油料装备信息化的接入模式分析

给出了油料装备信息化中几种常见的信息接入方式:嵌入式系统、条码、射频标签,并对其进行了分析和比较。通过比较,认为嵌入式系统方式、射频标签方式具有较好的环境适应性、保密性和信息可读写性,大型油料装备的信息接入可采用这两种方式;二维条码因成本较低、具有一定的信息容量,可作为油料化验箱等小型装备器材的信息接入方式。最后对被覆线、卫星和短波电台3种信息传输方式的性能进行了比较。     

基于XML的安全协议形式化描述方法

针对安全协议的设计与分析复杂且容易出错的问题,文章为编写一个自动验证工具提出一种基于XML(eXtensible Markup Language)语言的时间相关安全协议形式化描述方法。该方法将安全协议用树状结构表示,用XML语言进行描述,为简化安全协议的形式化分析提供了帮助。     

标签集中式发布订阅机制性能分析

针对目前现有的发布订阅规范(DDS)主要描述终端节点信息处理行为的实际,提出使用标签集中式机制完成发布订阅信息网络交互工作。理论分析了标签集中式发布订阅机制的数学模型,对往返时延等参数进行了理论计算。并仿真此机制下无线窄带网络中发布订阅信息交互机制对网络性能及参与者数量对发布订阅系统性能的影响。通过理论计算和仿真分析证明此机制在较小规模网络中有良好的性能。     

工程兵的“时尚”标签

铁砂掌——新兵的"第一道坎""班长练成了‘铁砂掌’!"列兵孙政说起班长龚恒星赞不绝口,最佩服的就是从没有见过班长的手上打泡,而自己两手隔三差五"光荣负伤"、"惨不忍睹"、"创可贴"不敢离身。记得在一次班务会上,看到情绪低落的小孙"可怜兮兮"的样子,班长把自己的双手摊开,     

负面标签效应对士兵的影响及对策探讨

一、负面标签效应的内涵及影响。美国心理学家贝科尔认为：“人们一旦被贴上某种标签,就会成为标签所标定的人。”这种现象被称为标签效应。而负面标签是指所贴的标签为消极信息,它所传递的是一种负性评价。现实生活中,每个人都曾有过失败和挫折的经历,     

基于标签树的生长干部招生计划聚类方法

生长干部招生计划是规定军队干部补充来源渠道及数量规模的重要依据,对干部队伍建设与发展具有重要的意义。随着招生计划每年拟制与积累,分析与评估计划将会起到辅助决策的作用,对招生工作的实施带来深远影响。本文从数据挖掘的角度,以聚类的方法研究分析招生计划,这为分析历年计划的波动性并理解评价计划与政策的贴合度提供了定量分析的手段。首先分析了招生计划的特点,进而提出以标签树量化招生计划的解决思路,通过抽取标签树中的特征子树作为聚类中的度量特征,并采用共现的方法实施"先形成核心,再依次分类"的步骤完成聚类。实验表明该方法在合成数据集和真实数据集上聚类效果较好、效率较高,对分析招生计划具有一定理论意义。     

众包标签的双重置信度推断算法

标记者的知识水平、评价标准等均具有显著差异,导致收集到的标签质量参差不齐,提高标签和学习模型的质量对众包标签中学习起着关键作用。针对众包标签推断问题,提出了一种双重置信度推断算法,分别从数据分布特征及标签信息两方面计算得到标记者置信度,再通过此置信度推断数据集的集成标签,以此提高集成标签的质量。实验结果表明,与其他仅使用标签信息的推断算法相比,所提算法可以得到更优结果。     

基于多标签学习的探索性仿真实验因素筛选方法

探索性仿真实验是一种认识、研究战争的重要手段,但往往面临想定样本空间复杂程度高,空间维度爆炸等问题。针对上述问题,提出一种定性定量相结合的基于多标签学习的实验因素筛选方法。首先,基于定性分析设计并实施仿真预实验,采集处理实验数据,解决机器学习样本数据缺失问题;随后,引入输入控制层搭建深度神经网络,引入稀疏正则化,在多标签模型训练过程中实现特征选择;然后,回归定性分析,补充完善实验因素;最后,以某作战样式下立体投送行动仿真推演为背景进行实验验证。实验结果表明,筛选的实验因素与作战行动现实情况吻合。     

管理中的“标签”效应

第 二次世界大战期间 ,美国心理学家做了一次试验。当时美国政府招募了一批行为不良的人到前线打仗 ,这些人纪律散漫 ,很不听指挥。当局请来了心理学家帮助管理他们。心理学家要求他们每人每月都给家里写一封信 ,信的内容由心理学家拟好后 ,由他们照抄一遍。内容是告诉亲人 ,他们在前线如何听指挥和立战功 ,每次的内容都基本相似。半年之后 ,他们竟一个个都变了样 ,变得像信中所写的那样勇敢和守纪律。是什么力量使他们变好了呢 ?就是“守纪律”、“勇敢”、“立战功”等“标签”的作用。在管理实践中 ,我们也常常会遇到这样的现象 ,一些表…     

基于RoBERTa-Span-Attack的标签指针网络军事命名实体识别

军事领域文本中存在大量军事实体信息,准确识别这些信息是军事文本信息提取和构建军事知识图谱的基础性任务。首先,提出了一种基于RoBERTa预训练模型、跨度和对抗训练的标签指针网络的融合深度模型(RoBERTa-Span-Attack),用于中文军事命名实体识别;然后,采用了一种基于Span的标签指针网络,同时完成实体的起止位置和类别的识别任务;最后,在模型训练过程中加入对抗训练策略,通过添加一些扰动来生成对抗样本进行训练。在军事领域数据集上的实验结果表明：所提出的军事领域命名实体识别模型相较于BERT-CRF、BERT-Softmax和BERT-Span,在识别准确度上具有更优的效果。