本技术公开了基于改进MOJAYA算法的微电网优化调度方法，首先设置微电网目标函数和约束条件，初始化种群:生成初始种群和空archive集。然后合并初始种群和空archive集并计算合并后集合中所有个体的总适应度，总适应度F(i)由原始适应度R(i)和拥挤密度D(i)共同组成，更新archive集；最后通过总适应度F(i)识别最优个体和最差个体，通过MH抽样方法进行种群个体更新；迭代循环，最后输出archive集，archive集中个体代表微电网优化调度后的各个微电源发电出力方案。本发明解决了现有技术中存在的综合微电网全局搜索能力较弱，容易陷入局部最优的问题。

 本技术属于医学图像处理领域，具体涉及一种基于额外监督下的半监督医学图像分割方法；该方法包括:获取医学图像数据集并对其进行预处理，得到预处理好的医学图像；采用二分支的医学图像分割网络对医学图像进行处理并计算预期总损失；根据上一步骤进行预训练，判断是否处于预训练轮次，若处于预训练轮次则直接进行下一轮预训练，否则，构建新图像对；采用二分支的医学图像分割网络对新图像对进行额外监督学习，计算额外监督损失；根据预期总损失和额外监督损失计算模型总损失；根据模型总损失调整模型参数，得到训练好的医学图像分割模型；本发明可以更好的从无标签图像中提取相关知识，并避免噪声所带来的影响，提升图像分割的准确性。

 本技术属于水文预报领域，公开了一种基于图卷积神经网络(GCN)的水库水位预测方法。该方法旨在解决降雨情况下的水库水位预测问题，为水库调度提供有效支持。主要通过图卷积神经网络(GCN)对降雨图像数据进行训练，并结合双向长短时记忆网络(BiLSTM)提取水库水位的时间序列特征，从而构建一个能够通过降雨图像预测水库水位的模型。具体而言，GCN用于提取降雨图像的时空特征，并利用多头注意力机制对这些特征进行融合。在BiLSTM中，输入的时序数据序列通过两个方向的LSTM网络进行处理，从而同时捕获过去和未来的信息。通过合并这两个方向的隐藏状态，模型能够更深入地理解时序数据的内在规律，从而提高水库水位的预测精度。

 本技术公开一种具有可解释性的水文时间序列预测模型构建方法，涉及智能预测及可解释机器学习技术领域。首先获取进行水文预测相关的监测数据；再对监测数据进行数据预处理；通过不同的特征选择方法对所述目标数据集进行特征选择寻优，得到多组最佳特征子集；再对所得到的几组最佳特征子集分别训练并进行综合评分得到目标预测模型；最后利用SHAP解释工具对所述目标预测模型进行全局解释和局部解释。本发明在关注模型预测准确度的基础上，同时关注模型的解释性能问题，在保证模型预测快速准确的同时还能掌握每个特征对模型预测结果的重要性，以及不同特征之间的相互作用关系。

 本技术公开一种改进的YOLOv7人体关键点检测方法，该方法通过LabelImage进行手动标注获得丰富的训练样本；将YOLOv7中原有的MP模块替换为L‑MP模块改进特征提取，新增LiftDown Pool分支和残差连接；在YOLOv7网络的Backbone模块和Head模块之间新增EDH‑Conv模块,利用其输出作为空间权重分布来矫正激活区域，进一步提升了网络对小目标的检测能力；增加改进的RSwin Transformer编码器，用于提升对复杂场景中小目标和重叠目标的检测效果；将损失函数参照Wise‑IoU LOSS改为基于L2损失的改进关键点检测损失，并引入用于调整关键点误差权重的动态聚焦机制，加速模型的收敛。该方法增强了对于复杂场景下的人体关键点检测识别能力，对于体育运动中人体关键点检测识别与计数任务有更强的鲁棒性、准确率和效率。

 本技术提供了一种超临界二氧化碳反应堆能群结构优化方法，涉及核反应堆技术领域，该方法采用粒子群优化算法(PSO)对超临界二氧化碳反应堆的中子能群结构进行优化，以提高计算效率并确保计算精度。本方法首先构建了一维超组件模型，利用Serpent蒙特卡洛程序和VI TAS确定论中子输运程序计算得到参考解。然后，通过PSO算法对能群结构进行优化，迭代更新粒子的位置和速度，寻找最优能群结构。优化过程中，粒子群中的每个粒子代表一组可能的能群边界，通过比较keff、截面、通量、功率等参数，验证优化结果的有效性。本发明的方法能够提高超临界二氧化碳反应堆中子输运计算的精度，并保持全堆功率分布的合理性，为该类型反应堆的优化提供了一种有效的技术手段。

 本技术涉及一种基于机器视觉的卷烟圆柱度与圆度测量方法。所述方法包括:卷烟图像的获取、图像预处理、卷烟边缘检测和特征提取、轮廓外接圆与内接圆绘制、卷烟圆柱度与圆度计算。本发明设计一种圆柱度与圆度测量方法，本发明依据的机器视觉技术融合了数字图像处理和计算机技术，检测过程不会造成额外损伤和形变，检测精度高，且方便快捷，易于实现在线自动检测，提高卷烟生产验收的效率。

 本技术公开了一种基于级联神经网络的多源DOA高分辨估计方法及系统，涉及阵列信号处理技术领域，方法中，首先基于单层FNN设计了一个可解释空域滤波网络，从而将目标空域划分为多个子空域，再利用多个二维CNN对每个子空域的输出数据进行处理，得到信源数未知条件下的多信源DOA估计结果。为提高DOA估计精度，还采用预训练和联合微调的网络训练方法，先对可解释SF‑Net和各个二维CNN进行独立预训练，以此为基础对级联神经网络进行端到端的联合训练，从而获得最终的网络参数，进行多源DOA估计。本发明可提高网络可解释性、减少训练数据集规模、降低网络训练难度，且在多信源条件下能够获得更优的DOA估计性能。

 本技术提供了一种图层聚焦插画单视图3D重建方法，该方法通过SAM对数据集中的原始插画单视图进行区域分割，得到包含原始插画单视图及其图层通道的区域文本对微调CLIP模型；然后对数据集T中的每张原始插画单视图提取非自然的轮廓线，语义信息与图层信息；根据单视图中角色体态选取基础素模初始化3D点云，并通过点云分割将人体点云分割成不同的部分，并依照非自然的轮廓线的位置信息对相应点云区域进行噪声生长与颜色扰动，再分别映射到潜空间当中，并采用LDM获得最终潜在表示；最后将最终潜在表示经过解码器获得最终3D表示，重建3D资产。本发明可根据给定的一张插画单视图，生成相对应的3D资产。

 本技术公开了用于降低F式离心通风机入流畸变的集流器设计方法，具体为:建立原型集流器：原型集流器型线包括收缩段和扩散段，集流器收缩段的截面为直线，直线绕中心轴线旋转一周形成锥筒形；集流器收缩段后端与集流器扩散段采用曲线平滑连接；在原型集流器的基础上进行优化设计，根据三个参数建立改进后集流器的几何结构，其设计参数分别为：导流板进口位置，导流板出口角度，集流器喉部高度改变量。通过对集流器内流动的有效控制，降低了集流器出口截面的总压畸变指数，减少了集流器和蜗壳内的高强度旋涡结构，大幅度降低了集流器与蜗壳内的流动损失，实现了设计流量工况下离心通风机运行效率和全压的大幅度提升。