针对传统网络流量分类方法要求训练和测试数据分布一致、训练数据充足的假设在实际中难以满足的问题,引入迁移学习理论对其研究,提出从特征属性和样本域内相似性两个角度对网络流量数据优化,改进TrAdaBoost(boosting for transfer learn...针对传统网络流量分类方法要求训练和测试数据分布一致、训练数据充足的假设在实际中难以满足的问题,引入迁移学习理论对其研究,提出从特征属性和样本域内相似性两个角度对网络流量数据优化,改进TrAdaBoost(boosting for transfer learning)算法的权重更新机制使其适应多分类任务,添加抑制因子解决源域权重转移现象。在数据集Moore上对该方法检验,结果表明,当目标样本量不足,该模型能根据相似性迁移,有效避免负迁移问题,相比其它流量分类模型具有更高的分类准确率。展开更多
从内部控制的角度出发对图书馆资产管理、典藏文献布局和多数据库协同管理3个方面存在的风险进行分析,针对图书馆资源管理工作中存在的账实不符、排架不合理、多数据库协同不足的风险,进一步提出了建立多系统映射管理方法的建议。包括...从内部控制的角度出发对图书馆资产管理、典藏文献布局和多数据库协同管理3个方面存在的风险进行分析,针对图书馆资源管理工作中存在的账实不符、排架不合理、多数据库协同不足的风险,进一步提出了建立多系统映射管理方法的建议。包括将资产管理系统与图书管理系统建立关联、制定满架后下架本类最先索书号图书并上架新索书号图书的布局策略、利用射频识别(Radio Frequency Identification,RFID)技术进行分布式盘点,通过扫描对比排序来判断架位顺序,进而得出图书馆应重视资源建设的管理,规避风险。展开更多
文摘针对传统网络流量分类方法要求训练和测试数据分布一致、训练数据充足的假设在实际中难以满足的问题,引入迁移学习理论对其研究,提出从特征属性和样本域内相似性两个角度对网络流量数据优化,改进TrAdaBoost(boosting for transfer learning)算法的权重更新机制使其适应多分类任务,添加抑制因子解决源域权重转移现象。在数据集Moore上对该方法检验,结果表明,当目标样本量不足,该模型能根据相似性迁移,有效避免负迁移问题,相比其它流量分类模型具有更高的分类准确率。
文摘从内部控制的角度出发对图书馆资产管理、典藏文献布局和多数据库协同管理3个方面存在的风险进行分析,针对图书馆资源管理工作中存在的账实不符、排架不合理、多数据库协同不足的风险,进一步提出了建立多系统映射管理方法的建议。包括将资产管理系统与图书管理系统建立关联、制定满架后下架本类最先索书号图书并上架新索书号图书的布局策略、利用射频识别(Radio Frequency Identification,RFID)技术进行分布式盘点,通过扫描对比排序来判断架位顺序,进而得出图书馆应重视资源建设的管理,规避风险。