CN109636211A - 基于移动物联网的图书自动化管理系统及其管理方法 - Google Patents

基于移动物联网的图书自动化管理系统及其管理方法 Download PDF

Info

Publication number
CN109636211A
CN109636211A CN201811556459.4A CN201811556459A CN109636211A CN 109636211 A CN109636211 A CN 109636211A CN 201811556459 A CN201811556459 A CN 201811556459A CN 109636211 A CN109636211 A CN 109636211A
Authority
CN
China
Prior art keywords
books
information
unit
management
identity device
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Withdrawn
Application number
CN201811556459.4A
Other languages
English (en)
Inventor
成方杰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zibo Vocational Institute
Original Assignee
Zibo Vocational Institute
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Zibo Vocational Institute filed Critical Zibo Vocational Institute
Priority to CN201811556459.4A priority Critical patent/CN109636211A/zh
Publication of CN109636211A publication Critical patent/CN109636211A/zh
Withdrawn legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
    • G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
    • G06K7/10—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation
    • G06K7/10544—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation by scanning of the records by radiation in the optical part of the electromagnetic spectrum
    • G06K7/10821—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation by scanning of the records by radiation in the optical part of the electromagnetic spectrum further details of bar or optical code scanning devices
    • G06K7/10861—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation by scanning of the records by radiation in the optical part of the electromagnetic spectrum further details of bar or optical code scanning devices sensing of data fields affixed to objects or articles, e.g. coded labels
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Software Systems (AREA)
  • Educational Administration (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Computational Linguistics (AREA)
  • Biophysics (AREA)
  • Electromagnetism (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Biomedical Technology (AREA)
  • Evolutionary Computation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Game Theory and Decision Science (AREA)
  • Toxicology (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于移动物联网的图书自动化管理系统及其管理方法，所述系统包括管理单元、录入单元以及带有标识装置的图书，管理单元包括相互连接的固定管理功能块、动态管理功能块以及存储器；所述的录入单元通过网络接入管理单元并与其进行数据交互；固定管理功能块、动态管理功能块、存储器通过管理单元内部路径相互进行数据交互，其中：录入单元包括图书标记识别功能块；录入单元用于通过图书标记识别功能块将图书初始化信息写入至图书上的标识装置中给每个图书分配唯一的图书专属编码；在图书自动化管理上，通过引用物联网模式，尤其是通过电子标签射频识别与后台管理，可以统一管理与调配图书，大大提高图书的管理效率。

Description

基于移动物联网的图书自动化管理系统及其管理方法
技术领域
本发明属于信息处理领域，尤其是一种基于移动物联网的图书自动化管理系统及其管理方法。
背景技术
图书馆管理是根据学校图书馆工作的规律和特点，对图书馆的各项工作进行计划、组织、协调和控制的活动。目的在于合理开发书刊资源，提高图书馆的工作效益，最大限度地满足读者需要。比如，管理员的工作繁杂，书籍或媒体到图书馆后，需要经过图书馆管理员的工作才能让读者进行检索和借阅，校对账单、给具体的书或媒体编上图书馆内部的号码、盖章，书款入账、书籍保护（过塑、换硬封皮）；另外管理员更多的是需要管理图书的借还登记等。然而，传统技术中图书管理多数是靠管理员手工进行，不仅效率低下而且准确性比较差，比如经常出现图书管理出错的问题。另外传统技术中也很难鉴别读者对书籍的整体以及细节爱好，不能做到准确与合理的图书上架。
发明内容
为了克服上述缺陷，本发明公开了一种基于移动物联网的图书自动化管理系统及其管理方法，所述系统包括管理单元、录入单元以及带有标识装置的图书，管理单元包括相互连接的固定管理功能块、动态管理功能块以及存储器；所述的录入单元通过网络接入管理单元并与其进行数据交互；固定管理功能块、动态管理功能块、存储器通过管理单元内部路径相互进行数据交互，其中： 录入单元包括图书标记识别功能块； 录入单元用于通过图书标记识别功能块将图书初始化信息写入至图书上的标识装置中给每个图书分配唯一的图书专属编码，并同时读取该图书标识装置的图书专属编码连同向该图书标识装置所写入的图书初始化信息一同写入至存储器，并使得存储器中图书标识装置的图书专属编码与向该图书标识装置所写入的图书初始化信息一致； 固定管理功能块用于通过图书标记识别功能块读取图书上标识装置的图书专属编码，依据该图书专属编码从存储器中查询与之相对应的图书信息，依据该图书信息完成图书出入图书馆的各类操作，并将出入图书馆过程中的各类操作信息写入至存储器中添加至与该图书专属编码相对应的图书信息中； 动态管理功能块用于通过图书标记识别功能块读取图书上标识装置的图书专属编码，依据该图书专属编码从存储器中查询与之相对应的图书信息，依据该图书信息完成运输或读者借阅过程中的各类操作，并将运输或读者借阅过程中的各类操作信息写入至存储器中添加至与该图书专属编码相对应的图书信息中。
进一步，系统还包括图书整理单元，图书整理单元用于图书管理员清点图书并上传实时信息，图书整理单元包括若干图书识别功能块以及图书识别功能块上的图书识别录入功能块，图书整理单元设于管理单元并通过网络与图书识别功能块进行交互，图书识别功能块用于读取图书上的标识装置的图书专属编码，依据该图书专属编码从存储器中查询与之相对应的图书信息，并将图书识别录入功能块写入的修改信息添加至与该图书专属编码相对应的图书信息中。
进一步，系统还包括后台管理单元，后台管理单元用于利用图书上标识装置的图书专属编码从存储器中获取与之相对应的录入图书初始化信息、运输操作记录，以判定图书的管理状态。
进一步，上述的图书初始化信息包括图书的录入时间信息、来源、名称、分类信息、价格信息、出版社信息、页码信息、新旧信息、管理负责人；图书信息包括图书的专属编码信息、名称信息、最新状态时间、分类信息、借阅状态信息、管理负责人、借阅人信息、历史借阅信息。
进一步，所述的网络为互联网，录入单元以及后台管理单元均通过有线或无线的形式接入互联网，并通过互联网与管理单元进行数据交互。
进一步，系统还包括图书分析单元，用于分析读者借阅图书的类型以优化图书配置；图书分析单元包括相互连接的记录功能块、学习功能块和优化功能块。
进一步，上述的图书标记识别功能块结构上包括桌面式RFID读写器、手持式RFID读写器或固定式RFID读写器。
进一步，上述带有标识装置的图书，其中的标识装置为射频电子标签，标识装置结构包括上下两个固定板，两个固定板两侧设置两个固定孔，上下两个固定板中部依次设置天线和芯片，天线和芯片通过铜丝连接并且铜丝外周设置弹簧，装配时弹簧被压紧并由上下两个固定板限制弹性恢复。
上述的管理方法包括通过分析单元的记录功能块获取图书馆借阅数据，通过学习功能块进行卷积神经网络的训练学习然后通过优化功能块生产图书上架优化报告，其中，卷积神经网络的训练学习包括：
步骤S1、对多个类别选择因素中的各选择因素分别进行选择因素划分以得到不同的选择因素集合；
步骤S2、分别对不同的选择因素集合进行训练获得初始的训练卷积神经网络；
步骤S3、基于初级的训练卷积神经网络对相同的类别选择因素中其他数据进行分类以训练卷积神经网络；
步骤S4、更换具体的数据后重复步骤S2-S3或者迭代步骤S2-S3；
步骤S5、选择不同的选择因素集合构建一个异构选择因素集合且使得每一个异构选择因素集合中的数据都包含不同的选择因素，然后进行训练获得次级的训练卷积神经网络；
步骤S6、更换具体的数据后重复步骤S5或者迭代步骤S5。
上述的步骤S1对多个类别选择因素中的各选择因素分别进行选择因素划分具体是将选择因素划分为矩阵形式的向量数据；上述的步骤S2-S4中卷积神经网络训练均包括若干卷积和池化，上述的池化采取最大池化方式；上述的步骤S5-S6中卷积神经网络训练包括若干卷积、池化和函数激活，上述的池化采取最大池化方式。
本发明有益效果：
本申请在图书自动化管理上，通过引用物联网模式，尤其是通过电子标签射频识别与后台管理，可以统一管理与调配图书，大大提高图书的管理效率。另外，本申请的管理方法包括通过分析单元的记录功能块获取图书借阅数据，通过学习功能块进行卷积神经网络的训练学习然后通过优化功能块生产图书上架优化报告；利用神经网络卷积训练获得卷积特征等实现精准的分析优化，并且，在细节上，神经网络的训练中以多个类别选择因素采用预分类最后再异构综合训练的方法，大大提高训练的效率。
附图说明
图1是本发明的系统的框图。
图2是本发明的系统管理单元的框图。
图3是本发明的系统录入单元的框图。
图4是本发明的系统图书整理单元的框图。
图5是本发明的系统图书分析单元的框图。
图6是本发明的系统中标识装置结构示意图。
具体实施方式
下面结合附图，对本发明做详细说明：
如图1所示，一种基于移动物联网的图书自动化管理系统及其管理方法，所述系统包括管理单元、录入单元以及带有标识装置的图书，如图2，管理单元包括相互连接的固定管理功能块、动态管理功能块以及存储器；所述的录入单元通过网络接入管理单元并与其进行数据交互；固定管理功能块、动态管理功能块、存储器通过管理单元内部路径相互进行数据交互，其中： 如图3，录入单元包括图书标记识别功能块； 录入单元用于通过图书标记识别功能块将图书初始化信息写入至图书上的标识装置中给每个图书分配唯一的图书专属编码，并同时读取该图书标识装置的图书专属编码连同向该图书标识装置所写入的图书初始化信息一同写入至存储器，并使得存储器中图书标识装置的图书专属编码与向该图书标识装置所写入的图书初始化信息一致； 固定管理功能块用于通过图书标记识别功能块读取图书上标识装置的图书专属编码，依据该图书专属编码从存储器中查询与之相对应的图书信息，依据该图书信息完成图书出入图书馆的各类操作，并将出入图书馆过程中的各类操作信息写入至存储器中添加至与该图书专属编码相对应的图书信息中； 动态管理功能块用于通过图书标记识别功能块读取图书上标识装置的图书专属编码，依据该图书专属编码从存储器中查询与之相对应的图书信息，依据该图书信息完成运输或读者借阅过程中的各类操作，并将运输或读者借阅过程中的各类操作信息写入至存储器中添加至与该图书专属编码相对应的图书信息中。
如图1所示，系统还包括图书整理单元，图书整理单元用于图书管理员清点图书并上传实时信息，如图4，图书整理单元包括若干图书识别功能块以及图书识别功能块上的图书识别录入功能块，图书整理单元设于管理单元并通过网络与图书识别功能块进行交互，图书识别功能块用于读取图书上的标识装置的图书专属编码，依据该图书专属编码从存储器中查询与之相对应的图书信息，并将图书识别录入功能块写入的修改信息添加至与该图书专属编码相对应的图书信息中。
如图1所示，系统还包括后台管理单元，后台管理单元用于利用图书上标识装置的图书专属编码从存储器中获取与之相对应的录入图书初始化信息、运输操作记录，以判定图书的管理状态。
进一步，上述的图书初始化信息包括图书的录入时间信息、来源、名称、分类信息、价格信息、出版社信息、页码信息、新旧信息、管理负责人；图书信息包括图书的专属编码信息、名称信息、最新状态时间、分类信息、借阅状态信息、管理负责人、借阅人信息、历史借阅信息。
进一步，所述的网络为互联网，录入单元以及后台管理单元均通过有线或无线的形式接入互联网，并通过互联网与管理单元进行数据交互。
如图1所示，系统还包括图书分析单元，用于分析读者借阅图书的类型以优化图书配置；如图5，图书分析单元包括相互连接的记录功能块、学习功能块和优化功能块。
上述的图书标记识别功能块结构上包括桌面式RFID读写器、手持式RFID读写器或固定式RFID读写器。
上述带有标识装置的图书，其中的标识装置为射频电子标签，如图6，标识装置结构包括上下两个固定板1，两个固定板1两侧设置两个固定孔2，上下两个固定板1中部依次设置天线4和芯片6，天线4和芯片6通过铜丝3连接并且铜丝3外周设置弹簧5，装配时弹簧5被压紧并由上下两个固定板1限制弹性恢复，可以起到防止拆除的作用。
本发明上述的管理方法包括，通过分析单元的记录功能块获取图书馆借阅数据，通过学习功能块进行卷积神经网络的训练学习然后通过优化功能块生产图书上架优化报告，其中，卷积神经网络的训练学习包括：
步骤S1、对多个类别选择因素中的各选择因素分别进行选择因素划分以得到不同的选择因素集合；
步骤S2、分别对不同的选择因素集合进行训练获得初始的训练卷积神经网络；
步骤S3、基于初级的训练卷积神经网络对相同的类别选择因素中其他数据进行分类以训练卷积神经网络；
步骤S4、更换具体的数据后重复步骤S2-S3或者迭代步骤S2-S3；
步骤S5、选择不同的选择因素集合构建一个异构选择因素集合且使得每一个异构选择因素集合中的数据都包含不同的选择因素，然后进行训练获得次级的训练卷积神经网络；
步骤S6、更换具体的数据后重复步骤S5或者迭代步骤S5。
上述的步骤S1对多个类别选择因素中的各选择因素分别进行选择因素划分具体是将选择因素划分为矩阵形式的向量数据。
上述的步骤S2-S4中卷积神经网络训练均包括若干卷积和池化，上述的池化采取最大池化方式。
上述的步骤S5-S6中卷积神经网络训练包括若干卷积、池化和函数激活，上述的池化采取最大池化方式。
本申请利用神经网络卷积训练获得卷积特征等实现精准的分析优化，并且在神经网络的训练中以多个类别选择因素采用预分层最后综合训练的方法，提高训练的效率。具体地，对多个类别选择因素中的各选择因素分别进行选择因素划分以得到不同的选择因素集合，譬如，在影响读者对图书喜好的因素中有： 作者姓名、 是否是知名作者、 作者年龄、作者性别、图书大类 、 图书小类 、图书适宜学历层、读者年龄 、读者性别 、读者职业，按照直观的判断划分为三个类别：读者类、图书类和作者类，则：
作者类 { 作者姓名、 是否是知名作者、 作者年龄 、作者性别 }；
图书类 { 图书大类 、 图书小类 、图书适宜学历层 }；
读者类 { 读者年龄 、读者性别 、读者职业 }。
列举每个类别共有10个数据，则有数据：
作者类 { 作者姓名1-10、 是否是知名作者1-10、 作者年龄 1-10、作者性别1-10 }；
图书类 { 图书大类 1-10、 图书小类1-10 、图书适宜学历层1-10 }；
读者类 { 读者年龄1-10 、读者性别1-10 、读者职业1-10 }。
分别对不同的选择因素集合进行训练则是分别对作者类 { 作者姓名1-10、 是否是知名作者1-10、 作者年龄 1-10、作者性别1-10 }数据训练，对图书类 { 图书大类 1-10、 图书小类1-10 、图书适宜学历层1-10 }数据训练，对读者类 { 读者年龄1-10 、读者性别1-10 、读者职业1-10 }数据训练获得的训练特征是：
作者类 { 作者姓名卷积特征、 是否是知名作者卷积特征、 作者年龄 卷积特征、作者性别卷积特征 }；
图书类 { 图书大类 卷积特征、 图书小类卷积特征 、图书适宜学历层卷积特征 }；
读者类 { 读者年龄卷积特征 、读者性别卷积特征 、读者职业卷积特征 }。
选择不同的选择因素集合构建一个异构选择因素集合且使得每一个异构选择因素集合中的数据都包含不同的选择因素，则是，将上述的训练特征异构为组合特征：
A读者年龄卷积特征 { 作者姓名卷积特征、 是否是知名作者卷积特征、 作者年龄 卷积特征、作者性别卷积特征 、图书大类 卷积特征、 图书小类卷积特征 、图书适宜学历层卷积特征 }；
B读者性别卷积特征 { 作者姓名卷积特征、 是否是知名作者卷积特征、 作者年龄 卷积特征、作者性别卷积特征 、图书大类 卷积特征、 图书小类卷积特征 、图书适宜学历层卷积特征 }；
C读者职业卷积特征 { 作者姓名卷积特征、 是否是知名作者卷积特征、 作者年龄 卷积特征、作者性别卷积特征 、图书大类 卷积特征、 图书小类卷积特征 、图书适宜学历层卷积特征 }。
显然，异构组合的方式是多种的。然后进行训练获得次级的训练卷积神经网络，譬如可以选取A 中的读者年龄卷积特征作为卷积核对{ 作者姓名卷积特征、 是否是知名作者卷积特征、 作者年龄 卷积特征、作者性别卷积特征 、图书大类 卷积特征、 图书小类卷积特征 、图书适宜学历层卷积特征 }的数据进行卷积等操作，可以选取B 中的读者性别卷积特征作为卷积核对{ 作者姓名卷积特征、 是否是知名作者卷积特征、 作者年龄 卷积特征、作者性别卷积特征 、图书大类 卷积特征、 图书小类卷积特征 、图书适宜学历层卷积特征 }的数据进行卷积等操作，可以选取C 中的读者职业卷积特征作为卷积核对{ 作者姓名卷积特征、 是否是知名作者卷积特征、 作者年龄 卷积特征、作者性别卷积特征 、图书大类 卷积特征、 图书小类卷积特征 、图书适宜学历层卷积特征 }的数据进行卷积等操作。
当然，上述的数据处理仅是一种示例，该示例仅仅表现数据处理的逻辑思想，具体实施中多个类别选择因素中的各选择因素分别进行选择因素划分具体是将选择因素划分为矩阵形式的向量数据而不是上述示例的数组形式。譬如需要研究“年龄是26岁的计算机专业男性读者喜欢阅读的图书有什么特点 ”采集年龄是26岁的计算机专业男性读者阅读过的图书信息数据并整理如下：
因素类1 {决定因素1、 决定因素2、 决定因素m }；
因素类2 { 决定因素1、 决定因素2、 决定因素m }；
因素类n { 决定因素1、 决定因素2、 决定因素m }；
其中，m或n均为自然数。
在将选择因素划分为矩阵形式的向量数据：
；
上述的向量数据除了都指向对应因素类外，还都指向“ 年龄是26岁的计算机专业男性读者 ”的特点。数据训练获得的训练特征是：
或者
；
选择不同的选择因素集合构建一个异构选择因素集合且使得每一个异构选择因素集合中的数据都包含不同的选择因素则是，将上述的训练特征异构为组合特征则：
；
再进行卷积的结果：
；
当然上述的卷积操作还配套有池化和函数激活，如，激活函数可选择 Sigmoid 非线性激活函数。

Claims (10)

1.一种基于移动物联网的图书自动化管理系统，其特征在于，包括管理单元、录入单元以及带有标识装置的图书，管理单元包括相互连接的固定管理功能块、动态管理功能块以及存储器；所述的录入单元通过网络接入管理单元并与其进行数据交互；固定管理功能块、动态管理功能块、存储器通过管理单元内部路径相互进行数据交互，其中：录入单元包括图书标记识别功能块；录入单元用于通过图书标记识别功能块将图书初始化信息写入至图书上的标识装置中给每个图书分配唯一的图书专属编码，并同时读取该图书标识装置的图书专属编码连同向该图书标识装置所写入的图书初始化信息一同写入至存储器，并使得存储器中图书标识装置的图书专属编码与向该图书标识装置所写入的图书初始化信息一致；固定管理功能块用于通过图书标记识别功能块读取图书上标识装置的图书专属编码，依据该图书专属编码从存储器中查询与之相对应的图书信息，依据该图书信息完成图书出入图书馆的各类操作，并将出入图书馆过程中的各类操作信息写入至存储器中添加至与该图书专属编码相对应的图书信息中；动态管理功能块用于通过图书标记识别功能块读取图书上标识装置的图书专属编码，依据该图书专属编码从存储器中查询与之相对应的图书信息，依据该图书信息完成运输或读者借阅过程中的各类操作，并将运输或读者借阅过程中的各类操作信息写入至存储器中添加至与该图书专属编码相对应的图书信息中。
2.根据权利要求1所述的基于移动物联网的图书自动化管理系统，其特征在于，还包括图书整理单元，图书整理单元用于图书管理员清点图书并上传实时信息，图书整理单元包括若干图书识别功能块以及图书识别功能块上的图书识别录入功能块，图书整理单元设于管理单元并通过网络与图书识别功能块进行交互，图书识别功能块用于读取图书上的标识装置的图书专属编码，依据该图书专属编码从存储器中查询与之相对应的图书信息，并将图书识别录入功能块写入的修改信息添加至与该图书专属编码相对应的图书信息中。
3.根据权利要求2所述的基于移动物联网的图书自动化管理系统，其特征在于，还包括后台管理单元，后台管理单元用于利用图书上标识装置的图书专属编码从存储器中获取与之相对应的录入图书初始化信息、运输操作记录，以判定图书的管理状态。
4.根据权利要求3所述的基于移动物联网的图书自动化管理系统，其特征在于，上述的图书初始化信息包括图书的录入时间信息、来源、名称、分类信息、价格信息、出版社信息、页码信息、新旧信息、管理负责人；图书信息包括图书的专属编码信息、名称信息、最新状态时间、分类信息、借阅状态信息、管理负责人、借阅人信息、历史借阅信息。
5.根据权利要求1所述的基于移动物联网的图书自动化管理系统，其特征在于，所述的网络为互联网，录入单元以及后台管理单元均通过有线或无线的形式接入互联网，并通过互联网与管理单元进行数据交互。
6.根据权利要求1-5任一所述的基于移动物联网的图书自动化管理系统，其特征在于，还包括图书分析单元，用于分析读者借阅图书的类型以优化图书配置；图书分析单元包括相互连接的记录功能块、学习功能块和优化功能块。
7.根据权利要求2所述的基于移动物联网的图书自动化管理系统，其特征在于，上述的图书标记识别功能块结构上包括桌面式RFID读写器、手持式RFID读写器或固定式RFID读写器。
8.根据权利要求7所述的基于移动物联网的图书自动化管理系统，其特征在于，上述带有标识装置的图书，其中的标识装置为射频电子标签，标识装置结构包括上下两个固定板，两个固定板两侧设置两个固定孔，上下两个固定板中部依次设置天线和芯片，天线和芯片通过铜丝连接并且铜丝外周设置弹簧。
9.利用权利要求6或1所述系统的图书自动化管理方法，其特征在于，包括步骤:通过分析单元的记录功能块获取图书馆借阅数据，通过学习功能块进行卷积神经网络的训练学习然后通过优化功能块生产图书上架优化报告；其中，卷积神经网络的训练学习包括：
步骤S1、对多个类别选择因素中的各选择因素分别进行选择因素划分以得到不同的选择因素集合；
步骤S2、分别对不同的选择因素集合进行训练获得初始的训练卷积神经网络；
步骤S3、基于初级的训练卷积神经网络对相同的类别选择因素中其他数据进行分类以训练卷积神经网络；
步骤S4、更换具体的数据后重复步骤S2-S3或者迭代步骤S2-S3；
步骤S5、选择不同的选择因素集合构建一个异构选择因素集合且使得每一个异构选择因素集合中的数据都包含不同的选择因素，然后进行训练获得次级的训练卷积神经网络；
步骤S6、更换具体的数据后重复步骤S5或者迭代步骤S5。
10.根据权利要求9所述的图书自动化管理方法，其特征在于，上述的步骤S1对多个类别选择因素中的各选择因素分别进行选择因素划分具体是将选择因素划分为矩阵形式的向量数据；上述的步骤S2-S4中卷积神经网络训练均包括若干卷积和池化，上述的池化采取最大池化方式；上述的步骤S5-S6中卷积神经网络训练包括若干卷积、池化和函数激活，上述的池化采取最大池化方式。
CN201811556459.4A 2018-12-19 2018-12-19 基于移动物联网的图书自动化管理系统及其管理方法 Withdrawn CN109636211A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811556459.4A CN109636211A (zh) 2018-12-19 2018-12-19 基于移动物联网的图书自动化管理系统及其管理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811556459.4A CN109636211A (zh) 2018-12-19 2018-12-19 基于移动物联网的图书自动化管理系统及其管理方法

Publications (1)

Publication Number Publication Date
CN109636211A true CN109636211A (zh) 2019-04-16

Family

ID=66075426

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811556459.4A Withdrawn CN109636211A (zh) 2018-12-19 2018-12-19 基于移动物联网的图书自动化管理系统及其管理方法

Country Status (1)

Country Link
CN (1) CN109636211A (zh)

Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002211717A (ja) * 2001-10-10 2002-07-31 Toppan Printing Co Ltd 図書館システム
JP2003085329A (ja) * 2001-09-07 2003-03-20 Dainippon Printing Co Ltd 非接触ｉｃタグを利用した図書管理システム
JP2004348585A (ja) * 2003-05-23 2004-12-09 Nippon Signal Co Ltd:The 図書管理システム
US20120190386A1 (en) * 2008-02-05 2012-07-26 Victor Thomas Anderson Wireless location establishing device
CN103177515A (zh) * 2011-12-20 2013-06-26 陕西银星科技有限公司 一种应用rfid的图书借阅管理系统
CN104835268A (zh) * 2015-04-07 2015-08-12 济南大学 一种智能图书馆管理系统及方法
CN106157468A (zh) * 2016-07-07 2016-11-23 淄博职业学院 一种图书馆使用的图书摆放检测系统
CN106202184A (zh) * 2016-06-27 2016-12-07 华中科技大学 一种面向高校图书馆的图书个性化推荐方法和系统
CN106503897A (zh) * 2016-10-29 2017-03-15 合肥桐科电子科技有限公司 一种图书馆图书借阅管理系统
CN106503903A (zh) * 2016-10-29 2017-03-15 合肥桐科电子科技有限公司 一种图书馆图书信息管理系统
WO2017124262A1 (zh) * 2016-01-18 2017-07-27 杨瑛 通过刷取身份证信息推荐书籍的方法以及图书推荐系统
WO2017150772A1 (ko) * 2016-02-29 2017-09-08 권형달 부동산 정보 제공 및 공유 장치
CN107274740A (zh) * 2017-06-05 2017-10-20 安徽福讯信息技术有限公司 一种rfid图书馆管理实训系统
CN108304895A (zh) * 2017-06-01 2018-07-20 贾阳新 一种幼儿园图书馆阅读管理信息系统
CN108694471A (zh) * 2018-06-11 2018-10-23 深圳市唯特视科技有限公司 一种基于个性化注意力网络的用户偏好预测方法
JP2018181326A (ja) * 2017-04-06 2018-11-15 ネイバー コーポレーションＮＡＶＥＲ Ｃｏｒｐｏｒａｔｉｏｎ ディープラーニングを活用した個人化商品推薦

Patent Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003085329A (ja) * 2001-09-07 2003-03-20 Dainippon Printing Co Ltd 非接触ｉｃタグを利用した図書管理システム
JP2002211717A (ja) * 2001-10-10 2002-07-31 Toppan Printing Co Ltd 図書館システム
JP2004348585A (ja) * 2003-05-23 2004-12-09 Nippon Signal Co Ltd:The 図書管理システム
US20120190386A1 (en) * 2008-02-05 2012-07-26 Victor Thomas Anderson Wireless location establishing device
CN103177515A (zh) * 2011-12-20 2013-06-26 陕西银星科技有限公司 一种应用rfid的图书借阅管理系统
CN104835268A (zh) * 2015-04-07 2015-08-12 济南大学 一种智能图书馆管理系统及方法
WO2017124262A1 (zh) * 2016-01-18 2017-07-27 杨瑛 通过刷取身份证信息推荐书籍的方法以及图书推荐系统
WO2017150772A1 (ko) * 2016-02-29 2017-09-08 권형달 부동산 정보 제공 및 공유 장치
CN106202184A (zh) * 2016-06-27 2016-12-07 华中科技大学 一种面向高校图书馆的图书个性化推荐方法和系统
CN106157468A (zh) * 2016-07-07 2016-11-23 淄博职业学院 一种图书馆使用的图书摆放检测系统
CN106503897A (zh) * 2016-10-29 2017-03-15 合肥桐科电子科技有限公司 一种图书馆图书借阅管理系统
CN106503903A (zh) * 2016-10-29 2017-03-15 合肥桐科电子科技有限公司 一种图书馆图书信息管理系统
JP2018181326A (ja) * 2017-04-06 2018-11-15 ネイバー コーポレーションＮＡＶＥＲ Ｃｏｒｐｏｒａｔｉｏｎ ディープラーニングを活用した個人化商品推薦
CN108304895A (zh) * 2017-06-01 2018-07-20 贾阳新 一种幼儿园图书馆阅读管理信息系统
CN107274740A (zh) * 2017-06-05 2017-10-20 安徽福讯信息技术有限公司 一种rfid图书馆管理实训系统
CN108694471A (zh) * 2018-06-11 2018-10-23 深圳市唯特视科技有限公司 一种基于个性化注意力网络的用户偏好预测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
严凡: "基于图书语义信息的推荐方法研究", 《图书馆学研究》 *

Similar Documents

Publication Publication Date Title
CN109447728A (zh) 金融产品推荐方法、装置、计算机设备及存储介质
CN109544190A (zh) 一种欺诈识别模型训练方法、欺诈识别方法及装置
CN107977665A (zh) 一种发票中关键信息的识别方法及计算设备
CN103617429A (zh) 一种主动学习分类方法和系统
CN111222916B (zh) 投放区域确定方法、装置、模型训练方法及存储介质
CN103246672A (zh) 对用户进行个性化推荐的方法和装置
CN109859004A (zh) 一种基于历史数据的商品推荐方法及系统
CN108090498A (zh) 一种基于深度学习的纤维识别方法及装置
Parvin et al. A comparative study of different types of convolutional neural networks for breast cancer histopathological image classification
CN110276382A (zh) 基于谱聚类的人群分类方法、装置及介质
CN106651973A (zh) 图像结构化方法及装置
CN109102140A (zh) 一种基人工智能和大数据技术的企业成长性评价方法
CN108875693A (zh) 一种图像处理方法、装置、电子设备及其存储介质
CN107391532A (zh) 数据过滤的方法和装置
CN105740808A (zh) 人脸识别方法和装置
CN115359353A (zh) 一种花卉识别分类方法及装置
CN106980667A (zh) 一种给文章标注标签的方法和装置
Bonaccorso Hands-On Unsupervised Learning with Python: Implement machine learning and deep learning models using Scikit-Learn, TensorFlow, and more
CN112712383A (zh) 应用程序的潜在用户预测方法、装置、设备及存储介质
Cao et al. Bond rating using support vector machine
Patel et al. An application of ensemble random forest classifier for detecting financial statement manipulation of Indian listed companies
Wang et al. Collaborative linear coding for robust image classification
Anwer et al. Compact deep color features for remote sensing scene classification
CN112507095A (zh) 基于弱监督学习的信息识别方法及相关设备
Long et al. Image classification based on improved VLAD

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WW01 Invention patent application withdrawn after publication

Application publication date: 20190416

WW01 Invention patent application withdrawn after publication