多模式降水分级最优化权重集成预报技术

为综合不同模式对不同量级降水的预报优势,设计一种全球模式与区域模式结合的降水分级最优化权重集成预报算法,集成经最优TS评分订正法(optimal threat score,OTS)订正后的欧洲中期天气预报中心降水预报产品(以下简称EC-OTS)和华东区域中尺度模式降水预报产品(以下简称SMS-OTS)。以泛长江区域(23°~39°N,101°~123°E)为研究范围,基于2018年不同降水量级的TS评分最优化确定SMS-OTS和EC-OTS在不同降水量级时的最优权重系数以及最优集成方案,并以2019年降水数据为独立样本进行预报试验。结果表明:对于最优权重系数,EC-OTS在低降水量级权重较大,随着降水量级的加大,SMS-OTS的权重也逐渐加大;最优集成方案为初始集成降水量预报取SMS-OTS,集成运算迭代3次;集成预报在几乎所有预报时效、所有降水量级的TS评分均高于EC-OTS和SMS-OTS,其平均绝对误差略小于EC-OTS,显著小于SMS-OTS;集成预报12h累积降水预报的TS评分较省级预报员主观预报高-0.009~0.041,24h累积降水预报的TS评分较国家气象中心预报员主观预报高0.009~0.023。

采用自适应优化权重的出库货位优化方法研究

当前出库货位优化研究对货物生产日期的考虑大多数仅仅是简单地使用先进先出原则,如何更合理考虑货物生产日期对货位优化的影响,是亟待解决的问题。针对此问题,提出以出库代价和货物剩余价值率为优化因素的货位优化模型,并采用基于自适应算子、精英策略和灾变算子的改进遗传算法结合基于仓库繁忙度的自适应优化权重对出库货位优化模型进行求解。采用企业实际生产数据进行验证,实验结果表明采用改进遗传算法的出库货位优化算法效果更优,并且使用基于仓库繁忙度的自适应优化权重,能够有效降低货物因过久存放而造成货物价值下降的风险同时又能在仓库繁忙时优先考虑出库效率。

优化权重下平稳高斯序列的部分和与最大值的几乎处处中心极限定理

在协方差满足一定条件下,研究平稳高斯序列的部分和与最大值的几乎处处中心极限定理,获得平稳高斯序列的加权函数形式的几乎处处中心极限定理,此结果推广Marcin Dudzinski在对数平均下的平稳高斯序列的几乎处处中心极限定理.

基于自适应权重优化的多任务深度学习模型在甘蔗病害识别中的应用

针对农业领域中甘蔗病害识别的准确率和任务间平衡的问题,提出一种基于自适应权重优化的多任务深度学习模型。该模型采用包含3种病害和1种健康状态的甘蔗叶片图像数据集,通过卷积神经网络(CNN)和多任务学习(MTL)实现病害识别。在模型训练过程中,为应对不同任务间的不平衡问题,引入了自适应权重优化方法。实验结果表明,该模型能显著提高甘蔗病害识别准确率,并在多任务之间实现平衡,为甘蔗智能化种植发展提供一定的借鉴。

子野权重优化对CMS XiO宫颈癌调强计划的影响

目的：本文分析了CMS治疗计划系统XiO在制定调强放射治疗（IMRT）计划时，子野权重优化对治疗计划结果的影响。方法：本文选取10例宫颈癌全程放射治疗病例，制定影像引导下（IGRT）的调强放射治疗计划，首先直接用静态调强（Step＆Shoot）方式进行优化一步生成调强放射治疗计划（S-IMRT），之后继续进行子野权重优化（Segmentweightop—timization，SWO）并生成新的治疗计划（SWO—IMRT），比较子野权重优化前后总子野数、总跳数，同时分析比较正常组织受照剂量的变化。结果：结果显示，经过子野权重优化后，总的子野数显著减少，减少约26％～31％（p〈0．0001）；总的机器跳数有所降低，减少约5．1％～9．7％（p〈0．0001），同时，直肠、膀胱和小肠的剂量也有所降低。结论：在使用CMS治疗计划系统XiO进行宫颈癌全程调强放射治疗计划设计过程中，充分利用子野权重优化方式，可以减少总的机器跳数，降低正常组织剂量，缩短治疗时间，这既降低正常组织的毒性反应，也为肿瘤剂量的提高提供了可能。在其他病种的调强放射治疗计划设计中．子野权重优化也可以发挥重要的作用。

基于线性权重粒子群优化算法的多基站协作波束成型

为有效抑制小区间干扰,提高多基站协作通信系统的传输速率,提出了一种多基站协作波束成型方案。该方案基于线性权重粒子群优化算法,将最大化系统总速率问题转化为适应度函数的优化问题进行求解。为避免搜索过程中陷入局部最优,该算法的惯性权重采用线性递减的方式。根据所建立的优化问题,给出了适应度函数的构造方法。数值分析结果表明,相对于惯性权重为0.5的基本粒子群算法,所提算法使系统总速率提升了41.13 bit/s,同时具有很好的收敛性。

鼻咽癌挡铅野中野适形权重优化计划初探

目的:利用挡铅野中野技术与射野权重优化,调节各方向剂量强度,探讨野中野适形与IMRT的相似性。方法:以1例鼻咽癌为研究对象,对该病例做适形计划和常规二维计划,并与IMRT相比较,评价计划靶区及危及器官的受照剂量、DVH及各特征指标值。结果:野中野与常规二维计划靶区平均剂量分别为75.9Gy、73.0Gy;腮腺受量V35分别为49%、88%,对比调强靶区平均剂量74Gy、腮腺V35约为50%。结论:在没有多叶光栅MLC时,野中野适形计划及对危及器官的保护方面明显优于常规二维计划,在靶区均匀性与调强计划有较小差异,能实现近似IMRT的结果,解决常规二维难以胜任的凹形靶区和危及器官的高损伤情况,具有较好的临床价值。

子野权重优化工具在颈部食管癌调强放疗计划中的应用

目的研究子野权重优化（SWO）工具在CMS XiO治疗计划系统制定调强放疗（IMRT）计划中的应用。方法选取10例颈部食管癌全程调强放疗病例设计IMRT计划,按常规设定好各种优化参数,第一步使用静态调强方式进行直接优化设计调强放疗计划（S-IMRT）,接着继续进行子野权重优化（SWO）并生成新的SWO-IMRT计划,比较子野权重优化前后总跳数、总子野数,同时分析比较正常组织受照剂量的变化。结果选取的10例颈部食管癌患者中,SWO-IMRT与S-IMRT两者计划的子野数分别比较,前者比后者减少约8.7%~23.5%（P〈0.001）,同时比较两者的总的机器跳数也都分别有不同程度减少,减少范围在2.7%~6.6%（P〈0.001）;脊髓、脊髓prv、口腔等正常组织的剂量都有所下降。结论在使用CMS XiO治疗计划系统进行颈部食管癌全程IMRT计划设计过程中,适当运用SWO工具,可以减少子野数和总机器跳数,缩短治疗时间,减少机器磨损;同时也能降低正常组织剂量,从而降低正常组织的毒副反应。

迭代次数在宫颈癌术后调强放疗计划中对子野权重优化的影响

目的本研究主要探讨在宫颈癌术后调强放疗计划的设计过程中,选择不同的迭代次数,对子野权重优化(SWO)过程的影响。方法选择10例宫颈癌术后患者,采用CMS XIO 4.6.4治疗系统制定调强放疗计划。在SWO过程中,选择不同的迭代次数生成不同的计划,在不影响临床靶区剂量要求的前提下,比较其危及器官(OAR)受照剂量、子野数、机器跳数之间是否有差异。迭代次数选择以50为梯度,最高为300。结果对同一例患者,选择不同的迭代次数进行调强计划的SWO,对不同迭代次数的计划进行比较,股骨头、直肠、膀胱受照剂量基本没变化,计划总子野数和机器跳数变化不明显,差异无统计学意义(P>0.05)。结论在使用CMS XIO 4.6.4设计宫颈癌术后调强放疗计划过程中,100次以下的迭代次数进行SWO优化最为适合。可以在保证危及器官剂量、放疗总子野数和机器跳数基本不变的前提下,降低放疗计划设计时间从而提高工作效率。

混合属性数据点集的特征权重优化方法研究

应用决策树方法来获取混合属性数据点集的"规则聚类区域",利用"异类子聚类相离,同类子聚类相近"的原则来交替优化有序属性和无序属性的权重,提出了基于决策树划分的特征权重优化方法。该方法在一定程度上解决了有效获取数据子集的子聚类问题和混合属性数据点集的特征权重优化难题。仿真实验表明,该方法在优化混合属性数据点集的特征权重时是有效的。

子野权重优化应用于宫颈癌根治术后调强放疗计划中的分析

目的：探究子野权重（SWO）优化应用于宫颈癌根治术后调强放疗计划中的效果。方法：对2014年4月~2016年3月在我院进行宫颈癌根治手术的患者在根治术后进行了静态调强方式优化调强放疗计划（S-IMRT）和子野权重优化调强放疗计划（SWO-IMRT）,比较两种计划的总子野数、总机器跳数（MU）、均匀性指数（HI）、适形度指数（CI）以及周围危及器官的受照剂量。结果：SWO-IMRT计划的总子野数和总MU明显低于S-IMRT计划,差异具有显著性（P〈0.05）;S-IMRT和SWO-IMRT两种调强放疗计划的HI和CI比较无显著差异（P〉0.05）;SWO-IMRT计划中直肠、小肠以及膀胱的受照射剂量明显低于S-IMRT计划,差异具有显著性（P〈0.05）。结论：宫颈癌根治术后使用子野权重优化调强放疗计划后能有效的减少正常组织的照射剂量,缩短了治疗时间。

基于软标签和样本权重优化的Anchor Free目标检测算法

与Anchor Based目标检测算法类似,基于特征点的Anchor Free目标检测算法也面临着在正负样本划分中存在模糊样本的问题,即根据特定阈值和特征点位置划分非正即负的训练样本,网络在对特征点位置处在临界值附近的样本进行训练时会产生较大的损失,使得网络将注意力过于集中在这些模糊样本上,降低了网络的整体检测性能。针对此情况,提出从软标签、损失函数和权重优化3个方面对基于特征点的Anchor Free目标检测算法进行改进,通过充分利用Center Ness参数来缓解模糊样本对网络性能的影响,提高目标检测的准确率。为证明所提方法的有效性,分别在经典的Pascal VOC数据集和MS COCO数据集上使用FCOS目标检测器进行对比实验,最终将检测器在Pascal VOC数据集上的mAP提升至82.16%(提升约1.31%),在MS COCO数据集上的AP_(50-95)提升至35.8%(提升约1.3%)。

基于属性权重优化算法的土地利用绩效评价及差异分解分析

为了解土地利用绩效现状,探究区域间绩效的差异特征,以31个省域2011-2015年的数据为研究对象,从土地利用结构、经济社会效益和生态可持续性3个角度构建绩效评价指标体系,用综合主客观赋权的属性权重优化算法确定指标权重,运用改进的TOPSIS模型测度绩效值,并用泰尔指数组间分解法定量分析区域内和区域间差异对总绩效差异的贡献度。结果表明:按三大地带分组时,东部差异对总体差异贡献最大,西部次之,中部最小;按六大常规分类分组时,华北、华东地区对总体差异贡献较大,东北、西北地区贡献较小;按九大土地利用分类分组时,京津冀鲁区、苏浙沪区对总体差异贡献较大,青藏区、东北区、晋豫区、湘鄂皖赣区贡献较小。总体上,绩效越高的省域对差异贡献越大,绩效越低的省域对差异贡献越小,且各区域间的差异格局长期存在。

线性递减权重粒子群优化投影寻踪模型及应用

针对粒子群算法局部搜索能力较弱和存在早熟收敛的问题,为了有效地控制粒子群算法的全局搜索和局部搜索,提出了将线性递减权重引入到粒子群优化算法中.该算法是从随机解出发,通过追随当前搜索到的最优值来寻找全局最优解,增加了粒子群算法的局部搜索能力.将其算法优化投影寻踪模型,以此构建了线性递减权重粒子群优化投影寻踪模型,将该模型应用到土坝护坡模式优化评价中,选取9个指标作为评判因子,提出适合该地区的土坝护坡优化模式.结果表明:线性递减权重粒子群优化投影寻踪模型可以有效地找到最佳投影方向,计算投影值,根据投影指标值的大小可对方案进行优选.利用该模型对土坝护坡模式进行综合评价是切实可行的.该算法以其实现容易、精度高、收敛快等优点,并且在解决实际问题中展示的优越性,在工程优化领域具有广泛的应用前景.

CMS XIO子野权重优化对鼻咽癌调强放疗计划的影响

目的探讨CMS XIO计划系统子野权重优化(SWO,segment weight optimization)技术在鼻咽癌调强放疗(IMRT)计划中的影响。方法选取德阳市人民医院肿瘤科30例鼻咽癌确诊病例,应用CMS XIO 4.64计划系统,每例设计2个计划:S-IMRT(S-IMRT组)和SWO-IMRT(SWO-IMRT组),均采用7野均分入射方向(153,102,51,0,309,258,207)和相同的优化参数,首先利用静态调强方式(step&shoot)进行计划优化,S-IMRT计划组将通量图转换成子野序列生成调强治疗计划S-IMRT;SWO-IMRT组在S-IMRT计划基础上使用子野权重优化工具(SWO)生成SWO-IMRT计划。比较使用子野权重优化前后机器总子野数、总跳数(MU)的变化,同时通过DVH图评价靶区均匀性指数(HI)、适形指数(CI)及靶区和危及器官(OAR)的剂量分布。结果两组靶区及危及器官的DVH图比较,SWO-IMRT组的靶区剂量高于S-IMRT组(P<0.05)。SWO-IMRT计划组靶区PGTVnx、PGTVnd、PCTV1及PCTV2的D98、D95、D50、适形度指数(CI)均优于S-IMRT组(P<0.05),D2与均匀性指数(HI)差异无统计学意义(P>0.05)。危及器官剂量两组差异无统计学意义(P<0.05)。SWO-IMRT组子野个数较S-IMRT组减少17%(P=0.001),机器总跳数较S-IMRT组略有减少(P>0.05)。结论SWO技术在鼻咽癌调强计划中,有助于提高靶区剂量,同时明显降低子野个数,从而减少机器磨损和患者治疗时间。

基于自适应权重粒子群优化BP神经网络的光伏阵列故障诊断与定位

BP神经网络算法易陷入局部极小点,而自适应权重粒子群算法全局搜索能力强,将两者结合起来,提出了一种基于自适应权重粒子群优化BP神经网络的光伏阵列故障诊断方法,仿真验证该算法可避免网络陷入局部极小点,提高网络预测精度。提取光照强度S、组件温度T、光伏阵列开路电压U_(oc)、最大功率P_m和电压表U_2、U_1与电流表I_2、I_1作为光伏阵列的特征量,经仿真测试比较,表明了所选特征量合理,降低了诊断复杂度,提高了预测精度。

基于LUS-PSO权重优化的入侵检测技术研究

机器学习中,多个分类器的组合称为集成分类器,此方法优于单个分类器。特定数据集找到合适的集成配置仍然是非常困难。基于这个问题,提出LUS-PSO权重优化的方法,使用粒子群算法生成的权重,进而生成更加准确的分类器集合。然后局部单峰采样方法作为元优化器,查找粒子群算法更好的行为参数。集成学习的分类器由该方法和加权多数投票共同决定的。实验结果表明,该检测模型生成的分类器在分类准确率方面更优。

用正弦函数描述非线性惯性权重的微粒群算法

为改进标准微粒子群算法,提出了一种用Sin函数非线性描述惯性权重动态调整微粒群的方法。由于原算法存在早熟收敛和搜索效率低,提出改进基本微粒群算法的惯性权重参数,将微粒群算法中的惯性权重用正弦函数来描述,通过对粒子位置和速度进行自适应非线性调整,使算法在前期阶段具有较快的收敛速度,在算法后期局部搜索能力也不错,减少了微粒陷入局部极值的机会,使结果收敛于全局最优解,为了验证算法的有效性,采用Shaffer's F6和Levy No.5函数进行测试,实验结果表明,新方法具有比较好的效果。

Eclipse计划系统中NTO权重的调整对调强放疗计划剂量学的影响

目的:分析不同正常组织优化结构(NTO)权重对调强放疗计划剂量分布的影响。方法:选取2019年5月至2020年12月在南方医科大学中西医结合医院接受放射治疗的宫颈癌术后患者10例、食管癌患者6例,每位患者分别设置NTO权重为20~140,分析其剂量学差异。结果:宫颈癌组10例调强放疗计划中,不同NTO权重下,靶区适形指数(CI)、均匀性指数(HI)、剂量下降梯度指数(GI)、膀胱的V40、小肠最大剂量(Dmax)的差异均具有统计学意义(P<0.05),NTO权重为80时,靶区适形度最好;食管癌组6例调强放疗计划中,不同NTO权重下,靶区CI、HI、GI、全肺的V20、心脏的V30的差异均具有统计学意义(P<0.05);NTO权重为80时,靶区适形度最好。结论:当NTO权重设为80时,可以得到较为理想的计划结果。

集群服务器在混合请求下的负载均衡优化算法

针对Web集群服务器在处理分配混合页面访问任务时开环负载均衡算法导致局部服务器负载偏高而降低系统效率的问题,建立了一类基于动态调节的闭环负载分配策略。根据服务器处理Web访问页面类型的特点,建立静态页面与动态页面混合处理的负载量模型,形成处理不同服务请求与负载均衡的内在动态映射关系,以此优化静态页面缓存与调用方式,并基于服务器负载率动态预测和均衡指标,采用负载率偏差最小的任务权重最优分配模型,确定服务器集群的最优任务权重,实现了服务器集群处理混合页面访问的负载均衡分配策略和算法。仿真结果验证了负载均衡算法的正确性和有效性,可以达到更好的负载均衡效果。