XiaoMi-AI文件搜索系统
World File Search System所提
一种基于通用数据包络分析的模糊环境下氢能 MCDM 问题的新方法
摘要：氢能相关的多准则决策（MCDM）问题通常涉及评价准则权重的考虑、专家提供的评价信息模糊以及评价信息缺失或不完整。传统的MCDM计算方法无法有效地同时处理评价信息。为了有效解决这一问题，本研究提出了一种基于通用数据包络分析（DEA）的模糊环境下氢能MCDM问题新方法。所提出的基于DEA的通用方法集成了典型DEA方法、层次分析法（AHP）方法、犹豫模糊语言词集（HFLTS）和软集来处理模糊环境下的MCDM问题。在数值验证方面，本研究以氢能关键技术排序为案例，作为碳减排的重要发展参考，进一步验证了所提方法的正确性和合理性。计算结果并与典型DEA方法、典型AHP/DEA方法和模糊AHP/DEA方法进行了比较。数值验证结果表明，与列举不同的计算方法相比，所提方法能够有效地处理模糊环境下的MCDM问题。
基于时频域特征提取的脑电信号视障人士压力检测
压力是指身体对任何环境变化做出的生理、情绪和心理反应，需要进行调整，对人类心理产生重大影响。视障人士 (VIP) 的压力尤其难以控制，因为他们在未知情况下很容易感到压力。脑电图 (EEG) 信号可用于检测压力，因为它基本上代表了人类大脑中持续的电信号变化。文献表明，压力检测技术大多基于时域或频域分析。然而，使用时域或频域分析可能不足以提供适当的压力检测结果。因此，本文提出了一种使用经验模态分解 (EMD) 和短期傅里叶变换 (STFT) 从 EEG 信号中提取考虑时空信息的特征的方法。在 EMD 中，信号首先被分解为表示有限数量信号同时保持时域的固有模态函数 (IMF)，然后使用 STFT 将时域转换为时频域。采用支持向量机 (SVM) 对陌生室内环境中 VIP 的压力进行分类。将所提方法的性能与最先进的压力检测技术进行了比较。实验结果证明了所提技术优于现有技术
基于多图融合的脑功能连接分析
本文提出了一种功能连接网络 (FCN) 分析框架，用于对静息态功能磁共振成像 (rs-fMRI) 数据进行脑部疾病诊断，旨在减少噪声、受试者间差异和受试者间异质性的影响。为此，我们提出的框架研究了一种多图融合方法来探索两个 FCN，即全连接 FCN 和 1 最近邻 (1NN) FCN 之间的共同信息和互补信息，而之前的方法仅侧重于从单个 FCN 进行 FCN 分析。具体而言，我们的框架首先进行图融合以生成具有高判别能力的 rs-fMRI 数据表示，然后使用 L1SVM 联合进行脑部区域选择和疾病诊断。我们进一步评估了所提框架在各种神经疾病数据集上的有效性，例如额颞叶痴呆症 (FTD)、强迫症 (OCD) 和阿尔茨海默病 (AD)。实验结果表明，与最先进的 FCN 分析方法相比，所提框架通过为分类任务选择合理的大脑区域实现了最佳诊断性能。
并网微电网电池储能多目标优化运行规划
摘要 — 本文研究了由光伏 (PV) 系统和电池储能系统 (BESS) 组成的并网微电网 (GCMG) 在外部电源中断期间的预期业务连续性的评估。对于评估指标，采用关键负载的自供电持续时间和不间断自供电的成功率，并研究其与光伏容量和 BESS 初始电量的关系。此外，本文提出了一种新的 GCMG 中 BESS 的多目标优化运行规划方法。在微电网中同时考虑了存在权衡关系的运行成本和弹性。以从电网购买电力的成本作为运行成本指标，以切换到独立运行状态时微电网内停电持续时间作为弹性指标，制定多目标优化问题以确定 BESS 运行规划。对于优化方法，采用多目标粒子群优化 (MOPSO)。为了验证所提方法的有效性，进行了数值模拟，结果表明，所提方法获得的帕累托解有助于微电网运营商确定 BESS 运行计划，考虑运行成本和弹性之间的最佳平衡，满足其需求。
通过解缠表示学习和区域感知对比学习进行多模态脑肿瘤分割
脑肿瘤威胁着全世界人民的生命和健康。在医学图像分析中，使用多张 MRI 图像进行自动脑肿瘤分割是一项挑战。众所周知，准确的分割依赖于有效的特征学习。现有的方法通过明确学习共享的特征表示来解决多模态 MRI 脑肿瘤分割问题。然而，这些方法无法捕捉 MRI 模态之间的关系以及不同目标肿瘤区域之间的特征相关性。在本文中，我提出了一种通过解缠结表示学习和区域感知对比学习的多模态脑肿瘤分割网络。具体而言，首先设计一个特征融合模块来学习有价值的多模态特征表示。随后，提出一种新颖的解缠结表示学习，将融合的特征表示解耦为与目标肿瘤区域相对应的多个因子。此外，还提出了对比学习来帮助网络提取与肿瘤区域相关的特征表示。最后，使用分割解码器获得分割结果。在公开数据集 BraTS 2018 和 BraTS 2019 上进行的定量和定性实验证明了所提策略的重要性，并且所提方法可以实现比其他最先进的方法更好的性能。此外，所提出的策略可以扩展到其他深度神经网络。
自动快速且强大的技术来细化提取...
4. 吕勒奥理工大学土木环境与自然资源工程系，瑞典吕勒奥 97187 摘要：尺度不变特征变换 (SIFT) 自动提取控制点 (CP) 的能力在遥感图像中非常著名，然而，其结果不准确，有时由于生成少量错误 CP 对而导致匹配不正确，其匹配具有很高的误报。本文介绍了一种包含修改的方法，通过以不同方式应用绝对差和 (SAD) 来提高 SIFT CP 匹配的性能，适用于新一代光学卫星（称为近赤道轨道卫星 (NEqO)）和多传感器图像。所提出的方法可以提高 CP 匹配率，并显著提高正确匹配率。本研究中的数据来自覆盖吉隆坡-北干地区的 RazakSAT 卫星。该方法包括三部分：（1）应用 SIFT 自动提取地面控制点；（2）使用经验阈值的 SAD 算法细化地面控制点匹配；（3）通过将原始 SIFT 结果与所提方法的结果进行比较来评估细化后的地面控制点场景。结果表明该模型具有准确和精确的性能，证明了所提方法的有效性和鲁棒性。关键词：地面控制点自动提取、绝对差和、近赤道卫星、多传感器、改进的 SIFT。1.
基于多核学习的运动想象 BCI 文盲分布自适应和分类框架
摘要：脑机接口（BCI）将用户的运动想象（MI）等想法转化为对外部设备的控制。然而，一部分人无法有效控制BCI，他们被定义为BCI文盲。BCI文盲受试者的主要特点是分类率低和可重复性差。针对MI-BCI文盲问题，提出一种基于多核学习的分布自适应方法，使源域和目标域之间的特征分布更加接近，同时最大化类别可分性。受到核技巧的启发，采用基于多核的极限学习机对带标签的源域数据进行训练，以找到一个最大化数据可分性的新的高维子空间，然后使用基于多核的最大均值差异进行分布自适应，以消除新子空间中域间特征分布的差异。针对MI-BCI文盲的特征维数较高，本文采用能够有效处理高维特征且不需要额外交叉验证的随机森林作为分类器，并在公开数据集上对所提方法进行了验证。实验结果表明，所提方法适用于MI-BCI文盲，并能降低域间差异，从而降低跨受试者和跨会话的性能下降。
考虑动态分时电价的主动配电网多边实体分布式协同运行优化方法
摘要：有源配电网中越来越多地融入微电网、储能系统等新兴实体，而微电网具有自主运行、隐私保护等特点，共享储能等设备的快速发展给传统调度带来很强的不确定性，配电网的可观可控性下降，传统监管方式不再适用。针对以上挑战，提出一种多方参与分布式协同运行优化方法，以动态分时电价为导向，实现多方参与方的协同运行。首先，建立考虑动态分时电价的协同运行架构，利用共享储能剩余容量进行套利，低电价时储电，高电价时发电。然后，建立微网联盟、共享储能和有源配电网的优化运行模型，通过三方参与方的循环迭代，制定配电网最终的运行方案和动态分时电价。最后通过算例分析了所提方法对各参与方的优化效果，发现所提方法能够有效兼顾整体利益和各参与方利益，促进可再生能源的消纳；此外，在分布式协同运行过程中发现了振荡现象，并给出了消除振荡现象的策略。
基于深度学习的二维椭圆框区域脑肿瘤分割可行性研究
摘要：在大多数基于深度学习的脑肿瘤分割方法中，训练深度网络需要带注释的肿瘤区域。然而，准确的肿瘤注释对医务人员提出了很高的要求。本研究的目的是利用肿瘤周围的椭圆框区域训练深度分割网络。在所提出的方法中，深度网络通过使用大量未注释的肿瘤图像（其中肿瘤和背景周围有前景（FG）和背景（BG）椭圆框区域）以及少量带有注释肿瘤的患者（<20）来训练。训练首先在未注释的 MRI 上的两个椭圆框上进行初始训练，然后在少量带注释的 MRI 上进行细化训练。我们使用多流 U-Net 进行实验，它是传统 U-Net 的扩展。这使得能够使用来自多模态（例如 T1、T1ce、T2 和 FLAIR）MRI 的互补信息。为了验证所提方法的可行性，在两个胶质瘤数据集上进行了分割实验与评估，并将在测试集上的分割性能与在相同网络但完全由带注释的MRI图像训练的分割性能进行比较。实验表明，所提方法在测试集上获得了良好的肿瘤分割结果，其中在MICCAI BraTS'17和US数据集上肿瘤区域的dice得分为（0.8407，0.9104），肿瘤区域的分割准确率分别为（83.88%，88.47%）。与使用所有带注释的肿瘤训练的网络的分割结果相比，所提方法在MICCAI和US测试集上的分割性能下降分别为（0.0594，0.0159）和（8.78%，2.61%），但下降幅度相对较小。我们的案例研究表明，使用椭圆框区域代替所有注释的肿瘤来训练网络进行分割是可行的，并且可以被视为一种替代方案，这是在节省医学专家注释肿瘤的时间和分割性能的轻微下降之间的权衡。
