基于依赖最大化和稀疏回归的多标签特征选择

针对基于稀疏回归的多标签特征选择方法中数据的特征和标签之间线性关系假设不成立的问题,提出一种基于依赖最大化和稀疏回归的多标签特征选择方法 (multi-label feature selection with dependence maximization and sparse regression,DMSR)。构建数据的低维子空间,最大化低维空间与数据的标签空间之间的依赖性,使用希尔伯特-施密特独立性准则作为依赖性的计算依据,将数据从特征空间映射到该低维空间,设计一种交替优化的算法对稀疏回归模型进行求解,得到用于特征选择的投影矩阵。在多个不同类型的多标签数据集上的实验结果表明,所提算法的性能优于其它对比算法。     

中国标签产业的发展机遇和严峻挑战

正在我国经济发展进入"新常态",稳中向好的形势下,2016年国内生产总值达74.4万亿元,比上年增长6.7%,预计2017年国内生产总值将超过80万亿元,基本实现中高速发展。在此推动下,2016年全国印刷工业总产值实现了11 500亿元,居世界第二位。在标签印刷领域,     

崇尚创新 不断进取——访广州市丽宝包装有限公司副总经理甘群

正标签作为商品包装的一部分,在日常生活中随处可见,应用涉及生活日用品、医药、食品、饮料、电子电器、玩具、体育用品、公路交通等各个领域,有着广阔的发展前景。标签的广泛应用以及标签品种的不断发展,推动了标签印刷技术的发展。随着人们对环保的认识和重视程度的提高,薄膜类标签的使用呈上升趋     

基于DiffServ体系的QoS实现特定业务服务质量

随着计算机网络的飞速发展,网络的各种应用(OA系统、语音系统、网络视频监控系统)日趋复杂,导致网络传输数据的种类越来越多,网络上各种数据的重要性、优先级不同,需求的带宽也不一样.不具备QoS功能的网络,其同等对待所有的转发数据流,并不保证某一特殊的数据流会受到特殊的转发待遇.当网络带宽充裕的时候,所有的数据流都得到较好的处理,当网络发生拥塞的时候,所有的数据流都有可能被丢弃.这种转发策略是尽最大能力转发数据,其只能尽可能充分利用交换机自身的带宽,因此不具有提供品质服务的能力.在网络中配置QoS可以避免网络管理拥塞,减少报文的丢失率,调控网络的流量,为特定用户或特定业务提供专用带宽和支持网络上的实时业务.实现重要数据的优先传输,本文介绍了基于DiffServ体系的QoS实现特定业务服务质量.     

伪标签置信选择的半监督集成学习视频语义检测

在视频语义检测中，有标记样本不足会严重影响检测的性能，而且伪标签样本中的噪声也会导致集成学习基分类器性能提升不足。为此，提出一种伪标签置信选择的半监督集成学习算法。首先，在三个不同的特征空间上训练出三个基分类器，得到基分类器的标签矢量；然后，引入加权融合样本所属某个类别的最大概率与次大概率的误差和样本所属某个类别的最大概率与样本所属其他各类别的平均概率的误差，作为基分类器的标签置信度，并融合标签矢量和标签置信度得到样本的伪标签和集成置信度；接着，选择集成置信度高的样本加入到有标签的样本集，迭代训练基分类器；最后，采用训练好的基分类器集成协作检测视频语义概念。该算法在实验数据集UCF11上的平均准确率到达了83.48%，与Co-KNN-SVM算法相比，平均准确率提高了3.48个百分点。该算法选择的伪标签能体现样本所属类别与其他类别的总体差异性，又能体现所属类别的唯一性，可减少利用伪标签样本的风险，有效提高视频语义概念检测的准确率。     

区分站点状态的两级轮询控制系统

针对提高轮询控制模型工作效率和区分网络优先级的问题，提出了区分站点忙闲状态的完全-门限两级轮询控制模型（ETTPSS）。模型以两级优先级为基础，依据站点的忙闲状态采用并行处理方式只对忙站点进行信息分组发送服务。模型既能区分传输服务优先级又能避开对无信息分组的空闲站点的查询，从而提高了模型资源利用率和工作效率。运用概率母函数与马尔可夫链相结合的方法对该模型进行理论分析研究，精确解析了模型各个重要性能参数。仿真实验结果表明，仿真值与理论值近似相等，说明理论分析正确合理。与普通轮询模型相比，该模型性能大幅度提高。     

基于层次标签的机器学习流程组装

随着机器学习的兴起,算子数目飞速增长,组装算子需要搜索的解空间增大,流程组装时间指数倍增长,如何降低搜索解空间,从而降低组装时间,实现支持适应用户功能性需求的机器学习流程组装成为当前研究的热点.文中提出了一种基于层次标签、支持机器学习领域的流程组装方法.首先,从算子语义中提取标签,根据标签包含语义范围确定层次标签模型;其次,根据机器学习领域发现标签关系,确立领域组装模型,按照用户确定的功能性需求,确定最终领域标签模型;最后领域内算子与标签语义绑定,确定领域内算子关系模型,根据组装规则组装算子,形成满足用户功能性需求的全部算子流程.最后给出了支持该方法的实例,用以说明该方法的可行性;提出结果验证标准,用以说明结果的正确性与完整性.