XiaoMi-AI文件搜索系统
World File Search System聚类分析
使用机器学习聚类分析对射血分数保留的心力衰竭进行表型映射：预后和治疗意义
Elena Galli、Corentin Bourg、Wojciech Kosmala、Emmanuel Oger、Erwan Donal。使用机器学习聚类分析对射血分数保留的心力衰竭进行表型映射：预后和治疗意义。心力衰竭诊所，2021 年，17 (3)，第 499-518 页。�10.1016/j.hfc.2021.02.010�。�hal-03246464�
流行病学研究，相关因素的确定以及2022年中国野生型假拟南芥病毒血清的时空聚类分析
伪酸病毒（PRV）属于疱疹病毒亚家族A，其中还包括水痘病毒。PRV是伪造（PR）的病因，通常被称为Aujeszky氏病（1）。PRV具有感染各种动物物种的能力，但只有猪作为该病毒的储液宿主（2-7）。PRV感染后，猪会根据感染时的年龄表现出不同的临床症状。新生小猪主要表现出神经系统症状并具有较高的死亡率，而感染的成年母猪表现出生殖和呼吸系统疾病（8-10）。自2011年以来，在整个中国的多个猪农场都有PRV的复兴。这次爆发的主要特征是堕胎，死产和仔猪死亡率增加（11）。这种复兴可以归因于PRV变体的出现，例如HN1201，TJ菌株和SDYC-2014（12-14）。多项研究表明，Bartha-K61缺失应变疫苗在提供对这些变体的全面保护方面是不可能的（13，15）。尽管通过许多国家通过疫苗接种成功控制或消除了伪造（PR），但中国猪中的流行仍然普遍（16）。尽管PR Bartha-K61缺乏疫苗进行了免疫，但仍发生了许多PRV爆发（13、17-21）。在2018年，中国发生了非洲猪的发烧，这对该国的猪农业产生了重大影响。Zhao等。 这可以归因于增强的生物安全管理实践。Zhao等。这可以归因于增强的生物安全管理实践。这导致了牛群分布，农场生物安全水平以及猪农业行业中的牛群循环策略的显着变化。发现，与爆发前采样的猪爆发后，ASF爆发后进行采样的PRV感染可能性较低（22）。结果，PR的患病率已经受到影响（23，24）。有关于2021年之前中国PRV血清流行的报告，以及相关因素和时空分析，没有2022年的相关数据。因此，在这项研究中，2022年在中国收集了超过160,000种血清样品，其目的是分析伪标记的当前患病率并探索时空模式。此外，对PRV感染进行时空分析可以帮助识别具有较高PRV患病率的簇并了解PRV感染变异的趋势。此信息可以帮助决策者设计中国未来PRV控制的更精确和成本效率的干预政策。
计算机模拟药物再利用，靶向 SARS-CoV-2 Mpro
图 1 (a) C α 均方根偏差图，(b) 最后 100 纳秒的平均 RMSD 值。接下来，对最后 100 纳秒轨迹进行聚类分析（图 2），并得出代表性
使用多种分解方法和聚类分析来查找和分类运动想象脑机接口实验中的典型脑电图活动模式
本研究调查了运动想象脑机接口 (BCI) 控制实验中的脑电活动来源。根据不同的标准比较了 16 种脑电源分离的线性分解方法。标准是源活动之间的互信息减少和生理合理性。后者通过估计源地形图的偶极性（即通过单个电流偶极子的电位分布近似地图的准确性）以及不同运动想象任务的源活动特异性来测试。还根据发现的共享组件数量比较了分解方法。结果表明，大多数偶极分量是由独立分量分析方法 AMICA 和 PWCICA 发现的，它们也提供了最高的信息减少。这两种方法还发现了所使用的盲源分离算法中最具任务特异性的脑电模式。在模式特异性方面，它们仅次于非盲共同空间模式方法。使用活动性增加的吸引子神经网络对所有方法发现的成分进行聚类。聚类分析的结果揭示了实验中最常见的电活动模式。这些模式反映了眨眼、眼球运动、运动想象过程中的感觉运动节律抑制以及两个半球楔前叶、辅助运动区和运动前区的激活。总体而言，多方法分解以及随后的聚类和任务特异性估计是一种可行且信息丰富的程序，可用于处理电生理实验的记录。
通过集成人工智能技术推进车辆乘员约束系统设计
摘要 为了改进汽车乘员约束系统的设计方法，需要减少仿真的计算量，提高全局搜索能力，研究和整合分析方法来理解设计变量和目标函数之间复杂的相互作用。因此，在本研究中，我们整合了以下三种人工智能技术并将其应用于汽车乘员约束系统的设计：（1）通过机器学习构建高精度近似模型，（2）通过进化多目标优化提高全局搜索能力，（3）利用多元分析方法对多维信息进行可视化和知识获取。首先，我们使用带有试验设计的碰撞分析模型来获得最少的实际计算样本数，然后利用这些样本利用机器学习构建高精度近似模型。接着利用近似模型通过进化多目标优化在设计空间中进行全局搜索，得到考虑目标函数之间权衡关系的Pareto解集。最后利用聚类分析和自组织映射对Pareto解集进行多元分析。最终用高精度近似模型替代进化多目标优化的评估计算，实现了快速全局搜索。关键词：聚类分析、进化计算、机器学习、多目标优化、自组织映射、车辆乘员约束系统。然后利用聚类分析将其中获得的帕累托解集划分为各个聚类，再利用自组织映射对划分后的聚类进行分析，从而提供有关控制目标函数之间权衡以及设计变量之间相互作用的因素的感知信息，有助于设计工程师的洞察。
粪便指标的多样性在不同宿主之间肠球菌：对水污染源跟踪的重要性
摘要：肠球菌spp。是动物肠道中存在的常见细菌，并用作水生环境中的粪便指标。另一方面，肠球菌也称为机会性病原体。阐明其在家畜的肠道中的组成可以帮助估计水生环境中粪便污染的来源。然而，仍然缺乏有关动物宿主中肠球菌物种和组成的信息（人类除外）。在这项研究中，使用选择性培养基从牛，猪，鸟类和人类的粪便中分离出肠球菌。使用质谱技术鉴定肠球菌物种，每个宿主的特征都以多样性和聚类分析为特征。最主要的物种是牛中的海埃拉，鸟类中的粪肠球菌和猪和人类的粪肠球菌。牛的α多样性最高，个体间和牲畜的多样性高。猪和人类中的主要肠球菌物种是相同的，聚类分析表明，两个宿主物种中的大多数聚集在一起。
第41卷（第12期）2020年第20页数字经济及其对国家和地区竞争力的影响
本文从技术、工业、流程和社会角度对数字经济进行了定义。SWOT 分析揭示了数字经济的优势、劣势、机遇和威胁。本文对国家竞争力的概念进行了作者的解读。通过基于特别选择的指标的数字分析，推断出瑞士、俄罗斯和阿塞拜疆的数字基础设施信息。确定了出口电信、计算机和信息 (TCI) 服务排名前 30 的国家的竞争地位。聚类分析基于 TCI 服务在该国和全球服务出口中的份额数据。确定了竞争出口国（即领导者、潜在领导者和不感兴趣的参与者）的策略。本文为寻求加强竞争地位和提高数字竞争力的国家提供了建议。结果特别表明，各国可以通过多种行动提高数字竞争力，例如投资数字产业、提高人口的数字素养、发展数字文化以及改善电子商务和网络安全的法律基础。关键词：新经济；数字技术；数字竞争力；竞争优势；计算机和信息服务；服务出口；聚类分析。
Consensify：一种从古基因组数据集生成伪单倍体基因组序列并降低错误率的方法
摘要：古基因组分析的标准做法是将映射的短读数据转换为伪单倍体序列，通常是从映射读堆栈中随机选择一个高质量的核苷酸。这可以控制由于差异测序覆盖率而导致的偏差，但不能控制差异率和测序错误类型，这些错误在从古代样本获得的数据集中通常很大且多变。这些错误可能会扭曲系统发育和种群聚类分析，并误导使用 D 统计量的混合测试。我们介绍了一种生成伪单倍体序列的方法 Consensify，它可以控制由差异测序覆盖率导致的偏差，同时大大降低错误率。错误校正直接来自数据本身，无需额外的基因组资源或简化假设（例如同时采样）。对于系统发育和种群聚类分析，我们发现与基于单读采样的方法相比，Consensify 受人工制品的影响较小。对于 D 统计量，Consensify 对假阳性的抵抗力更强，并且与其他常用方法相比，不同实验室协议导致的偏差似乎影响较小。尽管 Consensify 是针对古基因组数据开发的，但它适用于任何低到中等覆盖率的短读数据集。我们预测，Consensify 将成为未来古基因组研究的有用工具。
欧盟国家数字技术使用与农业生产力关系的横断面分析
摘要：随着数字技术的快速发展及其对农业生产力的潜在影响，农民越来越多地转向农业 4.0。随着数字化渗透到农业的各个方面，在确保可持续性和复原力的同时提高生产力的潜力变得越来越明显。本研究的目的是了解数字技术的采用如何影响欧盟国家多样化社会经济和农业景观中的农业生产力。本研究旨在解决有关数字技术使用对欧盟国家农业生产力的影响的问题。本研究采用了一个强大的分析框架，结合了方程模型 (SEM)、人工神经网络和聚类分析。SEM 分析揭示了欧盟国家数字技术的使用与总劳动力相关的生产力之间存在显著的关联和影响。此外，聚类分析概述了欧盟成员国的不同集群，这些集群以不同程度的数字技术融合和相应的农业生产力为特征，强调了影响这些关联的不同社会经济背景。这些发现强调了采用数字技术作为提高欧盟国家农业生产力的催化剂的重要性。未来的研究可以集中在制定战略以促进欧盟成员国农业广泛采用数字技术，纵向分析可以深入了解数字技术的使用与农业产量之间的动态关系，为政策干预提供信息。