中国人民大学

本公开提供一种声子谱加速计算与动力学稳定性评估方法。用户操作通过前端用户交互模块实现；所述势函数库管理模块集成多种通用机器学习原子间势函数，以统一的调用接口封装并通过势函数注册表调用通用机器学习原子间势函数的声子计算结果，并设置接口供进行模型选择；所述声子计算引擎模块自动判定动力学稳定性，输出最小声子频率；所述后端任务调度模块支持计算资源动态分配，以平衡多用户并发请求；所述结果可视化与下载模块以交互式图表展示声子能带图和态密度图，并提供数据下载。以此解决现有基于密度泛函理论的声子谱计算方法计算成本极高，难以满足材料逆向设计中高通量筛选的需求等问题。

本发明提出了一种基于近端修正项的个性化联邦学习共形预测方法及系统，属于联邦学习技术领域，通过将传统共形预测中直接求取校准得分分位数的问题转化为分位损失函数的优化问题，使分位数求解过程具备可迭代性；通过在客户端本地损失函数中引入近端修正项，将本地分位数约束在全局聚合结果附近，在保持个性化特征的同时实现跨客户端信息共享；并通过联邦学习参数传递、加权聚合的方式实现分位数的多轮迭代更新，全程仅传输分位数参数，保证数据隐私安全。本发明旨在解决现有联邦学习共形预测方法在处理非独立同分布客户端数据、保证覆盖率稳定性、提升跨客户端公平性等方面的技术缺陷。

本申请涉及一种电力现货价格的预测方法、装置和计算机设备。所述方法包括：获取当前时刻对应的历史时段内各历史时刻的历史电力负荷，以及当前时刻的气象数据；其中，历史时段与当前时刻所属的当前时段满足预设时间关系；根据气象数据和各历史电力负荷，确定当前时刻的预测电力负荷所属的目标负荷区间；根据目标负荷区间，确定当前时刻的预测电力现货价格。采用本方法能够通过根据先预测得到的当前时刻的预测电力负荷所属的目标负荷区间，可以针对不同负荷区间差异化确定当前时刻的预测电力现货价格，进而可以提高电力现货价格的预测准确性。

本发明公开了基于多模态大模型的统计后处理视频目标检测方法，涉及开放词表视频目标检测技术领域。包括：读取视频帧并建立索引，构造严格输出约束提示驱动多模态大模型推理；读取模型输出token的logits，聚合预定义二分类token得分，派生稳定逐帧正类概率，规避对生成文本的依赖；提取模型内部向量表征后与概率序列按帧对齐，基于正负样本组间差异筛选显著维度降维，加权融合构建多元时间序列；定位目标状态变化边界；计算各分段内概率的均值、峰值等统计量，通过规则判别生成段级标签并回溯赋值为帧级结果。本发明解决了现有视频目标检测中因模型输出格式不稳定、时序抖动严重导致的检测精度低、区间结构一致性差的问题。

本发明涉及数据库领域，公开了一种数据库慢查询复现方法、装置、设备及介质，可以基于慢查询SQL模板中的参数占位符集合，解析真实物理执行计划，得到至少一个选择算子基数约束、连接算子基数约束和参数化执行计划。对真实数据库统计信息进行单列分布建模，得到参与慢查询的至少一个数据列的单列累积概率分布。根据慢查询SQL模板和每个单列累积概率分布对每个选择算子基数约束进行求解，得到实例化参数集合和数据分布冲突信息。基于数据分布冲突信息对每个单列累积概率分布进行数据分布融合，得到融合后数据分布，最终进行慢查询复现并判定慢查询复现结果。本发明可以多样化数据库慢查询复现的有效方式。

本发明涉及心理健康技术领域，尤其涉及一种心理健康人机互动评估方法、系统、电子设备及存储介质。本发明通过将量表条目嵌入人机自然对话流程并逐条解析用户回答，在量表测评全部完成后统一触发情感触发任务，使量表标准化评估与深层心理机制探查在流程上分离、在结果上融合。量表评估结果反映症状严重程度，心理特征信息反映认知模式、情绪调节策略和内感受意识，既避免了任务执行对量表评分的干扰，又突破了传统量表单一总分维度的局限，最终通过融合两者生成多维度的心理健康评估结果，实现“症状严重程度”与“心理特征模式”的双轨评估，为精细化理解个体心理功能状态提供多维度的评估框架，从而为后续干预提供更丰富的靶向信息。

本发明涉及交互式数据可视化技术领域，提供了一种数据可视化交互生成方法及系统。该方法包括，基于触发‑目标‑反馈模型定义原子交互组件；当多重原子交互组件同时处于激活状态并捕获到输入事件时，利用键盘修饰键为不同交互分配独立的触发通道；为冲突的触发器赋予优先级权重，跨层级的较高优先级组件优先拦截事件；动态推断用户意图，并发出合成事件以绕过冲突；当原子交互组件需要更新多个关联视图或图层时，原子交互组件将抽象的状态变化异步广播给中央消息代理，中央代理接收并聚合来自多个原子交互组件的状态信息，解析最终状态；目标图层动态订阅代理，当接收到状态变化时，独立渲染其特定的视觉反馈。

本申请公开了一种优化内存峰值的科学数据条件过滤方法，涉及科学数据后处理技术领域，该方法在根据输入科学数据集和数据过滤条件确定对输入科学数据集执行条件过滤任务过程中的多个数据成员后，对各数据成员的整体依赖关系进行抽象建模，以各个数据成员之间的整体依赖关系作为管理处理过程中的各要素生命周期的依据，根据各个数据成员在条件过滤过程中的整体依赖关系依次对各个数据成员进行复制构造以及内存资源释放，从而实现对各种条件过滤程序的动态任务调度，该方法能够在保证条件过滤正确性的前提下，降低算法执行过程中的内存峰值开销，有利于提高条件过滤类方法在大规模数据处理场景下的适用性和稳定性。

本发明属于事件信息检索技术领域，且公开了基于事件要素图谱的传播策略智能分析系统，通过信源索引管理模块完成多领域信源的资质分级与可信度评分量化标注，对全渠道、多格式素材执行归一化标引与双向映射索引及关键词倒排索引构建，为每条素材生成唯一溯源编码，实现素材的标准化管理与快速溯源；通过要素抽取编码模块的语义解析能力，将信息单元划分为事件背景、客观事实、多方观点三类核心要素，通过语义哈希编码与跨信源同指对齐，建立要素与信源的映射关联；构建三层核心结构的事件要素图谱，配套四类复合索引机制，实现要素的多维度检索与快速调用，提升了信息处理规整度与调用效率。

本发明涉及数据挖掘领域，提供一种基于极小极大框架的共正则化多视图谱聚类方法、系统、设备及介质。该方法包括：对多个视图进行锚点选择与稀疏图构建，获得归一化锚点图；构造低秩相似度矩阵，并建立优化目标；固定基础视图权重，对视图特定谱嵌入矩阵与全局共识谱嵌入矩阵交替执行内层子空间更新，获得更新的视图特定谱嵌入矩阵与全局共识谱嵌入矩阵；固定视图特定谱嵌入矩阵与全局共识谱嵌入矩阵，基于约简梯度下降对视图权重进行外层寻优更新，获得更新视图权重；交替执行内层更新与外层寻优，以收敛的全局共识谱嵌入矩阵为输入进行聚类，获得聚类结果。本发明降低了大规模多视图数据聚类的计算复杂度。

本发明涉及数据可视化与图计算技术领域，提供了一种基于稀疏负采样的大规模图布局优化方法及系统。该方法包括，初始化图布局，构建有向边列表；遍历有向边列表，对有向边列表中的每一条边，计算节点之间的吸引力；对边的出点进行负采样，使用t分布力导向模型计算负采样点与出点的斥力，根据吸引力和斥力更新节点位置，隐式实现线性归一化度权重机制；动态更新学习率直至收敛；根据有向边列表的出点节点对边集合进行分组，使具有相同出点节点的边尽可能被划分至同一边分区；根据边分区结果，将不同边分区分配至不同计算线程，形成线程局部边集合；在线程内部独立遍历所属边分区，并分别更新引力与负采样斥力；直至收敛。