GDX6S包装机商标纸定位检测器的改进

为解决GDX6S包装机商标纸定位检测器不能检测出商标纸包裹错位烟包等问题,通过增加反射式光纤检测器对商标纸定位检测器进行了改进.固定于三号轮弧形板上的反射式光纤检测器,可以检测到错位外露的商标纸,从而对烟包商标纸包裹是否错位进行判断,并利用控制系统将商标纸包裹错位烟包在三号轮剔除口自动剔除.应用效果表明,改进后商标纸定位检测器稳定可靠,实现了商标纸包裹错位烟包的自动检测和剔除,商标纸错位烟包剔除率由改进前的27.9％提高至95.4％以上,错位故障处理时间由平均3 min/次减少到0.5 min/次,提高了卷烟包装品质和设备运行效率.     

基于遗传算法的MPLS网络流量工程研究

针对MPLS网络的流量工程问题,用多目标规划的方法建立数学模型,并在网络的入口出口节点对之间建立多条标记交换路径来进行分流。针对该问题的NP-hard特性,提出一种基于遗传算法的求解方法。算法采用自然数编码的方法来提高搜索效率,并进行了仿真。仿真结果表明该方法是行之有效的,有效地改善了网络的资源利用情况。     

多类别相关性结合的类属属性多标签学习

现有的类属属性学习方法在提取类别标签的特征时,大多仅单一考虑标签间的相关性,忽略实例和实例间以及特征与特征间的相关性,可能会降低分类精度.为了解决此问题,文中设计多类别相关性结合的类属属性多标签学习算法,考虑标签相关性、特征相关性和实例相关性.利用标签之间的余弦相似度计算标签相关性,构建相似图矩阵计算特征相关性和实例相关性.文中算法紧凑地选择标签的类属属性,提高分类精度,有效解决多标签分类遇到的维度过大问题.     

基于基本回路的MPLS网络重路由故障恢复机制

研究MPLS网络中的重路由故障恢复机制,提出一种新的计算备用路径的方法,将备用路径的计算分为预处理和在线计算2个过程,给出一种基于基本回路的重路由故障恢复机制(FC-R)。仿真分析表明,FC-R恢复时间较短,可以对抗节点故障或链路故障,大大缩短在线计算时间,减轻节点负担,能够得到性能较优的备用路径,进一步节省网络资源。     

基于SDH的MSTP中的数据交换芯片设计

针对在SDH上构建多业务传输平台(MSTP)的需求,介绍了一种能在SDH传输和接入设备中提供灵活的数据业务支持的PoS(PacketoverSDH)数据交换芯片的设计方法。该芯片基于共享存储器的交换结构,采用了先进的流水线设计方式以提高整体交换容量。芯片支持服务质量保证(QoS)和组播(Multicast)功能,可用于SDH传输和接入设备中,为SDH上的数据业务支持提供简单而高效的解决方案。     

Joint feature representation and classification via adaptive graph semi-supervised nonnegative matrix factorization

As an effective feature representation method, non-negative matrix factorization (NMF) cannot utilize the label information sufficiently, which makes it not be suitable for the classification task. In this paper, we propose a joint feature representation and classification framework named adaptive graph semi-supervised nonnegative matrix factorization (AGSSNMF). Firstly, to enhance the discriminative ability of feature representation and accomplish the classification task, a regression model with nonnegative matrix factorization (called as RNMF) is proposed, which exploits the relation between the label information and feature representation. Secondly, to overcome the drawback of insufficient labels, an adaptive graph-based label propagation (refereed as AGLP) model is established, which adopts a local constraint to reflect the local structure of data. Then, we integrate RNMF and AGLP into a unified framework for feature representation and classification. Finally, an iterative optimization algorithm is used to solve the objective function. Extensive experiments show that the proposed framework has excellent performance compared with some well-known methods.     

近邻标签空间非平衡化标签补全的多标签学习

研究者目前通常通过标注标签之间的相关信息研究标签之间的相关性,未考虑未标注标签与标注标签之间的关系对标签集质量的影响.受K近邻的启发,文中提出近邻标签空间的非平衡化标签补全算法(NeLC-NLS),旨在充分利用近邻空间中元素的相关性,提升近邻标签空间的质量,从而提升多标签分类性能.首先利用标签之间的信息熵衡量标签之间关系的强弱,获得基础标签置信度矩阵.然后利用提出的非平衡标签置信度矩阵计算方法,获得包含更多信息的非平衡标签置信度矩阵.继而度量样本在特征空间中的相似度,得到k个近邻标签空间样本,并利用非平衡标签置信度矩阵计算得到近邻标签空间的标签补全矩阵.最后利用极限学习机作为线性分类器进行分类.在公开的8个基准多标签数据集上的实验表明,NeLC-NLS具有一定优势,使用假设检验和稳定性分析进一步说明算法的有效性.     

基于向量表示和标签传播的半监督短文本数据流分类算法

社交网络平台产生海量的短文本数据流,具有快速、海量、概念漂移、文本长度短小、类标签大量缺失等特点.为此,文中提出基于向量表示和标签传播的半监督短文本数据流分类算法,可对仅含少量有标记数据的数据集进行有效分类.同时,为了适应概念漂移,提出基于聚类簇的概念漂移检测算法.在实际短文本数据流上的实验表明,相比半监督分类算法和半监督数据流分类算法,文中算法不仅提高分类精度和宏平均,还能快速适应数据流中的概念漂移.