13、档案管理:从接收、评估到整理描述的全流程指南

档案管理:从接收、评估到整理描述的全流程指南

1. 档案获取与权限

在档案管理中,当无法找到档案的权利所有者时,仍有可能出于保存和访问的目的使用档案,但需要记录相关的调查工作,必要时还可寻求专家建议。同时,知识产权法虽然限制了权利的期限,但也承认了公众在长期内获取文化遗产的权利。不过,某些档案所附带的知识产权限制,可能会使获取这些档案变得不那么可取。

2. 档案接收

2.1 接收定义

档案接收是指将一组来自单一创建者的记录同时纳入档案库的过程。这是档案进入存储库的初始登记环节,能提供关于该来源记录总体的关键细节,对于档案的全局管理至关重要,尤其是当记录来自外部来源时。

2.2 接收登记

传统上,档案管理员会使用正式的装订本记录传入的档案,如今则更多采用数字形式的接收登记册,一些档案管理软件还设有专门的接收模块。接收登记册包含了存储库中所有记录的信息,是控制档案内容的第一步,能为后续更详细的编目工作提供依据,并提供所有馆藏的基本清单。以下是接收数据的示例表格:
| 数据 | 示例条目 | 注释 |
| — | — | — |
| 唯一接收编号 | 2015/002 | 通常使用当前年份和连续编号 |
| 获取/录入日期 | 2015年1月15日 | 有时记录在录入登记册之前就已获取 |
| 标题 | 萨默斯镇社区剧院记录 | 方便识别材料的名称 |
| 材料数量 | 10个记录盒 | 确保识别接收的所有部分 |
| 存放者或供应商详情 | 詹姆斯·史密斯,剧院经理,萨默斯镇社区剧院,伦敦N1查尔顿街15号 | 可能是同事、个人、代表创建组织工

【电能质量扰动】基于ML和DWT的电能质量扰动分类方法研究(Matlab实现)内容概要:本文研究了一种基于机器学习(ML)和离散小波变换(DWT)的电能质量扰动分类方法,并提供了Matlab实现方案。首先利用DWT对电能质量信号进行多尺度分解,提取信号的时频域特征,有效捕捉电压暂降、暂升、中断、谐波、闪变等常见扰动的关键信息;随后结合机器学习分类器(如SVM、BP神经网络等)对提取的特征进行训练与分类,实现对不同类型扰动的自动识别与准确区分。该方法充分发挥DWT在信号去噪与特征提取方面的优势,结合ML强大的模式识别能力,提升了分类精度与鲁棒性,具有较强的实用价值。; 适合人群:电气工程、自动化、电力系统及其自动化等相关专业的研究生、科研人员及从事电能质量监测与分析的工程技术人员;具备一定的信号处理基础和Matlab编程能力者更佳。; 使用场景及目标:①应用于智能电网中的电能质量在线监测系统,实现扰动类型的自动识别;②作为高校或科研机构在信号处理、模式识别、电力系统分析等课程的教学案例或科研实验平台;③目标是提高电能质量扰动分类的准确性与效率,为后续的电能治理与设备保护提供决策依据。; 阅读建议:建议读者结合Matlab代码深入理解DWT的实现过程与特征提取步骤,重点关注小波基选择、分解层数设定及特征向量构造对分类性能的影响,并尝试对比不同机器学习模型的分类效果,以全面掌握该方法的核心技术要点。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值