高频RFID重叠标签载波变频读写器设计

在高频射频识别技术的实际应用中,当多张标签紧密重叠在一起时,重叠标签的谐振频率会产生偏移,造成标签无法获取足够能量,导致标签无法读写。针对该问题,从理论角度建立并分析重叠标签的电磁场耦合模型,从本质上分析无法读写的原因,提出一种新的读写器设计方案,采用载波变频的方式匹配重叠标签偏移的谐振频率,并通过实验验证其可行性。实验结果表明,在相同功率及读写距离的情况下,与标准读写器相比,该设计方案能明显提高重叠标签的读写成功率。

高频RFID重叠标签耦合模型及谐振频率偏移分析

高频射频识别(RFID)在各个领域中应用十分广泛。在许多实际应用场景中,会出现多张标签紧密重叠的情况,导致无法正常读写。针对该应用场景,提出重叠标签的电磁场模型,从理论角度分析重叠标签的电磁场耦合的特征,提出重叠标签无法正常读写的原因在于谐振频率偏移。并根据耦合系数提出重叠标签的谐振频率偏移下限。为解决工程应用的这一瓶颈问题提供了理论基础和新的思考方向。

基于成对约束的多标签传播重叠社区发现方法

针对多标签传播重叠社区发现算法(COPRA)存在的社区划分结果准确性低和鲁棒性差的问题,提出一种基于成对约束的多标签传播重叠社区发现方法(PCMLPA)。以主动查找、扩展的方式引入成对约束指导社区发现,提高社区划分结果的准确性。在标签传播的过程中,根据节点影响力大小确定节点更新顺序,根据节点的相似性度量确定邻居节点的遍历顺序,解决COPRA鲁棒性差的问题。与其它基准算法的对比实验结果表明,PCMLPA方法鲁棒性强且社区划分结果具有更高的准确性。

基于灰色关联度聚类与标签重叠因子结合的协同过滤推荐方法研究

协同过滤算法是目前被广泛运用在推荐系统领域的最成功技术之一,但是面对用户数量的快速增长及相应的评分数据的缺失,推荐系统中的数据稀疏性问题也越来越明显,严重地影响着推荐的质量和效率。针对传统协同过滤算法中的稀疏性问题,采用了基于灰色关联度的方法对用户评分矩阵进行数据标准化处理,得到用户关联度并形成关联度矩阵;然后对关联矩阵中的用户进行关联度聚类,以减少相似性算法的复杂度;之后利用标签重叠因子对传统计算用户相似性的协同过滤算法进行改进,将重叠因子与用户评分以非线性形式进行组合;最后通过实例改进后的算法在推荐精确度上有着较大的提高。

基于图神经网络和标签可重叠社区的社会化影视推荐模型

[目的/意义]随着互联网的迅速普及,海量的在线影视作品导致用户难以快速准确地获取到所需内容,如何为用户进行个性化影视推荐成为学者们研究的热点。[方法/过程]首先利用在线影视平台中的用户交互数据以及电影信息数据建立完全三部图,然后构建图神经网络并结合扩散算法计算标签间关联度,基于标签间关联度获取标签可重叠社区,通过计算用户和电影对标签可重叠社区的归属度及用户与电影的匹配度,最终为用户生成推荐列表。[结果/结论]采用hetrec2011-movielens-2k数据集进行实验分析,结果显示所提出算法模型的召回率、精确率和F1值均优于同类算法。因此,通过聚合关联用户的信息能够充分挖掘当前用户的潜在兴趣偏好,提升算法推荐效果,有助于为用户精准生成个性化推荐内容。