导读:本文包含了标签数据论文开题报告文献综述及选题提纲参考文献，主要关键词:标签印刷,国际标签,网购,电子商务,升级压力,交易规模,平方米,日化产品,珠叁角,长叁角
标签数据论文文献综述
陆长安[1]（2019）在《标签印刷进入新增长期》一文中研究指出据中国印刷及设备器材工业协会数据显示，2018年我国标签印刷工业总产值468.7亿元，增长8.5%。预计2019年将实现7%—8%的增长，产值超过500亿元。其中，2018年不干胶标签产量实现64亿平方米，增长10%，增速高于全球平均增速5%，预计201(本文来源于《中国新闻出版广电报》期刊2019-12-11）
叶康,肖飞,杨建平,王伟[2]（2019）在《基于数据标签的集中监控智能挂牌技术研究》一文中研究指出针对电网规模不断扩大、集中监控业务量越来越大的问题,文中对上海电网集中监控范围内220 kV及以上变电站监控干扰信息分布情况进行了分析,并指出了监控系统现有挂牌功能存在的问题。结合电力调控机构的数据特点引入了大数据技术概念和做法,基于数据标签化技术开发了变电站设备信息成像技术,并以此为技术支撑对挂牌功能提出了智能化的实现解决方案。经测试,所提出的方案能够有效提升运行监控的工作效率,干扰信息大幅减少。(本文来源于《电子设计工程》期刊2019年19期）
陈氢,冯进杰[3]（2019）在《融合地理标签数据的个性化信息服务应用研究》一文中研究指出[目的/意义]社交媒体网站的飞速发展为我们贡献了海量数据,通过对这些数据的进一步挖掘,可以实现个性化服务推荐。[方法/过程]本文利用地理标签中的丰富的元数据信息,结合基于密度的DBSCAN聚类算法和TF-IDF的统计方法,来提取和识别当地的景点区域,然后结合季节来计算景点的热度,最后运用基于混合过滤的推荐算法,为游客实现个性化旅游服务推荐。[结果/结论]通过Flickr网站爬取到的Geo-tagged数据集验证了本文提出方法的有效性。(本文来源于《现代情报》期刊2019年10期）
林庆新[4]（2019）在《基于大数据标签与机器学习的车牌识别算法》一文中研究指出为了提高机器学习算法对实际场景中车牌识别能力,克服天气、车牌种类对识别的干扰,以实际场景拍摄的车牌为识别对象,设计并开发了一种基于大数据标签与机器学习的车牌识别系统。首先,在不同启用场景、不同天气下采集两万帧车牌,涵盖各省市汽车,作为大数据标签和学习基础,建立车牌图像和车牌文字字段的训练集数据库;然后,利用图像降噪、自动阈值分割、形态学处理以及边缘检测,完成车牌定位与分割;随后,通过建立支持向量机与随机森林分类器,对训练集样本进行模型学习,完成机器学习算子,完成针对车牌的最终识别;最后基于Windows系统、C++语言与OpenCV开源学习框架,编码实现算法和系统。经过与对照组的对标测试,所提算法具有更高的车牌识别能力。(本文来源于《黑龙江工业学院学报(综合版)》期刊2019年09期）
郭亮,董勋,高宏力,李长根[5]（2019）在《无标签数据下基于特征知识迁移的机械设备智能故障诊断》一文中研究指出对于智能故障诊断方法,大量有标签数据是实现智能模型训练的必要条件,但该条件在部分工业应用场景下难以满足。难以采集足够有标签数据,尤其是故障状态下的数据,在一定程度上限制了智能故障诊断方法的工业化应用。为解决该问题,提出基于特征知识迁移的机械设备智能故障诊断方法,将实验设备或其他相关设备所采集的足量有标签数据所蕴含的特征知识迁移至工业现场设备所部署的智能模型中,完成不同机械设备之间监测数据的特征知识迁移,从而实现无标签数据下的机械设备智能故障诊断。提出方法首先构建一维深度卷积神经网络,实现从原始振动信号到机械设备故障类别的深度映射。然后在深度卷积神经网络中加入领域适配正则约束项,实现不同机械设备监测数据间特征知识的深度迁移适配。最后,通过全连接神经网络进行机械设备健康状态的识别。为验证提出算法的有效性,通过两种机械设备的轴承在不同性能状态下所采集的监测数据进行迁移故障诊断实验,实验结果表明:提出方法实现了不同设备间监测数据特征知识的迁移适配;相对于传统智能诊断方法,提出的方法在两个数据集之间的迁移故障诊断识别率提高20%以上。(本文来源于《仪器仪表学报》期刊2019年08期）
陈倩,杨旻,魏鹏飞[6]（2019）在《标签带噪声数据的重加权半监督分类方法》一文中研究指出对于仅有部分数据带标签且标签含有噪声的二分类问题,提出了一类基于重要性重加权的半监督分类算法,借助贝叶斯公式和无约束最小二乘拟合进行标签噪声率的估计,并由此利用BP神经网络逐步求解带权的优化问题,在多个标准数据集上的实验结果表明,本文提出重加权的半监督分类方法,能有效地降低标签不足以及标签噪声对分类准确率的影响.(本文来源于《烟台大学学报(自然科学与工程版)》期刊2019年03期）
郑伟平,杨旭东[7]（2019）在《浅谈公安数据标签体系建设》一文中研究指出本文在研究信息化相关理论基础上,根据公安信息化建设应用工作的实践与经验结合实战部门数据应用需求,运用各类理论方法结合公安实战经验,探索公安标签体系建设研究思路,提出相关的建设思路及建设内容,以期提升公安信息化工作标签体系建设及应用水平。(本文来源于《广东公安科技》期刊2019年02期）
潘镜伊,魏宇航[8]（2019）在《大数据时代信息标签化现象及其影响》一文中研究指出在大数据背景下,人工智能算法的发展带来了数据"标签化"现象。这一现象的出现,是时代发展的必然趋势,方便了数据平台进行信息检索、更高效地处理数据,然后呈现给用户。然而这一现象的出现也为网络环境带来了消极影响——标题党和营销号。其利用标签化的漏洞,在网上散布文题不符的文章、视频,骗取点击量,威胁到现实社会的秩序。此外,信息茧房现象也随之出现,人们所接触的圈子被人工智能算法局限在小范围内。在数据标签化的同时,给用户打上了标签,并由此引发个人隐私问题。文章简要分析标签化带来的影响和对应的改进措施。(本文来源于《管理工程师》期刊2019年03期）
程子为,曾子维,张诗尧,孙谋[9]（2019）在《基于数据引力模型的改进多标签算法》一文中研究指出针对目前数据引力模型的多标签懒惰学习分类算法不能同时利用标签相关性以及数据质量的相互作用的问题,提出基于数据引力模型的改进多标签算法IMLDGM。首先,计算训练集中的每个样本数据的K个最近邻居样本,构成新的数据样本集;其次,根据新的数据样本集标签的分布情况计算交互引力系数IGC,同时为每个数据样本建立相关性矩阵来计算标签相关性关系,再计算出每个训练集样本数据的密度以及权重大小;最后计算粒子间的正、负引力大小来构建新的多标签分类模型。仿真实验结果表明,IMLDGM算法子集准确率SA与微平均F1值MF1评价指标均优于对比算法,汉明损失HL也较为明显的降低。(本文来源于《辽宁科技大学学报》期刊2019年03期）
邓伟[10]（2019）在《人工智能机器人为求职提速》一文中研究指出大数据时代，依托1.8亿求职者和456万企业用户的信息，一家人力资源企业可以做些啥？6月13日，在第二届全国创业就业服务展示交流活动的“互联网+就业”研讨会上，智联招聘首席执行官李强透露，凭借求职人数和岗位需求的比对，可以分析出各行各业的“就业(本文来源于《湖北日报》期刊2019-06-15）
标签数据论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对电网规模不断扩大、集中监控业务量越来越大的问题,文中对上海电网集中监控范围内220 kV及以上变电站监控干扰信息分布情况进行了分析,并指出了监控系统现有挂牌功能存在的问题。结合电力调控机构的数据特点引入了大数据技术概念和做法,基于数据标签化技术开发了变电站设备信息成像技术,并以此为技术支撑对挂牌功能提出了智能化的实现解决方案。经测试,所提出的方案能够有效提升运行监控的工作效率,干扰信息大幅减少。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
标签数据论文参考文献
[1].陆长安.标签印刷进入新增长期[N].中国新闻出版广电报.2019
[2].叶康,肖飞,杨建平,王伟.基于数据标签的集中监控智能挂牌技术研究[J].电子设计工程.2019
[3].陈氢,冯进杰.融合地理标签数据的个性化信息服务应用研究[J].现代情报.2019
[4].林庆新.基于大数据标签与机器学习的车牌识别算法[J].黑龙江工业学院学报(综合版).2019
[5].郭亮,董勋,高宏力,李长根.无标签数据下基于特征知识迁移的机械设备智能故障诊断[J].仪器仪表学报.2019
[6].陈倩,杨旻,魏鹏飞.标签带噪声数据的重加权半监督分类方法[J].烟台大学学报(自然科学与工程版).2019
[7].郑伟平,杨旭东.浅谈公安数据标签体系建设[J].广东公安科技.2019
[8].潘镜伊,魏宇航.大数据时代信息标签化现象及其影响[J].管理工程师.2019
[9].程子为,曾子维,张诗尧,孙谋.基于数据引力模型的改进多标签算法[J].辽宁科技大学学报.2019
[10].邓伟.人工智能机器人为求职提速[N].湖北日报.2019