XiaoMi-AI文件搜索系统
World File Search System聚类分析
发现治疗新冠肺炎的新药
在这里，我们设计了一个独特的药物相似性模型来重新利用现有的抗 SARS-CoV-2 药物，使用地塞米松、巴瑞替尼和瑞德西韦的抗 Covid 特性作为参考。参考药物的已知化学-化学相互作用有助于提取具有改进的抗 SARS-CoV-2 特性的相互作用化合物。在这里，我们利用参考药物的相互作用化合物与 SARS-CoV-2 靶基因之间的化学-蛋白质相互作用来计算这些药物化合物治疗 SARS-CoV-2 相关症状的可能性。具体而言，我们采用了两层聚类方法来生成药物相似性模型，以最终选择潜在的抗 SARS-CoV-2 药物分子。第 1 层聚类基于 t 分布随机邻域嵌入 (t-SNE)，旨在过滤和丢弃异常药物。二级分析结合了使用排序点识别聚类结构 (OPTICS) 和层次凝聚聚类 (HAC) 并行执行的两项聚类分析。结果，它识别出具有相似作用的药物簇。此外，我们还进行了对接研究，以对顶级候选药物进行计算机验证。
从生命周期评估的角度比较钙钛矿太阳能电池与其他光伏技术
本文对钙钛矿太阳能电池 (PSC) 的生命周期可持续性进行了回顾，区分了模拟实验室和模拟工业 PSC 的结果，并将该技术与商用光伏 (PV) 技术进行了比较。实验室钙钛矿受到沉积路线不切实际的能耗的严重影响。此外，铅和溶剂毒性等其他热点问题则不那么重要。单结 PSC 的聚类分析使我们能够区分两个聚类，其中一个聚类中，最多的环境影响与其他薄膜 PV 的范围相似。尽管需要在工业规模上取得更多进展，但目前的研究指出，如果使用 1 kWp 作为功能单位，那么在能源回收时间和工业规模的环境影响方面，与商用 PV 相比，这些结果令人鼓舞。此外，PSC 的供应风险低于其他光伏技术。只有可有可无的铯才会带来特定风险。如果能找到阻隔箔和透明导电氧化物涂层塑料，目前的生产成本可能会降低。然而，这种成本在利基市场销售时可能具有竞争力。此外，它们的轻便性、灵活性和易于集成性使它们在社会接受度方面具有非常有利的品质。
引用本文：Yuh-Shan Ho & Ming-Huang Wang (2020) 1991 年至 2018 年人工智能出版物的文献计量分析，COLLNET 科学计量学和信息管理杂志，14:2，369-392，DOI：10.1080/09737766.2021.1918032
本研究旨在分析 1991 年至 2018 年科学引文索引扩展版（SCI-EXPANDED）中人工智能相关出版物的特征。分析的方面包括年度出版物分布、每篇出版物的引用量、期刊、Web of Science 类别、国家、机构以及研究重点及其趋势。共发现 13,251 篇人工智能相关文章。文章发表在各种各样的期刊和 Web of Science 类别中。在 119 个国家中，美国在总数、单一国家、国际合作、第一、通讯和单一作者文章以及每篇出版物的引用量方面处于领先地位。中国的中国科学院、伊朗伊斯兰阿扎德大学和美国的麻省理工学院 (MIT) 是产量最高的三个机构。麻省理工学院的每篇出版物的引用量更高。一篇由加拿大、美国和瑞士作者合作撰写的国际文章，自发表至2018年底，是Web of Science核心收录中被引用次数最多、总引用量最高的一篇文章。词汇聚类分析结果表明，模型、神经网络、学习和预测是最受欢迎的主题和特征，分类和优化可能是人工智能研究的重点。
数学
摘要：任何国家经济的稳定性主要取决于描述当前经济状况的宏观经济指标的总体。本文根据2020年的数据对欧洲的宏观经济状况进行了多维度分析。本文的目的是明确欧洲各国经济的相对位置、它们的接近程度或差异程度，以确定每个国家在整个欧洲经济体系中的位置。研究目标：（1）确定研究所需的宏观经济指标；（2）确定这些指标对欧洲国家经济状况的影响方向；（3）对研究的国家进行集群划分，确定每个集群的主要特征；（4）确定决定欧洲国家福利水平的主要宏观经济指标；（5）利用综合潜在因素降低多维经济空间的维数；（6）建立一个模糊数学模型来预测当潜在因素达到指定值时该国的福利水平。分析的方法基础是处理多维信息的方法，例如多维尺度分析、聚类分析、因子分析、多元回归分析、方差分析、判别分析和模糊建模方法。使用 SPSS 和 FuzzyTech 计算机程序执行多元数据处理。本文获得的结果可用于进行宏观经济改革，以改善各国的经济状况。
“实体经济中企业财务架构的轨迹”
建立有效的公司财务架构对于维持一定的市场地位和确保稳定的盈利能力具有重大影响，其中包括资本结构、所有权结构和公司治理状况等基本要素。本研究旨在确定财务架构的状态、变化轨迹及其对公司市场地位的影响。从销售收入最高的前 200 家公司名单中选出了 22 家乌克兰公司进行研究，这些公司提供了 2007 年至 2017 年期间的完整财务报表。为了确定公司的财务架构状态和相关的市场地位，作者使用了最远邻居法的聚类分析。应用了 Kohonen 自组织映射算法。使用 Harrington 的可取性函数来确定积分指数。所选样本显示几乎所有公司的所有权集中度都很高，只有少数人控制着大量资产，从而证实了乌克兰经济的寡头结构。结果获得了七个集群组，反映了公司的财务结构质量。在整个样本中，只有五家公司拥有高质量的财务结构，即资本结构和所有权结构一致且最佳，并确保公司保持领先的市场地位。
AAV血清型php.eb与
静止状态功能性MRI（RS-FMRI）在休息期间为大脑功能提供了宝贵的见解，但是由于功能连接性的个体差异，临床应用方面面临挑战。通常使用独立的组件分析（ICA），但它努力与主体间信息平衡单个变化。为了解决这一问题，使用来自多个数据集的模板开发了受约束的ICA（CICA）方法，以提高确定性和可比性。在这项研究中，我们从不同数据集中收集了来自100,517个个体的RS-FMRI数据。数据通过标准fMRI管道进行了预处理。我们的方法首先使用可复制的fMRI组件模板作为约束ICA（神经元管道）中的PRIOR，然后是估计的动态功能网络连接（DFNC）。通过聚类分析，我们生成了可复制的DFNC状态，然后将其用作受限制的ICA中的先验，以自动从新主题中估算特定于主题的状态。这种方法为分析单个RS-FMRI的单个RS-FMRI数据提供了一个强大的框架，同时在大型数据集中保持一致性，同时可以在大型数据集中保持一致性，从而在潜在的临床应用程序中提高RS-fmri的潜在应用。
音乐的力量——俄勒冈州新兴商业音乐产业的经济分析
俄勒冈州拥有充满活力的创意氛围，培养了众多在全国范围内知名的艺术家，此外还有大多在当地广为人知的独立艺术家。该州还举办许多年度音乐节和现场表演活动，吸引了大量参与者，同时也是大大小小的音乐企业的所在地，包括录音室、母带工程师、作曲家、调音师、数字流媒体服务、平面设计师和音乐教育家。俄勒冈州商业音乐产业的所有这些组成部分都通过提供娱乐和增加表演场所的利润、分配工资和创造吸引州内外人士的文化来对社区产生经济影响。因此，俄勒冈州商业局和俄勒冈州立法机构将商业音乐产业视为一个重要的新兴产业部门。俄勒冈州的这项首创研究旨在提供一个框架和基准，以了解商业音乐产业的经济意义。为了定义俄勒冈州的商业音乐产业，波特兰州立大学 NERC（西北经济研究中心）研究团队综合了过去的学术研究、区域报告、聚类分析和行业顾问小组的专家指导，开发了商业音乐概念图，以直观的方式展现连接创作者和消费者的行业部门——内容制作、发行和营销以及现场表演。
基于非特征的EEG序列聚类置换分析
基于聚类的置换检验广泛用于神经科学研究中，用于分析高维脑电图 (EEG) 和事件相关电位 (ERP) 数据，因为它可以解决多重比较问题而不会降低统计功效。然而，经典的基于聚类的置换分析依赖于参数 t 检验，如果数据分布不正态，则可能无法验证其假设，因此可能需要考虑其他选择。为了克服这一限制，我们在此介绍了一种基于非参数 Wilcoxon-Mann-Whitney 检验的 EEG 序列聚类置换分析新软件。我们在两个独立的 ERP 和 EEG 频谱数据集中测试了 t 检验和非参数 Wilcoxon 实现：虽然基于 t 检验和基于非参数 Wilcoxon 的聚类分析在 ERP 数据的情况下显示出相似的结果，但 t 检验实现无法在频谱数据的情况下发现聚类效应。我们鼓励使用非参数统计数据对 EEG 数据进行聚类置换分析，并且我们为此计算提供了一个公开可用的软件。© 2022 作者。由 Elsevier BV 出版这是一篇根据 CC BY-NC-ND 许可开放获取的文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。
开源与开放目标：开源软件供应链攻击综合分析
收到日期：2024 年 7 月 7 日 修订日期：2024 年 8 月 4 日 接受日期：2024 年 8 月 21 日 发布日期：2024 年 8 月 31 日 摘要 - 软件供应链攻击对全球组织构成重大威胁。开源软件使威胁行为者能够进一步扩大影响，并为使用开源软件 (OSS) 的组织带来独特的挑战。与针对组织的有针对性的攻击不同，基于 OSS 的供应链攻击具有连锁影响。本文对 2010 年至 2022 年基于 OSS 的软件供应链攻击进行了全面分析。对公共领域可用的数据集进行了实证分析。高级聚类分析用于识别攻击向量、代码库类型和分发向量中的不同模式。该研究强调了基于 OSS 的供应链攻击的多种方法和目标。分析结果旨在使安全专业人员能够深入了解趋势。在尝试加强对软件供应链攻击的防御时，它们将有助于确定重点领域。本文还深入探讨了可供组织衡量其针对供应链攻击的防御成熟度的框架，并介绍了可行的缓解策略，以加强对此类攻击的防御。
全脑放射组学在脑肿瘤分割中的聚类联合个性化
联邦学习及其在医学图像分割中的应用最近已成为一个热门的研究课题。这种训练范式存在参与机构本地数据集之间的统计异质性问题，与传统训练相比，会导致收敛速度减慢以及潜在的准确性损失。为了减轻这种影响，联邦个性化应运而生，即每个机构一个模型的联邦优化。我们提出了一种新颖的个性化算法，该算法针对不同机构使用不同扫描仪和采集参数引起的特征变化而量身定制。该方法是第一个考虑机构间和机构内特征变化（单个机构使用多台扫描仪）的方法。它基于在每个中心内计算一系列放射组学特征，捕捉每个 3D 图像体积的整体纹理，然后进行聚类分析，将所有特征向量从本地机构传输到中央服务器。然后，每个计算出的聚类分散数据集（可能包括来自不同机构的数据）用于微调通过经典联邦学习获得的全局模型。我们在联邦脑肿瘤分割 2022 挑战数据集 (FeTS2022) 上验证了我们的方法。我们的代码可在 (https://github.com/MatthisManthe/radiomics_CFFL) 上找到。关键词：联邦学习、联邦个性化、分割、脑肿瘤分割。