《中图法》电子版编号类型及类级等问题辨析

对《中国法》电子版类号的编号类型及类级中，层累制、八分法、双位法、上借法、下借法、同借法、扩借法类号，以及加“0”类号、特殊类号、起止复分类号、重复类号等存在的各类问题进行了辨析。参考文献8。

《中图法》电子版5类编号类型矛盾

对《中图法》电子版类号中存在的涉及广义借号法的上借法与层累制矛盾、特殊类号与下借法矛盾、双位法与下借法矛盾、同借法与层累制矛盾、下借法与八分法矛盾5类编号类型相互矛盾问题进行了分析。

《中图法》电子版3种编号类型问题分析——双位法、上借法、总论复分类号

对《中图法》电子版3种编号类型，即双位法、上借法、总论复分类号中存在的双位法误为下借法、双位法误为加“0”类号、特殊八分法误为双位法、上借法误为层累制、特殊类号误为上借法、层累制误为总论复分类号6类等问题进行了分析。

《中图法》电子版编号类型中的八分法问题分析

对《中图法》电子版编号类型中八分法存在的八分法误为特殊为号、特殊八分法误为双位法、特殊八分法误为借法、特殊八公法误为加“0”类号、下借法误为八分法、特殊类号误为八分法等6类问题进行了分析。

基于卷积神经网络的舰船图像类型识别

舰船图像类型识别是计算机视觉领域研究的热点,当前舰船图像类型识别方法存在误识率高、识别时间长等不足,为获得更优的舰船图像类型识别结果,提出基于卷积神经网络的舰船图像类型识别方法。首先提取舰船图像,对其进行增强、去噪、过滤处理,提升舰船图像质量,然后从舰船图像中提取识别特征,将其作为卷积神经网络的输入,舰船图像类型识别作为卷积神经网络的输出,建立舰船图像类型识别分类器,最后采用Matlab2017对5种类型的舰船图像进行仿真测试,卷积神经网络的舰船图像类型识别正确率超过95%,舰船图像类型的误识率和漏识别均低于5%,获得了理想的舰船图像类型识别结果,而且舰船图像类型识别性能远高于其他舰船图像类型识别方法,具有十分广泛的前景。

对《中图法》第五版扩号借号法的分析研究

从《中图法》第五版中的扩借法及其使用原因、特征和扩借法类号的类级4方面，对《中国图书馆分类法》第五版中的扩号借号法进行了分析研究。

《中图法》电子版通用复分表类号问题辨析

对《中图法》第四版电子版通用复分表中的“总论复分表”、“世界地区表”、“国际时代表”和“中国时代表”类号中存在的涉及广义借号法编号类型的问题进行了辨析。

《中图法》电子版编号类型中的层累制类号问题分析

对《中图法》电子版编号类型及类级标注中层累制类号存在的层累制类级错误、层累制误为下借法、层累制误为同借法、层累制误为特殊类号、层累制误为总论复分类号、下借法误为层累制、特殊类号误为层累制等7类问题进行了分析。