本技术属于可信人工智能技术领域，具体公开了一种基于图神经网络的支付监管模型可信评估方法，包括训练用于对图神经网络中节点进行分类的支付监管模型；将图神经网络的边界节点和对应标签作为干净指纹序列；将通过可疑篡改模型得到的图神经网络的边界节点和对应标签作为可疑指纹序列；根据干净指纹序列和可疑指纹序列，确定支付监管模型的安全性。本发明首次提出了在支付监管模型场景下的五大维度评估定义，包括隐私性、可解释性、安全性、鲁棒性和公平性。五大维度全面覆盖了支付监管模型的核心评估领域，填补了业界在此领域的空白。本发明提供的支付监管模型可信评估方法，对于推动支付监管模型的发展和完善具有重要意义。

 本技术公开了属于效益评价技术领域的基于FAHP和TOPSIS法的多元储能效益评价方法。包括以下步骤:建立多元储能系统综合效益评价指标体系并建立每个指标的数学模型，通过FAHP法确定每个指标的权重；构建评价矩阵并将其标准化，结合FAHP法确定的权重得到加权标准化决策矩阵；通过TOPSIS法确定正、负理想方案，并得到各方案到理想解的距离和贴近度，对结果进行排序得到最优方案。本发明通过把FAHP和TOPSIS法相结合，可以更加全面地考虑问题，并避免单一方法的局限性，使得结果更具有客观性和可信度，也使得考虑整个决策问题时更加系统、全面。

 本技术涉及电力系统技术领域，具体公开了一种考虑多维气象因素耦合的配电网区间调压方法，包括:S1、通过多气象要素耦合的改进非参数核密度估计方法引入气象因子的不确定性，并利用联合概率密度函数进行估计，生成气象因子的置信区间；S2、通过基于强制边界和空间近似的仿射算法，计算基于气象因子置信区间的光伏发电功率与负荷需求的区间；S3、以总调压费用最小为目标构建配电网区间调压优化模型，将光伏发电功率区间与负荷需求的区间输入配电网区间调压优化模型，输出优化的调压方案。本发明的优点是解决了多个气象因子之前的相关性所带来的不确定性，构建了调压优化模型以得到精确的调压方案，有效地降低了调压费用。

 本技术公开了一种端到端的宫颈细胞分类集成框架。主要包含四个模块:增强模块，对原始数据集进行扩充和预处理；融合模块，在数据集上训练改进的初级学习器并融合输出生成新数据集；提纯模块，提纯新数据集得到初级学习器的集成结果并保留误分类的样本；复学模块，使用次级学习器再学习并用于最终的分类。此外，在初级学习器和次级学习器的训练阶段提出了一种自适应的数据增强方法。本发明通过逐阶段的细粒度优化，解决了现有宫颈细胞数据集类别分布不均衡和数量稀少的问题，同时通过集成框架重点学习易混淆的图像特征显著提升分类精度。实验表明，本方法能够有效地辅助宫颈癌筛查，大大降低病理学医生的工作负担，有很好的应用价值，社会效益巨大。

 本技术提出了含频率偏移约束的孤岛微网源‑荷‑储协整优化方法，以孤岛微网运行成本最小和新能源消纳量最大为多目标，搭建源‑荷‑储协调运行模型、含频率偏移的源‑荷‑储协调运行模型、含频率偏移平稳性约束的源‑荷‑储协整优化运行模型。含频率偏移的协调或协整优化模型，将频率偏移允许范围作为优化调度中的可利用资源，相比于协调运行模型均增大了可行解范围，均具有更高的经济性，减少系统运行成本，提高新能源消纳率；因源‑荷‑储协整关系的约束，协整模型比协调模型更保证了孤岛微网运行时频率安全性，在保障正常运行的前提下改善优化极值。

 对抗领域自适应和共轭梯度核极限学习机的图像识别方法，其特征在于首先构建特征提取器获取源域和目标域的初步特征；然后构建对抗领域自适应网络优化两个领域特征，让源域和目标域特征提取器与鉴别器进行博弈，以此来减小目标域与源域的域间差异，并投影到一个公共的特征空间，找到最优的目标域特征。最后，构建分类器识别图像，构建共轭梯度核极限学习机作为分类器对最优目标域特征进行分类，得出分类结果。本技术的目的是提供一种轻量网络:对抗领域自适应和共轭梯度核极限学习机，解决现有深度学习对大量标注数据的依赖，降低图像识别中样本标注代价，降低硬件实现成本，实现跨领域的知识迁移，完成目标域无监督和高精度图像识别。

 本文公开了一种自动驾驶测试场景多维评价方法，所述方法包括:基于评价类别对每一自动驾驶测试场景进行分解，得到对应所述评价类别的动态元素和静态元素；所述评价类别包括风险、复杂度和稀有度；利用层次分析法确定各个自动驾驶测试场景的主观权重，利用熵权法确定各个自动驾驶测试场景的客观权重，基于博弈论对所述主观权重和所述客观权重融合，得到综合权重；基于所述综合权重输入评价模型，得到对应所述评价类别的评价等级；基于聚类算法对各个自动驾驶场景对应的评价等级进行分类，得到对应的评价级别，如此，将综合考虑场景的风险性、复杂性和稀有度，旨在对自动驾驶车辆的性能进行全面的评估。

 本技术属于地下工程施工技术领域，提供了基于历史数据挖掘的盾构掘进参数优化方法及系统，其技术方案为:基于获取的地质勘察报告和超前地质预报数据，建构盾构隧道地质模型，基于盾构隧道地质模型对盾构掘进围岩进行掘进安全性分级，得到动态地质模型；基于动态地质模型和现场施工环境和相关规范，得到设定的盾构施工任务信息；以动态地质模型和设定的盾构施工任务信息，确定相应的盾构掘进参数信息，分析当前盾构掘进参数下的盾构掘进效能，若盾构掘进效能未达到设定的等级，根据当前盾构掘进参数下的盾构效能情况，调整盾构掘进参数，根据优化后的盾构掘进参数指导现场施工。提高盾构掘进效率，降低工程成本。

 本技术公开了基于多核卷积神经网络的卫星通信恶意干扰识别方法，属于卫星通信技术领域。其包括:对卫星通信传输链路的接收信号进行模数转换，得到待处理数据；从不同维度对数据进行变换处理，设定处理维度为；构建多核卷积神经网络干扰识别模型，并以有监督方式对模型进行迭代训练；使用训练好的多核卷积神经网络干扰识别模型进行卫星通信链路恶意干扰的识别，获得识别结果。该方法可在卫星通信链路的干信比和干噪比较低时，获得相对较高的干扰识别准确率，能够有力支撑天基电磁态势感知等应用。

 本技术提出了一种基于图注意力网络的多模态食品虚假评论检测方法。该方法包括四个主要步骤:首先，通过网络爬虫技术从点评平台获取食品评论的文本和图片数据，并利用Python工具包进行数据清洗，获得规范数据格式；其次，使用预训练的特征提取器分别提取文本和图像特征，并将其特征转换为模态图结构；然后，将文本和视觉模态图映射到统一特征空间中，通过图注意力网络实现多模态特征的充分融合；最后，通过全局平均池化操作提取全局特征，并使用全连接分类器对全局特征进行分类，结合交叉熵损失函数优化模型，从而实现对食品评论真实性的准确检测。本发明弥补了多模态融合方法上的不足，从而有效提高了食品虚假评论检测的准确性和鲁棒。