煤炭企业科技档案分类编号及管理

文章以科技档案为切入点,就针对档案分类及编号,结合实际工作详细阐述了其发展演变过程与管理相关问题。在档案档号结构及元素的选用、档案类目的增设及调整、人员素养等方面提出了自己的观点。

行政村档案如何分类编号

行政村档案是指行政村党组织、村委会及群团组织、村集体经济组织在其工作中直接形成的。对国家、集体和社会具有保存价值的各种文字、图表、声像、实物等不同形式的历史记录。行政村档案的分类与编号既要遵循档案分类与编号的一般原则，又要结合行政村档案工作实际，做到分类科学。层次恰当。编号规范，管用方便。

浅谈“企业标准分类编号管理系统”的开发与应用

结合企业的实际，详细地介绍了“企业标准分类编号管理系统”的开发过程、系统软件的选择、数据库的设计以及该系统的特点。

谈高校档案管理分类编号工作

高等学校档案工作目标管理,在整顿、建设和晋升等级的基础上,实行了档案统一集中管理,建立了档案管理机构、管理网络。档案信息资源的开发利用,使档案管理为高校教育教学和发展服务的作用提高到了一个新的水平。但在档案业务建设标准化管理方面仍处于不够完善状态,主要表现是。

冶金档案分类编号规则的研究与应用

冶金档案分类编号规则的应用使得档案管理比过去更科学、更实用,促进了档案管理的标准化、科学化和现代化。

对高校档案分类编号的点滴思考

高等学校档案的分类和编号,是高校档案整理工作的核心内容和科学管理的中心环节,是重要的基础建设工作。近几年来,人们为此进行了不少有益的探讨。《普通高等学校档案管理办法》把高校档案的归档范围概括为以下九个大类:党政管理类、教学类、科研类、基本建设类、仪器设备类、产品生产类、出版物类、外事类、财会类。这九个大类客观地反映了高校档案的全部内容,同时,也是从内容出发,对高校档案进行的具体划分。它为各类档案的进一步细分,奠定了科学的分类基础。实践证明,对各类档案进行细分,必须遵循科学的分类原则。现结合工作实际,就各类档案细分中类目设置及类号编制问题,谈点个人思考。

条形码技术及其在毛纺织物分类编号中的应用

现存的毛织物分类编号体系没有与国际上广泛使用的条形码系统联系起来，这对毛织品的出口与管理是很不利的，故原纺织工业部在其十年发展规划中将其列为有待开发的重大课题。本文讨论了条形码技术及应用状况，结合现有毛织物分类编号方法，设计了条形码技术在毛织物分类编号中的应用系统。

对产品档案分类编号问题的认识

我们公司的产品繁多，有望远镜、脚架、观靶镜、夜视仪、镜头、镜片、MP3、MP5、显微镜等。其中望远镜种类比较多，有双望的、单望的、防水的、数码的、玩具的等。我现在把每种产品都编上号：望远镜12、脚架13等。

农业科研机关科技档案类型划分与分类编号方法

农业科研机关是从事农业科学研究、培养农业科技人材的基地,担负着取得研究成果和培养人材双重任务,广大科技人员在科研、教学的理论与实践活动中,都会形成大量而珍贵的科技文件材料。

值得商榷的几个问题——对机械工业档案分类编号谈一些看法

为了使机械工业企业档案管理逐步实现规范化、标准化,机械工业部根据国家档案局《工业企业档案分类试行规则》,印发了《机械工业企业档案分类编号规则》(机械办[1993]600号)。规则的制定和颁布,对加强机械工业企业档案业务建设。

工商企业登记档案的实体分类与编号

企业登记档案在工商业务档案中处于中心地位,是机关档案室档案管理的重要对象。1990年发布的《企业法人登记档案管理办法》并没有对企业登记档案的分类编号做出明确的规定,只规定＂案卷可按行业分类,也可按经济性质或隶属部门等分类＂,具体的分类编号方法,则由各机关档案室自定。

城市基建档案馆档案分类编号方法探索

城市基建档案馆接收的档案,来自各个系统各个单位,管理方法和分类编号各不相同。进馆以后如何统一地进行分类编号,是在档案进馆前首先要解决的大问题,不然就会影响整个管理工作和提供利用工作的进行。对此,我们于承德、保定、石家庄地。

浅谈“企业标准分类编号管理系统”的开发与应用

为了解决企业标准编号采用人工编、填，质量差、效率低，经常出现跳号、重号、错号现象，档信处标准室开发了“企业标准化分类编号管理系统”，该系统功能齐全，性能稳定，安全可靠，人机界面友好，具有较高的可维护性，它的应用和推广提高了企业标准化工作的水平，必将给工厂带来直接的间接的经济效益。本文结合我厂实际介绍了该管理系统的开发工作，供有关人员参考。

基于Tensorflow框架的生产线零件编号分类算法研究

针对由手工提取特征不充分引起生产线零件编号分类效率和准确率低等问题,提出深度卷积神经网络零件编号分类算法.理论分析了神经网络各层数学原理,在Tensorflow框架下搭建11层卷积神经网络,引入弃权技术,消弱各神经元间联合适应性,防止网络过拟合,反向传播中采用基于指数衰减的批量梯度优化算法.由于采集的生产线现场零件编号图像有限,引入Chars74K数据集以增加数据集规模.样本数据集中80%用于训练、20%用于测试.研究结果表明,本文算法准确率达87.91%,但仍不理想.经分析,数据集中易混淆字符影响算法性能,尝试优化数据集,将数据集中易混淆字符进行删减或合并,算法准确率达到94.1%,性能获得显著提升.本文提出的生产线零件编号分类算法不需要人工特征提取等预处理操作,算法速度快、准确率高.