大规模动态RFID系统中针对热门标签类别的TOP-k查询协议

在动态多类别RFID(Radio Frequency Identification)系统中,某类标签的缺失数量能够反映该类别的"热门"程度.因此,如何快速准确地找出缺失数量最多的k类标签对制定合理的营销策略具有重要意义.为此,该文首次定义了动态多类别RFID系统中针对热门标签类别TOP-k查询问题,并提出了符合EPC C1G2标准的快速查询协议Hot TOP-k Query(HTKQ).其核心思想是,先用阅读器监听当前系统中所有标签参与帧时隙阿罗哈协议的过程,并记录每个时隙的状态,从而获得真实时隙帧向量;然后在服务器端保存的每类标签ID集合上分别虚拟执行阿罗哈协议,为每个标签类别分别得到虚拟时隙帧向量.该文利用概率统计的方法,通过对比两类时隙帧的差异,分别估计每类标签的缺失数量.该文提出了大量理论分析,在保证查询结果准确性的同时优化参数使得算法时间代价最小.大量的仿真实验结果表明,该文提出的HTKQ协议能够在不同实验条件下满足预定的查询精度,并且当RFID系统中标签类别较多时,HTKQ协议的时间效率比现有协议可以提升80%.

标签推荐Top-N列表优化算法

针对标签推荐算法推荐列表长度常为固定值,进而导致推荐精度下降的问题,提出一种优化标签推荐算法Top-N推荐列表长度的算法。该算法对Top-N推荐列表进行重排序;再对排序以后的Top-N标签推荐列表进行列表长度的优化,进而计算出最优的标签推荐列表长度。在多个真实数据集之上进行了多次对比实验,结果表明,标签Top-N推荐列表优化算法具有较好的推荐性能。

基于顶部标签的RFID室内定位优化算法研究

RFID室内定位技术有信号穿透性强,成本低廉等诸多优点,但其识别距离有限且定位精度不佳。提出一种采用顶部标签布置的RFID识别方法和双重指纹匹配的搜索算法,并进行了相应的实验验证,实验过程表明利用RFID识别范围形成的区域将实验空间进行划分提高了K近邻系列算法的匹配精度。文中采用KNN(K-Nearest Neighbor)、WKNN(Weight KNearest Neighbor)和BWKNN(Bayes Weight K-Nearest Neighbor)三种不同的算法分析了相同RFID目标的定位性能。实验结果显示,BWKNN算法能够有效的提升RFID指纹算法定位精度:BWKNN算法的平均定位精度为31.24mm,相较于KNN算法提升64.55%;相较于WKNN算法提升50.03%。

微博个性化标签图形化RTM模型Gibbs采样推荐

为提高个性化标签推荐方法性能,提出基于Gibbs采样推理的微博个性化标签隐含关系主题模型(Relation Topic Model,RTM)推荐算法.首先,利用图形化形式对微博中的潜在局部信息进行表达,对用户主题分布为代表的用户进行top-k相似用户发现,然后计算出现在这些用户中的所有标签的频率,并推荐与用户最相关的标签.其次,为挖掘潜在主题信息,利用带惩罚项的增强型余弦相似度RTM模型对微博标签进行命名,大大提高联合建模对潜在主题生成标签的影响,并可发现全局标签和主题之间的关系;最后,通过真实的实验结果显示,所提推荐方法要优于选取的TF-IDF、RTMSA等几种经典标签推荐算法,验证了算法有效性.

物联网RFID系统及其应用浅论

从科普的角度,介绍了物联网RFID产生的背景,概念、电子标签的组成;RFID系统的基本构成;以及物联网RFID的系统架构和工作过程。