期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
决策学习型蜣螂优化算法的无人机协同路径规划
被引量：
1
1
作者
张乐
胡毅文
+2 位作者
杨红
杨超
马宏远
《计算机应用研究》
北大核心
2025年第1期196-204,共9页
针对多无人机协同路径规划问题,提出了一种决策学习型蜣螂优化算法(DLDBO)。传统蜣螂优化算法(DBO)种群之间缺乏信息互换,容易陷入局部最优解。因此,利用Pearson相关系数计算个体之间的相似性,通过相似性指标判断并作出决策:若不相似,...
针对多无人机协同路径规划问题,提出了一种决策学习型蜣螂优化算法(DLDBO)。传统蜣螂优化算法(DBO)种群之间缺乏信息互换,容易陷入局部最优解。因此,利用Pearson相关系数计算个体之间的相似性,通过相似性指标判断并作出决策:若不相似,利用折射反向学习计算得到候选解,在一定程度上提高个体之间影响的同时增强算法跳出局部最优的能力;若相似,利用所提出的链式邻近学习引导蜣螂个体,增加影响个体更新的因素,充分促进个体之间的信息交流。在CEC2017测试套件的29个测试函数上进行了充分的对比实验,结果表明,DLDBO性能明显优于其他六种先进的变体算法。利用DLDBO规划无人机群的飞行路径,最终能够得到较为理想的协同路径并且有效避开威胁,优于其余三种优秀的协同路径规划算法,满足了无人机协同飞行的需求。
展开更多
关键词
蜣螂优化算法
折射反向学习
链式邻近学习
无人机协同路径规划
在线阅读
下载PDF
职称材料
基于脑MRI的机器学习预测非小细胞肺癌T790M突变
2
作者
崔婀娜
杨春娜
+3 位作者
王晓煜
沙宪政
赵鹏
孙艺瑶
《中国临床医学影像杂志》
CAS
CSCD
北大核心
2024年第3期153-159,共7页
目的:本研究基于脑部T_(1)C和T_(2)W MRI建立人工智能模型,预测肺癌脑转移患者在靶向治疗中的耐药性T790M突变。方法:本研究收集80例肺癌脑转移患者(2017年6月—2019年12月)的T_(1)C和T_(2)W MRI影像和临床数据进行回顾性分析(患者按照2...
目的:本研究基于脑部T_(1)C和T_(2)W MRI建立人工智能模型,预测肺癌脑转移患者在靶向治疗中的耐药性T790M突变。方法:本研究收集80例肺癌脑转移患者(2017年6月—2019年12月)的T_(1)C和T_(2)W MRI影像和临床数据进行回顾性分析(患者按照2∶1的比例分成训练集和测试集)。采用无监督k-means算法将肿瘤区域划分为高亮度区域和低亮度区域,提取不同区域的影像组学图像特征构建模型,评估每个模型的诊断效果。绘制受试者工作特征(Receiver operating characteristic,ROC)曲线,计算ROC曲线下面积(Area under curve,AUC)、特异性和敏感性作为模型评价指标,分析模型的潜在临床应用价值。结果:对T_(1)C和T_(2)W MRI和临床特征融合的统计计算表明,本研究建立的模型对T790M突变具有良好的预测能力,在训练集和测试集上的AUC分别为0.899和0.818。结论:本研究建立的计算机模型可以有效预测肺癌脑转移患者T790M突变,具有潜在的临床辅助诊断价值。
展开更多
关键词
癌
非小细胞肺
脑肿瘤
肿瘤转移
磁共振成像
在线阅读
下载PDF
职称材料
题名
决策学习型蜣螂优化算法的无人机协同路径规划
被引量：
1
1
作者
张乐
胡毅文
杨红
杨超
马宏远
机构
沈阳大学智能科学与工程学院
沈阳大学
信息
工程
学院
出处
《计算机应用研究》
北大核心
2025年第1期196-204,共9页
基金
辽宁省兴辽英才计划资助项目(XLYC1807138)
辽宁省教育厅面上项目(LJKZ1172)。
文摘
针对多无人机协同路径规划问题,提出了一种决策学习型蜣螂优化算法(DLDBO)。传统蜣螂优化算法(DBO)种群之间缺乏信息互换,容易陷入局部最优解。因此,利用Pearson相关系数计算个体之间的相似性,通过相似性指标判断并作出决策:若不相似,利用折射反向学习计算得到候选解,在一定程度上提高个体之间影响的同时增强算法跳出局部最优的能力;若相似,利用所提出的链式邻近学习引导蜣螂个体,增加影响个体更新的因素,充分促进个体之间的信息交流。在CEC2017测试套件的29个测试函数上进行了充分的对比实验,结果表明,DLDBO性能明显优于其他六种先进的变体算法。利用DLDBO规划无人机群的飞行路径,最终能够得到较为理想的协同路径并且有效避开威胁,优于其余三种优秀的协同路径规划算法,满足了无人机协同飞行的需求。
关键词
蜣螂优化算法
折射反向学习
链式邻近学习
无人机协同路径规划
Keywords
dung beetle optimization algorithm
refraction reverse learning
chain proximity learning
UAV collaborative path planning
分类号
TP18 [自动化与计算机技术—控制理论与控制工程]
V249.4 [航空宇航科学与技术—飞行器设计]
在线阅读
下载PDF
职称材料
题名
基于脑MRI的机器学习预测非小细胞肺癌T790M突变
2
作者
崔婀娜
杨春娜
王晓煜
沙宪政
赵鹏
孙艺瑶
机构
沈阳大学智能科学与工程学院
中国医科
大学
智能
医学
学院
辽宁省肿瘤医院医学影像科
出处
《中国临床医学影像杂志》
CAS
CSCD
北大核心
2024年第3期153-159,共7页
基金
国家重点研发项目BTIT(2022YFF1202803)
辽宁省教育厅面上项目(JYTMS20230132)。
文摘
目的:本研究基于脑部T_(1)C和T_(2)W MRI建立人工智能模型,预测肺癌脑转移患者在靶向治疗中的耐药性T790M突变。方法:本研究收集80例肺癌脑转移患者(2017年6月—2019年12月)的T_(1)C和T_(2)W MRI影像和临床数据进行回顾性分析(患者按照2∶1的比例分成训练集和测试集)。采用无监督k-means算法将肿瘤区域划分为高亮度区域和低亮度区域,提取不同区域的影像组学图像特征构建模型,评估每个模型的诊断效果。绘制受试者工作特征(Receiver operating characteristic,ROC)曲线,计算ROC曲线下面积(Area under curve,AUC)、特异性和敏感性作为模型评价指标,分析模型的潜在临床应用价值。结果:对T_(1)C和T_(2)W MRI和临床特征融合的统计计算表明,本研究建立的模型对T790M突变具有良好的预测能力,在训练集和测试集上的AUC分别为0.899和0.818。结论:本研究建立的计算机模型可以有效预测肺癌脑转移患者T790M突变,具有潜在的临床辅助诊断价值。
关键词
癌
非小细胞肺
脑肿瘤
肿瘤转移
磁共振成像
Keywords
Carcinoma,Non-Small-Cell Lung
Brain Neoplasms
Neoplasm Metastasis
Magnetic Resonance Imaging
分类号
R734.2 [医药卫生—肿瘤]
R739.41 [医药卫生—肿瘤]
R445.2 [医药卫生—影像医学与核医学]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
决策学习型蜣螂优化算法的无人机协同路径规划
张乐
胡毅文
杨红
杨超
马宏远
《计算机应用研究》
北大核心
2025
1
在线阅读
下载PDF
职称材料
2
基于脑MRI的机器学习预测非小细胞肺癌T790M突变
崔婀娜
杨春娜
王晓煜
沙宪政
赵鹏
孙艺瑶
《中国临床医学影像杂志》
CAS
CSCD
北大核心
2024
0
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
