最新刊期
2026年第25卷第7期
- 摘要：针对多智能体协同软件开发中智能体能力未知、异构且带噪声，导致依赖任务难以高质量调度的问题，从软件工程视角构建包含任务分解、能力映射与反馈优化的五元组形式化模型S = ＜T， A， F， M， Π＞，并提出以贝叶斯能力学习为核心驱动、UCB探索与匹配阈值为可选增强模块的迭代调度算法BayesSchedule。实验基于Pegasus真实工作流基准与Bernoulli-Gaussian失败模型，设置覆盖规模、噪声与结构条件的5组仿真实验，并与UCB1、Thompson Sampling、QL-HEFT 3种在线学习基线方法进行比较。实验结果表明，BayesSchedule在100次迭代后能力估计误差降至0.01，总调度成本与理论最优基准Oracle基本持平，任务总工期（makespan）较HEFT降低10.0%，总成本较3种在线学习基线分别降低30.2%、28.3%与67.9%。研究结果验证了反馈机制F与调度策略Π在能力不确定场景下的有效性，并为多智能体协同软件开发从“工具辅助”走向“能力编排”提供了形式化依据。关键词：多智能体系统;软件工程;协同开发;形式化建模;贝叶斯调度;仿真实验1|0|0更新时间：2026-08-03
- 摘要：原发性头痛是神经内科常见的慢性疾病，诊断过程依赖症状特征识别与临床经验。国际头痛疾病分类第3版ICHD-3为头痛诊断提供了标准，但很多条目是定性描述，边界不清，难以直接建模。传统机器学习难以同时处理临床规则和复杂特征；深度学习虽能提高分类效果，但解释性不足，临床使用受限。为此，提出一种知识与数据融合驱动的可解释原发性头痛辅助诊断模型。首先，模型由分层模糊逻辑和KAN网络两部分组成：利用模糊规则对ICHD-3标准进行可解释映射；通过KAN网络的函数逼近能力高效建模多维症状特征间的非线性关系。其次，引入SHAP方法对模型特征重要性进行分析，优化诊断关键变量的学习过程。最后，将医学规则知识嵌入深度学习训练流程，实现诊断规则与数据驱动的协同优化与动态权重调整。实验表明，所提融合模型在准确率（0.958 4）、灵敏度（0.951 3）、特异度（0.961 8）和Kappa值（0.888 1）等指标上均优于比较方法，诊断性能优越。对模型结构与推理过程的可视化分析表明，模型在临床可解释性方面优秀，具有较强的实用价值与推广前景。关键词：原发性头痛;可解释人工智能;分层模糊逻辑;KAN网络;知识与数据融合1|0|0更新时间：2026-08-03
-
基于多模态动态融合的脑网络学习方法 AI导读
摘要：针对精神分裂症多模态脑网络特征融合中模态异质性强、结构—功能耦合关系复杂以及多模态特征贡献难以动态建模等挑战，提出多模态动态融合图网络模型MDF-GNN。该模型通过三重机制实现多模态信息融合。首先，设计独立和共享的卷积通道，并结合自适应感知池化（ASAP）提取功能连接（FC）和结构连接（SC）的子网络特征；其次，利用双重注意力机制分别动态平衡共享通道和多通道中的特征贡献权重；最后，通过构建对比学习约束的联合表示空间来增强类别区分度。该模型在自采精神分裂症数据集上取得了93.55%的分类准确率，相较于最佳单模态基线模型GCN（准确率为77.42%）实现了16.13%的性能增长。可视化分析结果表明，患者组结构（皮层厚度）与功能（局部一致性）特征联合贡献占比65.3%，暗示了灰质萎缩与功能代偿失衡的协同作用；多通道权重分析结果显示，患者更依赖SC（权重较健康组提升17%），而健康组依赖FC（占比62.9%），印证了疾病的神经发育机制；共享通道权重的组间差异（Δ+4%）提示患者存在结构—功能失耦。以上结果为跨模态生物标志物开发与精准诊疗提供了新思路。关键词：磁共振影像;图卷积神经网络;多模态融合;对比学习;注意力机制1|0|0更新时间：2026-08-03 -
地理分布式数据中心动态重排任务调度算法 AI导读
摘要：与集中式数据中心相比，地理分布式数据中心通过资源就近部署与负载均衡机制，可显著降低广域网传输延迟并提升系统容灾性。然而，其庞大规模、异构资源以及跨地域电价和网络成本的差异，使得地理分布式数据中心在保证服务质量的同时优化成本，成为一项关键挑战。为此，提出一种截止时间感知且成本驱动的启发式调度算法CADR。CADR 的核心机制是通过放缩预留时间和预期成本，动态调整列表调度中的任务优先级，从而在满足截止时间的前提下优先选择低成本资源。实验结果表明，与 PRESTO、HEFT、PEFT、MSL 等主流算法相比，CADR 在运行时间略增的情况下，最多可将平均成本降低 47%，显著提升了地理分布式数据中心的成本效益。关键词：云计算;地理分布式数据中心;成本最小化;任务重排1|0|0更新时间：2026-08-03 -
可检测客户端异常更新的联邦学习分组方法 AI导读
摘要：鉴于联邦学习固有的分布式特性，其数据分散存储于多个参与方且各参与方独立训练模型，缺乏集中式的全局数据管控与模型统一校验机制，使其在面对中毒攻击时表现出高度的脆弱性。现有研究主要集中在单一全局模型架构下拦截恶意客户端的更新上，而一旦拦截失败，将会直接导致全局模型中毒。为此，提出一种可检测客户端异常更新的联邦学习分组方法dFL。首先，通过分组思想将客户端分成多个小组，每个小组训练一个小组模型，即使存在恶意客户端，其影响范围也仅限于小组模型；其次，在组内训练中采用异常更新检测机制，结合客户端信誉值进行权重聚合，进一步降低恶意客户端对小组模型的影响；最后，由小组模型投票表决出全局模型的最终结果。在MNIST-0.5和CIFAR10数据集上，dFL比对照算法表现出更强的稳定性。关键词：联邦学习;联邦分组学习;权重聚合;异常检测1|0|0更新时间：2026-08-03
人工智能
- 摘要：军用软件能力需求满足性评估作为装备试验鉴定体系中的关键环节，直接影响作战效能生成与验证的有效性。针对当前评估方法中专家经验指标模糊、静态赋权模型与动态多任务耦合效应的适配性不足，以及交叉依赖指标权重虚高等挑战，借鉴软件场景测试思路，采用动态场景流图建模方法对典型作战任务序列进行解构，结合蒙特卡洛仿真构建场景关键性权重的动态量化模型。在此基础上，针对传统分层评估中共享指标权重重复累加的累积偏差难题，设计基于贡献比例系数（CRC）的互馈优化机制，提出一种互馈优化的分层TOPSIS评估框架，实现从底层性能指标到顶层作战能力的多粒度满足性度量。实验案例表明，该模型能够有效识别交叉依赖指标的权重虚增问题，使评估结果的客观性显著提升，并发现软件能力短板和使用约束，可实现软件评估工作从“质量保证”到“能力保证”的拓展。关键词：军用软件能力评估;分层熵权TOPSIS;动态多任务场景;需求满足性评估;装备试验鉴定1|0|0更新时间：2026-08-03
- 摘要：随着天文观测技术向多端协同智能化方向发展，传统单端应用在时域数据整合、跨平台兼容性及用户交互上的局限性日益凸显。现有方案依赖固定架构实现设备连接与数据处理，其单一通信协议和有限的算力调度机制难以满足高通量天文数据的实时协同需求。针对上述问题，提出并实现基于HarmonyOS生态开发的“天文鸿”应用软件系统，采用 HarmonyOS 分布式软总线的方式组网观测和构建用户终端，采用ArkUI声明式框架开发自适应UI，以解决多屏不一致问题。通过构建MongoDB数据库，利用Node.js工具栈技术完成端云协作流水线数据处理，实现高能效存储天文数据与实时可视化。融合 AHP层次分析方法，基于气象数据、星体属性和用户兴趣构建观测适宜度模型，为用户提供合理的观测建议，采用“一码多端”、HarmonyOS WebDatabase援建、兼容 Android/IOS 等平台的解决方案来完善系统。“天文鸿”系统可为天文观测领域提供“设备互联—数据处理—智能交互”的全流程解决方案，推动HarmonyOS生态在专业科学计算场景中的创新应用，为国产信创技术与天文信息化的深度融合建立可复用的工程范式。关键词：鸿蒙系统;ArkTS;天文观测;数据可视化;华为云弹性云服务器1|0|0更新时间：2026-08-03
-
基于DCOM架构的动环监控系统设计与应用 AI导读
摘要：数据中心承载着关键业务与海量数据的存储，机房设备需要7×24小时稳定运行，因此要求运维自动化、一体化。为了便于运维人员查看设备参数、定位设备故障，提出基于DCOM架构搭建的动环监控系统。首先，通过嵌入式主机采集动力、环境、视频监控数据，并上传至云端；其次，经数据预处理、监测分析等过程生成三维可视化运维界面，实现自动化监控与三级告警。在气象大数据应用中心（西安）的实践中发现，近6个月内共产生了65 535条告警，其中严重告警750条，紧急告警118条，严重和紧急告警的命中率达100%，证明了所提系统能高效协同监控、精准定位故障、提升运维效率、保障机房稳定运行。关键词：运维自动化;DCOM架构;动环监控;机房运维1|0|0更新时间：2026-08-03
软件设计、开发与应用
- 摘要：随着医疗行业信息化进程的加速发展，医学图像作为承载患者隐私和关键诊断信息的载体，其加密保护已成为当前研究与应用领域的热点。然而，现有图像加密方法普遍面临安全性不足、加密效率低下以及功能单一等挑战。为解决上述问题，提出了一种名为FGC-RDH的新型医学图像加密算法。首先，该算法融合哈希算法与分数阶4DChen超混沌系统构建统一伪随机数（PRN）生成机制，驱动动态分数阶S盒及空间填充曲线置换，从而实现高效的像素置乱；其次，在扩散阶段，提取明文的混沌哈希特征向量作为约束条件，利用混沌引导条件生成对抗网络（GAN）生成基础扩散密钥，并结合自适应混沌精炼来实现区域增强扩散；最后，通过集成明文域可逆水印技术，使算法具备了可靠的数据溯源功能。通过与RIE-RID、CCAES和MCBS等算法进行对比实验，结果表明，该算法在密文熵、NPCR、UACI和密钥敏感性等性能上显著提升，其中，NPCR值达到99.616%、密文熵达到7.999 1。实验结果充分证明，该算法具有极高的安全性和抗攻击能力，能够为远程医疗数据的高效安全传输提供强有力的技术保障。关键词：可逆水印;图像加密;机器学习;医学图像1|0|0更新时间：2026-08-03
- 摘要：针对扩散模型与生成对抗网络产生的图像在底层像素和高层语义上具有显著差异，导致现有检测方法在面对跨模型、高保真生成图像时泛化性能不足、检测率较低的问题，提出一种基于通道方差引导的语义—像素特征融合检测方法（CVGF）。该方法构建双分支特征提取网络：像素级分支利用高通滤波机制捕获底层伪造指纹，语义级分支引入预训练CLIP模型提取高层语义异常。其核心创新在于设计了通道方差引导融合模块，通过对异构特征通道的统计方差进行建模，引入极轻量化的可学习基础权重（
-
智慧医疗中基于区块链的无证书环签名方案 AI导读
摘要：随着物联网技术飞速发展，医疗数据传感器被广泛应用于智慧医疗场景中。在实现医疗便利的同时，由于证书颁发、验证和存储过程的复杂性，其易遭受攻击导致患者隐私泄露。无证书签名是解决智慧医疗场景中安全和隐私问题的关键技术之一。针对现有面向智慧医疗的无证书签名方案存在的传感器证书分发复杂、集中式数据库易遭受攻击、患者隐私泄露等问题，提出一种智慧医疗中基于区块链的无证书环签名方案BCLRS。首先，将传统密钥生成中心部署于区块链，将椭圆曲线公钥密码与环签名相结合，以保护患者隐私；其次，实现特殊需求患者的身份可追溯性。安全性分析表明，BCLRS方案满足正确性、匿名性的要求，相较于无证书环签名方案能抵抗中间人攻击、分布式拒绝服务攻击及密钥生成中心妥协攻击等恶意攻击。性能分析与仿真实验表明，当环成员数量大于30时，BCLRS方案的计算开销降低80%，适用于资源受限的智慧医疗场景。关键词：智慧医疗;无证书环签名;区块链;随机预言机模型;隐私保护1|0|0更新时间：2026-08-03
网络空间安全
-
基于大语言模型少样本提示的金融关系抽取 AI导读
摘要：针对金融领域语料实体种类多、关系类型复杂、专业术语密集、语义细微差异显著等特点，提出一种结合N-way K-shot少样本学习与多阶段大语言模型提示机制的关系分类方法。以金融语料为基础，构建支持集和查询集，利用预训练语言编码器选择语义相似的示例，并嵌入结构化提示词中引导大模型进行关系识别。在推理过程中，进一步引入自适应验证机制，对模型初步预测结果进行自我检查与校正，从而提升预测稳定性和准确性。实验结果表明，该方法在多个主流大语言模型上，较传统的少样本方法在准确率和召回率方面均有显著提升，且在零样本条件下依然保持出色的性能，验证了其在金融关系抽取中的实用价值与泛化能力。关键词：信息抽取;关系抽取;少样本学习;零样本学习;大语言模型1|0|0更新时间：2026-08-03 -
基于语言概念格的规则分类模型 AI导读
摘要：形式概念分析以一种结构化的方式挖掘具有可解释性的规则，具有广泛的应用前景。基于语言概念格提取具有语义的分类规则，提出一种新颖的基于语言概念格的规则分类模型（LCLC）。首先，经过模糊划分将输入映射到语言术语以构建语言概念形式背景，进而构建语言概念格；其次，提出一种基于语言概念格的分类规则提取算法，根据概念面积和规则权重确定用于分类的规则库；再次，给出LCLC的规则推理机制，即通过输入模糊化后，隶属度加权平均的方式计算规则前件隶属度，同时考虑规则权重以确定分类标签。在8个公开数据集上与机器学习分类以及其他基于规则的分类算法进行对比评估，LCLC的分类精度达到100%，规则数也更为精简，验证了其有效性。关键词：形式概念分析;分类规则;语言概念格;知识发现;规则提取1|0|0更新时间：2026-08-03 - 摘要：针对西夏文字的笔画复杂、结构相似性高以及西夏文古籍存在缺字、褪色导致检测精度不理想、文字漏检和错检等问题，综合分析现有的主流文字检测方法，提出一种基于SCA-DBNet的西夏文检测方法。首先，引入空间与通道重构卷积模块（ScConv）替换MobileNetV3特征提取骨干网络中的传统卷积模块（Conv），从而减少计算冗余，提升模型的特征表达能力。同时，在特征融合阶段引入自适应尺度融合模块（ASF），以解决特征融合过程中不同层特征的尺度不一致问题，并设计混合注意力模块（CFAM）替换原有空间注意力模块（SAM）来增强对多尺度变化特征的刻画，从而提高西夏古籍文字检测的准确性。在自建西夏文数据集上进行对比实验，该模型相比基础模型的准确率与召回率分别提升了3.2%和2.9%，相比其他文字检测模型的准确率和召回率也有一定提升，能够准确地检测西夏文。关键词：文字检测;空间和通道重构卷积;自适应尺度融合;注意力机制;西夏古籍1|0|0更新时间：2026-08-03
-
基于模糊语言三元背景的多维数据知识发现 AI导读
摘要：随着人工智能技术的迅猛发展，数据关系的复杂性已从传统的二维扩展至多维，传统的形式概念分析在处理多维数据时面临显著挑战。为此，提出一种模糊语言三元概念分析框架，旨在应对不确定环境下复杂多维数据的分析需求。首先，通过将语言术语集与三元概念分析相结合，构建了模糊语言三元背景，基于条件概念诱导算子，提出一种生成模糊语言三元概念的算法；其次，构建模糊语言三元决策背景，给出具有置信度的规则提取算法，能够从多维数据中挖掘更多潜在知识；最后，通过引入RFM模型对淘宝用户购物行为数据进行分析，验证了所提方法的有效性和合理性。关键词：模糊语言三元背景;语言术语集;知识发现;规则提取;RFM模型1|0|0更新时间：2026-08-03 -
用于对话推荐系统的知识图谱检索增强生成 AI导读
摘要：随着互联网的高速发展，人们已经处于信息过载的时代，通过对话理解用户动态偏好并为其推荐个性化信息具有重要意义。针对大语言模型（LLM）在对话推荐任务中存在的领域知识匮乏和幻觉问题，提出一种知识图谱检索增强生成的创新方法。该方法的核心在于将知识图谱转化为自然语言文档，并根据用户—系统对话动态检索相关知识，将其整合到预定义的模板中以生成精准推荐，不仅对齐了知识图谱与LLM的语义空间，还为LLM提供了丰富的领域知识，显著缓解了幻觉问题。此外，该方法通过将推荐结果融入响应生成提示模板，利用LLM生成对话，实现了对话模块与推荐模块的一致性。实验结果表明，该方法在两个公开数据集上的推荐准确性和对话响应质量均优于现有方法。消融实验也进一步验证了该方法中每个组件的有效性。关键词：对话推荐系统;知识图谱;大语言模型;检索增强生成;自然语言处理1|0|0更新时间：2026-08-03
大数据与信息处理
- 摘要：牙形石的鉴定工作是古生物领域的一项重要任务，而现有牙形石图像分类研究较为稀缺，且现有研究存在特征学习不足和类间多区域判别性差异难以挖掘的问题。为了解决上述问题，提出了ConoHN——一个引入层级知识的层级多标签图像分类框架。它主要将寻找各子类别判别性区域的困难任务解耦为分别找到子类所有父层级和当前层级判别性区域的同类简单子任务。它利用注意力机制，将骨干网络提取的特征离散为各层级的特征，同时擦除高层级语义信息，以强迫模型关注其他部分的低层级判别性区域。实验结果显示，该模型在多层级图像分类领域显著优于对比方法，验证了模型有效性。关键词：牙形石;化石图像分类;层级多标签图像分类;细粒度图像分类1|0|0更新时间：2026-08-03
- 摘要：铁路轨道是保障列车行驶的基本设施，随着运营里程不断增加，铁轨表面会出现不可逆的损伤，严重时会提升列车运行的风险。为此，设计了一种改进YOLOv11n的铁轨表面损伤检测算法。首先，利用imageio库增加雪雾渲染数据，提升模型泛化能力、训练效率；其次，在骨干网络中集成轻量化动态卷积，显著加强铁轨损伤的特征提取能力；再次，构建SCSA机制实现骨干部分特征融合，充分利用模型中的多层次语义信息，优化模型检测任务的表现；最后，利用ADown降采样模块中细粒度的深层结构，改善空间特征的捕获效能，减少额外计算负担。在铁轨损伤数据集上的实验表明，DSA-YOLO算法的mAP50达到98.1%，参数量减少到2.29×10⁶，优于比较算法。在公共钢铁数据集上的泛化实验表明，DSA-YOLO算法相较于比较模型在mAP50指标上提升了5%，证明了所提模型在不同数据集上的泛化性较强。关键词：铁轨表面损伤检测;YOLOv11n;数据增强;空间-通道 协同;动态卷积1|0|0更新时间：2026-08-03
-
基于残差注意力与动态上采样的气象超分算法 AI导读
摘要：气象图像分辨率对于研究气候现象至关重要。虽然基于深度学习的气象超分方法取得了快速发展，且在学习低分辨率图像特征方面能力不断加强，但是当前的上采样方法主要基于反卷积、插值和亚像素卷积，都会在一定程度上产生伪影，且在上采样过程中容易丢失特征，从而导致最终的重建效果不佳。为了在上采样过程中更好地利用低分辨率特征以提升上采样质量，提出一种基于残差注意力和动态上采样的气象超分算法RANSR，其框架由低分辨率特征提取模块、动态上采样模块以及高分辨率特征融合模块三部分构成。其中，低分辨率特征提取模块基于深度残差注意力网络强化特征学习；动态上采样模块通过内容感知的重组机制生成更准确的上采样特征，同时增强模型泛化能力；高分辨率特征融合模块则融合了包括高程和气候态辅助输入，进一步增强最终重建效果。在降雨4倍、降雨10倍、2 m气温4倍和2 m气温10倍超分实验中，本方法在5个对比方法中表现最佳：相较于性能第二的方法，其MSE分别降低了32.0%、21.4%、27.3%和55.9%；PSNR分别提升了4.2%、3.3%、4.2%和12.1%。关键词：超分辨率;深度学习;上采样;注意力机制;降雨1|0|0更新时间：2026-08-03 -
自动驾驶目标检测算法不确定性建模研究 AI导读
摘要：针对雨、雪、雾等不良天气对自动驾驶视觉感知系统准确性和可靠性造成的严峻挑战，提出一种基于YOLOv11目标检测算法的不确定性建模方法。该方法采用拉普拉斯分布建模预测边界框的不确定性，并利用信息熵量化分类任务的不确定性，将量化结果纳入重新设计的预测边界框损失函数和分类损失函数中，使模型能够自适应调整对边界框预测精度和分类置信度的关注。通过在CADC、BDD100K和自建数据集上的实验验证，本文方法相较于基线模型在mAP@0.5指标上分别提升了9.3、5.2和8.6个百分点。实验结果表明，该方法有效提高了算法在不良天气条件下的鲁棒性和准确性，显著降低了漏检误检的概率，提升了检测精度和预测结果的可靠性。关键词：自动驾驶;目标检测;YOLOv11;不确定性建模;拉普拉斯分布1|0|0更新时间：2026-08-03 -
基于改进YOLOv9的肺结节检测研究 AI导读
摘要：肺部结节的早期诊断对于提高患者生存率至关重要，但传统检测方法存在易丢失小目标特征、难以抵抗复杂背景干扰以及轻量化与性能失衡等问题。为此，提出一种基于改进YOLOv9的肺结节检测算法。首先，引入损失函数Shape-IoU，通过优化传统交并比的计算方式来增强模型对复杂背景和小目标的关注度；其次，设计空间—通道协同注意力模块，采用多尺度空间特征融合与渐进式通道压缩策略来强化算法的特征表达能力；最后，设计轻量化动态卷积模块，通过专家卷积核库动态选择策略，在保持模型轻量化的同时提升其特征提取灵活性。实验结果表明，改进算法的平均精度达82.7%，相较原始YOLOv9模型提升了2.4%，精确率、召回率分别提升了2.8%、0.6%，参数量减少了5×106。该算法实现了检测精度与轻量化的平衡，为肺结节的检测提供了高效解决方案。关键词：肺结节检测;YOLOv9;轻量化动态卷积;Shape-IoU;空间—通道协同注意力1|0|0更新时间：2026-08-03 -
基于曲率与极线迭代的多视图三维重建方法 AI导读
摘要：在多视图立体视觉领域，针对弱纹理、遮挡及复杂几何场景下存在的匹配精度不足的问题，提出一种融合曲率调制卷积与极线迭代优化的强匹配深度学习方法SM-MVS方法。首先，设计多尺度曲率感知网络，利用曲率先验动态调制卷积核增强边缘特征并抑制噪声；其次，提出极线几何迭代模块，在低分辨率深度图的基础上引入对极几何约束，采用极线动态采样与跨视图注意力机制逐步逼近真实深度；最后，通过门控循环单元（GRU）网络迭代优化直接得到高精度深度图，提升匹配精度、减少显存压力。在DTU公开数据集上的实验表明，该方法在完整性指标上相较于经典MVSNet提升22.1%，总体评分提升11.5%，适用于复杂场景下的物体三维重建。关键词：深度学习;极线几何;多视立体视觉;三维重建1|0|0更新时间：2026-08-03
图形图像处理
-
图像去噪算法综述 AI导读
摘要：图像去噪是数字图像处理的基础步骤，对图像质量的提高和后续处理起着关键性的作用。受限于拍摄设备精度及传输环境中的干扰，图像在成像过程中往往会产生多种混合噪声，导致画面模糊、细节不清以及色彩失真。这些问题正日益影响人们的生活与工作。人们对获取更清晰和更准确的图像需求变得愈发强烈，因此图像去噪显得尤为重要。根据去噪算法的类型，将算法分为滤波法、低秩优化法、稀疏优化法以及深度学习等方法，并从处理速度、抗噪能力和边缘保持等方面进行分析。此外，利用PSNR等评价指标进行了对比分析，评估了各种方法在不同图片上的去噪效果及其优缺点，进一步探讨了各方法的适用场景和发展方向，并对动态图像的实时去噪、参数自适应调整以及无需依赖大规模数据集的去噪方法进行了展望。关键词：图像去噪;数字图像处理;边缘保持;深度学习;实时去噪1|0|0更新时间：2026-08-03 -
灰狼优化算法的研究与应用综述 AI导读
摘要：灰狼优化算法作为一种源自灰狼社会等级与协同狩猎行为的群体智能算法，因其结构简单、参数少、易于实现等优点，近年来得到广泛关注与深入研究。围绕灰狼优化算法展开分析，首先介绍其生物学背景，其次分析该算法的数学建模过程，最后系统归纳和总结该算法的主要改进方法以及应用，为灰狼优化算法的理论深化与实际应用提供参考框架。关键词：群体智能;灰狼优化算法;机器学习;工程优化1|0|0更新时间：2026-08-03 -
基于大语言模型的知识图谱补全综述 AI导读
摘要：知识图谱是人工智能领域的重要研究方向，其核心任务之一是知识图谱补全。该任务涵盖三元组分类、链接预测和关系预测，旨在填补缺失的头实体、尾实体或关系。随着大语言模型在自然语言处理领域的快速发展，知识图谱补全与大语言模型相结合的研究日益受到关注，涌现出多种能有效处理图谱补全任务的模型。首先，阐述知识图谱补全的基本概念；其次，探讨与大语言模型融合的知识图谱补全模型；再次，介绍基于大语言模型的知识图谱补全模型的常用数据集与评估方法；最后，总结基于大语言模型的知识图谱补全模型的挑战，并对该领域的未来发展方向进行展望。研究成果可为相关研究者提供该领域现状的整体参考，助力后续研究进一步突破现有方法局限，推动知识图谱补全技术的发展与应用。关键词：大语言模型;知识图谱补全;自然语言处理1|0|0更新时间：2026-08-03
研究综述
- 技术支持由北京北大方正电子有限公司提供 鄂ICP备18021494号-4
鄂公网安备42010602004949号 - 本系统建议在Chrome、 IE9+ 以上版本浏览器阅读本站内容，360浏览器请切换至极速模式
- Cookies帮助我们提供服务并提供个性化体验。使用本网站，即表示您同意我们使用Cookies
0