聚类

ICCV 2025 | 镜像神经元的具身表征对齐

从模仿父母挥手,到观看视频学会一道新菜,人们似乎天生就拥有一种“看样学样”的神奇能力。这背后隐藏着大脑的一项深刻机制,而它的发现,要从一个关于猴子和花生的故事说起。上世纪90年代,镜像神经元这一偶然发现,揭示了生物智能的深刻奥秘:“看别人”与“自己做”并非各自

模型 镜像神经元 au 聚类 iccv 2025-11-14 20:30  2

超越恢复:面向灾害的组织韧性如何实现逆境反超

组织韧性是组织在遭遇严重风险时维系生存进而实现持续发展的根本。研究灾害情景下的组织韧性,目的是搭建韧性理论研究与应急管理实践的对话通道,以组织韧性研究的丰硕成果和管理启示指导灾害应急管理的研究与实践。本文基于灾害情景下的组织韧性研究问题,采用Citespace

防灾减灾 科技导报 灾害 聚类 灾害管理 2025-09-23 22:39  6

一种多模态时频域自适应聚类信号智能提取与降噪方法(完善中)

首先加载合成地震数据,然后添加高斯白噪声和50Hz电力线干扰模拟真实环境。系统提供两种去噪方法:基于短时傅里叶变换(STFT)的去噪器和基于连续小波变换(CWT)的去噪器。STFT去噪器通过时频分析、信噪比阈值处理和聚类分析来识别和增强信号成分,同时抑制噪声。

模态 聚类 频域 聚类信号 频域自适应 2025-09-11 15:56  8

多模态时频域稀疏信号自适应聚类增强检测与降噪(完善中)

算法用于检测和去除地震信号中的噪声,首先加载合成地震数据,然后添加高斯白噪声和50Hz电力线干扰模拟真实环境。系统提供两种去噪方法:基于短时傅里叶变换(STFT)的去噪器和基于连续小波变换(CWT)的去噪器。STFT去噪器通过时频分析、信噪比阈值处理和聚类分析

模态 聚类 频域 频域稀疏 自适应聚类 2025-09-11 15:45  8

一种时频域稀疏信号自适应聚类增强检测方法(完善中)

实现了一个完整的时频域稀疏信号处理系统的参数优化流程,首先加载示例地震数据,提取训练集并创建数据增强器,通过添加不同水平和颜色的噪声来模拟真实环境。然后使用Optuna超参数优化框架对去噪器的关键参数进行多目标优化,包括STFT窗口大小、重叠率、信噪比阈值以及

聚类 频域 帕累托 频域稀疏 自适应聚类 2025-09-11 16:00  8

Nature Methods | 告别聚类“玄学”:TCAT为T细胞研究带来可定量、可比较的分析新时代

在人体这个由亿万细胞构成的精密国度里,T细胞无疑是最富传奇色彩的卫士。它们是免疫系统的核心执行者,如同身怀绝技的特种兵,能够精准识别并清除被病毒感染的细胞、狡猾的癌细胞,甚至还能“记忆”曾经的敌人,以便在下次入侵时迅速反应。然而,这些细胞卫士并非千人一面。它们

玄学 naturemethods 定量 聚类 tcat 2025-09-10 17:25  6