摘要：与一般图像分类场景下的数据分布情况不同,在图像多标签分类问题的场景下,不同标签类别之间存在样本数量分布不均衡,少量头部类别通常占据大多数样本数量的情况。而由于多个标签间同时标记的相关性,再加上多标签下困难样本的分布还与数据分布和类别分布相关,使得单标签问题中解决数据不平衡的重采样等方法在多标签场景下无法有效适用。文中提出了一种基于图像多标签场景下样本分布损失和深度学习的分类方法。首先对多标签数据不均衡分布设置类别相关重采用损失,并通过动态学习方式防止分布过度异化,然后设计非对称样本学习损失,设置对正负样本和困难样本的不同学习能力,同时通过软化样本学习权重减少信息丢失。相关数据集的实验显示,所提算法在解决多标签数据分布不均衡场景下的样本学习问题时取得了很好的效果。

摘要：为减轻科室导诊人员的工作负荷,对智能化科室导诊的实现方法进行研究。区别于现有的导诊方式,提出一种少参数轻量化的多级科室导诊模型。结合ALBERT预训练解决现有算法参数量过大的问题,并关联多个相关科室,建立ALBERT预训练与Bi-GRU结合的多标签分类模型。通过在互联网医院问诊数据集上的测试,与单科室分类模型对比,验证了该多科室分类模型的预测结果具备可靠性和有效性,能够较好辅助科室导诊工作。

摘要：射频识别多标签系统动态性能参数包括读取效率、识读距离等,现有算法提高射频识别多标签系统识读性能能力有限,笔者提出了合理利用标签几何分布提高射频识别系统性能的新方法.该方法引入Fisher矩阵作为判定依据,通过计算标签与阅读器方位角的Fisher矩阵行列式极值,获取多标签系统的最优几何分布.随后通过仿真对多标签几何分布与射频识别系统识读性能的关系进行分析评估,设计了托盘级射频识别标签应用系统,并以识读距离为动态性能检测参数,对多标签最优几何分布进行模拟动态环境性能测试.实验结果表明,通过Fisher矩阵获得标签最优分布的方法可以有效提高多标签系统的动态性能、减小识读误差.

摘要：微短剧是近两年兼具社会热议、行业热评、发展热度的新现象。从2023年“白玉兰对话”电视论坛首次设立微短剧板块,到2024年首届上海微短剧大会暨白玉兰微短剧系列活动成功举办,微短剧正在成为内容行业新风口。“热”的背后更需“冷”的思考,尤其在“微短剧”三个字被打上太多标签之时,微短剧的本质为何?微短剧的未来将呈现出哪些新面貌?关于微短剧的调控管理又会对其产生何种影响?

摘要：针对现有单天线射频识别（RFID）阅读器工作在超高频（UHF）频段因盲区和干扰影响较大而难以保证多标签识别的可靠性的问题，提出了增加天线个数的多天线识别模式，即采用与阅读器相连的多个天线，合理地部署在阅读区域的不同位置，以增强覆盖效果，减少阅读盲区，提高RFID阅读器多标签识别的可靠性，而且建立了基于多天线识别模式的多标签识别模型，设计了多天线优化控制方案，并对识别的可靠性进行评估。实验结果表明：多天线模式对提高阅读器多标签识别的可靠性效果显著，这为UHF RFID阅读器多标签识别可靠性的槔高开辟了新徐径。

摘要：航空图像分类问题具有背景复杂多变,物体类别多样的特点,传统的多标签分类方法识别准确率低,泛化效果不佳.本文提出基于两阶段迁移学习的Multiscale SE-ResNet50分类方法,构建以ResNet50为核心的深度卷积特征提取网络.通过设计多尺度特征提取模块,增强模型对特征的细化能力;采取SENet与ResNet残差模块进行级联的方式在模型中嵌入通道注意力机制,强化对特征图中关键通道信息的提取;利用两阶段迁移学习优化模型初始化参数,进一步提高模型精度和泛化能力.实验结果表明,算法在UCM多标签数据集上的macro-F1为98.4%,分别高于MobileNet v2,VGG16,Inception v3,DenseNet121,ResNet50模型11.2%,69.6%,3.4%,69.6%,2.2%,该方法可以有效提高航空图像多标签分类任务的准确率.

摘要：为有效监测人类活动对自然环境的破坏,构建了基于深度迁移学习的多标签遥感影像地物分类系统。基于深度迁移学习方法,训练了5种不同深度的ResNet模型,通过分析其损失曲线、测试精确率与F1值,确定最优模型,并根据该模型设计了方便用户使用的交互界面系统。研究结果表明,深度迁移学习调优后的ResNet34模型分类性能优于其他网络,分类指标精确率可达96.02%,F1值达到90.38%。该结果可为政府相关管理部门了解生态变化状况、采取管理措施提供决策支持,对生态环境可持续发展具有积极意义。

摘要：针对多标签网页推荐算法中存在信息不精确及新增信息较多,传统精确算法效果不理想的问题,提出一种多标签网页的粗糙集概率神经网络高斯块植入期望排序推荐方法。针对信息不确定性,利用粗糙集理论改进传统的概率神经网络模型,使之适合处理信息非确定性问题;针对固定概率神经网络在处理多标签网页推荐问题时,存在覆盖率差,结构冗余较大,对新增标签信息无法快速识别的问题,利用高斯块植入期望排序方式,构建概率功能块的合并、添加和删除操作,提高预测精度,降低计算复杂度,解决新增信息预测的实时性问题。在雅虎多标签数据集实例中的实验对比结果表明,该算法具有更高的计算精度和效率。

摘要：专利是创新的结果,更是再创造的知识源泉,对专利技术知识依据创新需求的分类可有效帮助设计者进行创新设计。依据TRIZ理论对产品专利进行自动分类,以辅助利用专利蕴含的技术冲突进行产品创新设计。TRIZ原始的发明原理过于抽象以及有些原理之间有重叠,文中对40个原始的发明原理进行重组,形成20个新的类别。专利自动分类是一类典型的多标签分类问题,文中从Pro_Techniques和CREAX两个软件中收集了针对发明原理进行具体解释的专利数据,并依据此数据集对问题转换和自适应算法两类多标签分类算法进行对比分析。采用海明损失、测度等评估特性评估了上述算法的性能和质量。结果表明,在使用TRIZ专利数据集时,问题转换方法分类性能要明显优于自适应算法。

摘要：随着数据采集设备与建模技术的进步,如何高效地对三维模型进行分析与检索,成为目前几何处理领域的研究热点。当前,有许多工作都集中在模型的分类上,但是大多仅能处理单一标签。在处理多标签问题时,不仅耗费大量时间还忽略了标签之间和样本之间的关联关系。针对该问题,提出了采用多标签传播的三维模型标注方法。其核心在于利用标签相关性与样本之间的关联关系探索到整个样本空间的多标签标注潜力。具体来说,给定一小部分样本的多标签信息,再将多标签信息通过这些标注样本传播到空间中无标注的样本之上。传播的过程主要依靠迭代融合标签信息与动态度量,充分考虑了标签之间与样本之间的关联关系,最终得到整个空间的标注结果。在一些三维模型的标准数据集上(如普林斯顿形状标准模型数据库)进行实验测试,结果证明,只需要少量的交互就能快速地得到较为精确的结果。