扩散模型在图像生成中的应用实践 数据加载模块结构 ├── 核心接口 │ └── torch.utils.data.Dataset │ ├── len() # 数据集大小 │ └── getitem() # 数据采样 ├── 数据集实现 │ ├── BRATSDataset3D (bratsloader.py) │ │ ├── 数据特征：3D医学图像（nii.gz格式） │ │ ├── 目录结构要求： │ │ │ └── 直接包含nii文件（无子目录） │ │ │ ├── brats_xxx_t1.nii.gz │ │ │ ├── brats_xxx_t1ce.nii.gz │ │ │ └── ...（多模态数据） │ │ └── 切片处理：将3D数据切片为2D（155 slices/volume） │ │ │ ├── ISICDataset (isicloader.py) │ │ ├── 数据特征：皮肤镜图像（jpg + png掩码） │ │ ├── 目录结构要求： │ │ │ ├── ISBI2016_ISIC_Part3B__GroundTruth.csv │ │ │ ├── 图像文件（jpg） │ │ │ └── 掩码文件（png） │ │ │ └── CustomDataset (custom_dataset_loader.py) │ ├── 数据特征：通用分割数据（png格式） │ └── 目录结构要求： │ ├── images/.png │ └── masks/.png ├── 数据变换 │ └── torchvision.transforms │ ├── Resize() # 统一图像尺寸 │ ├── ToTensor() # 张量转换 │ └── Compose() # 组合变换 └── 数据加载器 └── torch.utils.data.DataLoa

matlab 大气模型扩散代码uMCGA（通用蒙特卡罗遗传算法） 用 MCGA 算法解决优化问题 [1]。 本算法在 [2] 中有描述。 uMCGA 允许优化参数需要适合多个数据集的问题。 该代码最初是为了从测量颗粒蒸发的实验数据中推导出二次有机气溶胶特性（例如颗粒相中不同有机化合物的组成和扩散系数）而开发的。 目前只有 MATLAB 实现可用。 用法 结果 = umcga（问题） 输入 问题：描述优化问题的结构。 需要包含字段。 populationSize : 遗传算法部分的种群大小。 populationSizeExtra ：蒙特卡罗部分的人口规模。 NElite : 总是移动到下一代的精英候选人的数量。 Ngen ：世代数。 MC 部分是第一代，因此 GA 部分会有 (Ngen-1) 代。 Nrun ：独立优化运行的次数。 Ndataset ：优化中使用的数据集数。 mutationProbability ：遗传算法中发生突变的 0-1 之间的概率值。 当变异发生时，候选者的自由参数会在它们设定的间隔内再次随机抽取（自由参数定义见下面的 fitparams 结构描述） mode

模型爆炸扩散 楼层分离

模型分离，楼层扩散，模型爆炸效果

讨论了偏微分方程中P-M模型扩散系数及梯度阈值的选取对图像去噪的重要性，并对比了两个扩散系数的优点和缺点。在此基础上提出了一个新的扩散系数，新的扩散系数并应用到CLMC模型中进行数值离散实验，比较了三个扩散系数对图像去噪的效果，数值模拟实验结果表明，新的扩散系数能够有效的进行图像去噪。