学术背景与问题引入 在多专家多准则决策（Multi-Expert Multi-Criteria Decision-Making, MEMCDM）领域，如何有效处理不确定性和不精确信息一直是一个核心挑战。特别是在涉及多个专家和多个决策准则的复杂场景中，专家的意见往往存在分歧，导致决策过程复杂化。为了应对这一问题，研究者们提出了基于区间集（Interval Sets）的决策方法，区间集能够通过上下界集合来更全面地描述不确定的定性信息。然而，现有的基于区间集的决策方法，尤其是替代排队法（Alternative Queuing Method, AQM）中的相似性和差异性度量，仍存在一定的局限性，特别是在绝对量化（Absolute Quantization）的框架下，信息提取的精确性和全面性有待提升。...

学术背景 近年来，中文词向量（Chinese Word Embedding）在自然语言处理（Natural Language Processing, NLP）领域引起了广泛关注。与英语不同，中文的字符结构复杂且多样，这为语义表示带来了独特的挑战。传统的词向量模型（如Word2Vec）在处理中文时，往往无法充分捕捉汉字内部的细微语义信息，尤其是忽略了不同层次的子词信息对语义的贡献差异。例如，汉字由笔画、部首、拼音等多个子成分构成，这些子成分在不同语境下对语义的理解起着重要作用。然而，现有的模型在处理这些信息时，往往采用统一的方式，未能有效区分各子成分的权重。 为了解决这一问题，本文提出了一种基于权重的中文词向量模型，该模型将中文词的内部结构分为六个层次的子词信息：词、字、部件、拼音、笔画和结构...

背景介绍 在机器学习领域，半监督学习（Semi-Supervised Learning, SSL）因其能够利用少量标注数据和大量未标注数据进行学习而备受关注。特别是在数据标注成本高昂的场景中，基于图的半监督学习方法逐渐成为研究热点。图卷积网络（Graph Convolutional Networks, GCNs）在半监督学习中表现出色，尤其是在具有图结构的数据（如引文网络和社交网络）中。然而，GCNs在非图结构的多视图数据（如图像集合）中的应用仍存在明显空白。 多视图数据（Multi-view Data）是指从不同视角或模态捕捉同一对象信息的数据集。例如，电视数据包含视频和音频两个视图，自然语言理解中同一语义对象可以用不同语言表达，人脸识别中2D图像和3D模型代表不同模态的面部数据。多视图学...

学术背景 近年来，随着大型语言模型（LLMs, Large Language Models）的快速发展，其在自然语言处理（NLP, Natural Language Processing）领域的应用越来越广泛。LLMs 如 ChatGPT 和 LLaMA 等，展现了强大的语言生成和理解能力，甚至在情感表达和同理心方面也表现出色。情感支持对话系统（ESDS, Emotional Support Dialogue Systems）旨在通过对话传达理解、同情、关怀和支持，帮助他人应对情感困扰、压力或挑战。然而，尽管 LLMs 在情感对话中展现了潜力，但它们在提供有效情感支持方面的能力尚未得到全面评估。 本研究旨在探讨 LLMs 是否能够作为情感支持对话系统的核心框架，并评估其在情感支持策略和语言使...

学术背景 在决策分析、模式识别和医疗诊断等领域，模糊集理论为处理不确定性和模糊性提供了重要的数学工具。传统的模糊集（Fuzzy Set, FS）和直觉模糊集（Intuitionistic Fuzzy Set, IFS）在处理复杂数据时存在一定的局限性，尤其是在需要考虑中立性（neutrality）的情况下。图片模糊集（Picture Fuzzy Set, PFS）作为一种扩展的模糊集理论，引入了中立性这一维度，能够更全面地描述现实世界中的模糊信息。然而，现有的PFS相似度度量方法在处理某些问题时存在不合理的结果，例如无法满足公理要求、计算不同PFS之间的相似度时产生矛盾，以及在模式分类中表现不佳。为了解决这些问题，本文提出了一种基于逆切函数的新型PFS相似度度量方法，并展示了其在分类和医疗诊...

学术背景 在当今的医疗环境中，医学影像在疾病诊断、治疗规划和健康管理中扮演着至关重要的角色。然而，传统的医学影像分析方法存在诸多挑战，如过拟合（overfitting）、计算成本高、泛化能力有限以及噪声、尺寸和形状变化等问题。这些挑战导致医学影像的分类和检测精度受限，影响了临床决策的准确性和效率。 为了应对这些挑战，研究者们提出了多种基于机器学习和深度学习的医学影像分析方法。然而，这些方法在处理复杂数据集时仍存在局限性，尤其是在计算效率和分类精度方面。因此，本文提出了一种名为EPDTNet+-EM（Efficient Parallel Deep Transfer Subnet + Explainable Model）的新型医学影像处理框架，旨在通过增强的迁移学习和并行子网架构，提高医学影像中...

背景介绍 痴呆症是一种全球性的健康问题，严重影响患者的生活质量，并给医疗系统带来巨大负担。阿尔茨海默病（Alzheimer’s Disease, AD）和额颞叶痴呆（Frontotemporal Dementia, FTD）是痴呆症的两种常见类型，它们的症状有重叠，导致准确诊断和针对性治疗开发尤为困难。早期检测和准确诊断对于有效管理痴呆症至关重要。传统的诊断方法，如临床评估和神经影像技术（MRI、PET扫描），虽然有效，但成本高、耗时长且不易普及。因此，研究人员开始探索非侵入性、成本效益高的替代方法，如脑电图（Electroencephalography, EEG）。 EEG通过头皮上的电极捕捉大脑的电活动，具有高时间分辨率、成本低且易于使用的特点。痴呆症患者的大脑功能变化可以通过EEG信号...

背景介绍 随着无人机（UAV）技术的快速发展，无人机拍摄的低空遥感图像在灾害管理、搜索与救援等任务中得到了广泛应用。然而，无人机图像中的小目标检测（small object detection）仍然是一个具有挑战性的问题。由于小目标在图像中仅占少数像素，且分布不规则，现有的目标检测算法在这些场景中的表现往往不尽如人意。特别是，尽管一些现有的检测器引入了多尺度特征融合（multi-scale feature fusion）模块以提高检测精度，但这些传统方法常常忽略了目标与背景之间的权重关系，导致小目标在深层特征图中的重要性被削弱。此外，广泛使用的交并比（Intersection over Union, IoU）度量及其变体对小目标的位置误差特别敏感，这显著影响了基于锚框（anchor-base...

学术背景 随着全球能源需求的不断增长，能源存储技术（Energy Storage Technology, EST）在缓解环境影响和减少碳足迹方面扮演着至关重要的角色。EST不仅是可再生能源的重要组成部分，也是全球能源结构脱碳的关键。然而，选择合适的EST涉及多个可持续性方面的考量，这使得决策过程变得复杂且充满不确定性。传统的决策方法在处理这种多准则、不确定性和不一致性的问题时往往显得力不从心。 为了解决这一问题，作者提出了一种基于单值中智集（Single-Valued Neutrosophic Set, SVNS）的混合多准则群体决策（Multi-Criteria Group Decision-Making, MCGDM）方法。SVNS作为模糊集的一种扩展，能够更好地处理现实决策中的不确定、...

学术背景与问题提出 在模糊集（Fuzzy Sets, FSs）的研究领域中，处理不确定性问题是核心挑战之一。模糊集由Zadeh于1965年首次提出，并迅速成为理论与应用研究的热点。随着研究的深入，模糊集的扩展形式——正交对模糊集（Orthopair Fuzzy Sets, OFSs）应运而生。OFSs通过引入正交对（即隶属度与非隶属度）来更全面地描述不确定性信息。Yager在2013年首次定义了OFSs，并提出了q阶正交对模糊集（q-Rung Orthopair Fuzzy Sets, q-ROFSs）的概念。随后，Gao和Zhang在2021年进一步提出了线性正交对模糊集（Linear Orthopair Fuzzy Sets, LOFs）及其对称形式——对称线性正交对模糊集（Symmet...