法利用LDA主题模型对专利文本语料库建模,提取专利文本的文档-主题和主题-特征词矩阵,达到降维目的和提取文档间的语义联系,引入类的类-主题矩阵,为类进行主题语义拓展,使用主题相似度构造层次分类,小类采用KNN分类方法。实验结果：与基于向量空间文本表示模型的KNN专利文本分类方法对比,此方法能够获得更高的分类评估指数。     

5G环境下高校图书馆自媒体平台多标签文本分类方法研究

【目的/意义】由于自媒体平台中的多标签文本具有高维性和不平衡性,导致文本分类效果较差,因此通过 研究5G环境下高校图书馆自媒体平台多标签文本分类方法对解决该问题具有重要意义。【方法/过程】本文首先通 过对采集的5G环境下高校图书馆自媒体平台多标签文本进行预处理,包括无意义数据去除、文本分词以及去停用 词等;然后采用改进主成分分析方法进行多标签文本降维处理,利用向量空间模型实现文本平衡化处理;最后以处 理后的文本为基础,采用Adaboost和SVM两种算法构建文本分类器,实现多标签文本分类。【结果/结论】实验结果 表明,本文拟定的自媒体平台标签文本分类方法可以使汉明损失降低,F1值提高,多标签文本分类效果好,且耗时 较低,具有可靠性。【创新/局限】由于本研究中的数据集数量不够多,所以在测试和验证方面,得出的结果具有一定 局限性。因此在未来研究中期望利用更为丰富的数据库,对所设计的方法做出进一步的改进与创新。     

刍议文化创意产业的定义与分类

本文在总结评价各类文化创意产业的定义与分类的基础上,提出“文化创意产业是文化产业与创意的交集”的核心观点;根据人们认知心理特点、科技发展阶段及管理学相关理论,尝试提出新的“文化创意产业”分类标准.     

An end-to-end deep generative approach with meta-learning optimization for zero-shot object classification

Zero-shot object classification aims to recognize the object of unseen classes whose supervised data are unavailable in the training stage. Recent zero-shot learning (ZSL) methods usually propose to generate new supervised data for unseen classes by designing various deep generative networks. In this paper, we propose an end-to-end deep generative ZSL approach that trains the data generation module and object classification module jointly, rather than separately as in the majority of existing generation-based ZSL methods. Due to the ZSL assumption that unseen data are unavailable in the training stage, the distribution of generated unseen data will shift to the distribution of seen data, and subsequently causes the projection domain shift problem. Therefore, we further design a novel meta-learning optimization model to improve the proposed generation-based ZSL approach, where the parameters initialization and the parameters update algorithm are meta-learned to assist model convergence. We evaluate the proposed approach on five standard ZSL datasets. The average accuracy increased by the proposed jointly training strategy is 2.7% and 23.0% for the standard ZSL task and generalized ZSL task respectively, and the meta-learning optimization further improves the accuracy by 5.0% and 2.1% on two ZSL tasks respectively. Experimental results demonstrate that the proposed approach has significant superiority in various ZSL tasks.