如何给TcxTreeList中的tcxCheckBox加点击事件？

数据处理之增删改练习作业图片

数据处理之增删改练习作业

【多源数据融合】基于Dempster-Shafer理论的信念对数相似度测量及其在多源数据融合中的应用（Matlab代码实现）

内容概要：本文系统阐述了基于Dempster-Shafer（DS）证据理论的信念对数相似度测量方法，并将其应用于多源不确定信息的融合问题中。该方法通过构建基本概率分配函数（BPA），引入对数相似度准则来量化不同证据间的冲突与一致性，有效克服了传统Dempster组合规则在高冲突情境下的反直觉推理缺陷。文章详细论述了DS理论的数学基础、信念函数与似然函数的定义、焦元的识别与处理机制，并结合Matlab实现了完整的算法仿真流程，验证了该方法在提升融合结果鲁棒性与准确性方面的优越性能。该技术适用于传感器网络数据融合、故障诊断、模式识别及复杂系统决策支持等存在高度不确定性与信息冲突的实际场景。; 适合人群：具备一定数理逻辑基础和Matlab编程能力，从事人工智能、数据融合、自动化控制、模式识别、故障诊断及智能决策系统等领域的研究生、科研人员与工程技术人员。; 使用场景及目标：①解决多传感器或多专家系统中因信息来源差异导致的证据冲突问题；②提升复杂环境下状态感知与目标识别的可靠性与精确度；③为不确定性推理与证据理论研究提供可复现、可验证的算法实现范例； 阅读建议：建议读者首先掌握D-S证据理论的基本概念，重点理解BPA构造、信任度与似然度计算过程，结合文中Matlab代码深入剖析相似度计算与证据融合的实现细节，可通过调整仿真参数对比不同融合策略的效果，以全面把握该方法的优势与适用条件。

风光储共交流混合微电网并网发电系统仿真（Simulink仿真实现）

内容概要：本文系统介绍了基于Simulink的三相四桥T型结构风光储共交流混合微电网并网发电系统的建模与仿真，涵盖风力发电、光伏发电、双向储能系统及其并网控制技术。重点实现Boost电路升压、三电平逆变器建模、SVPWM调制策略、模型预测控制（MPC）、中点电位平衡、虚拟同步发电机（VSG）控制、下垂控制、孤岛检测、预同步技术以及离并网无缝切换等核心环节。进一步拓展至交直流微电网协调控制、风光储耦合PEM电解制氢系统及低惯量电网下构网型变流器的先进控制策略（如下垂、VSM、dVOC等），并提供SCI论文复现案例与详细建模报告，配套参考文献丰富，适用于科研验证与工程实践。; 适合人群：面向电力系统、新能源发电、微电网控制等领域的研究生、科研人员及工程技术人员，要求具备MATLAB/Simulink操作能力及电力电子与自动控制相关基础知识。; 使用场景及目标：①开展风光储混合微电网系统级仿真与动态特性分析；②复现高水平SCI论文算法与拓扑结构，支撑学位论文或科研项目；③掌握VSG、MPC、下垂控制等先进控制技术的建模方法与实现路径； 阅读建议：建议结合公众号“荔枝科研社”发布的网盘资源与建模文档，按照目录顺序逐步学习，注重理论推导与仿真实践相结合，通过调试关键模块深入理解系统控制逻辑与动态响应机制。

风光储协同并网发电系统仿真（Simulink仿真实现）

内容概要：本文详细介绍了基于Simulink的风光储协同并网发电系统仿真模型，集成了风力发电、光伏发电与储能系统在交直流微电网中的协同运行机制，重点研究了多能源互补发电、能量管理、功率平衡及并网控制等关键技术。通过构建一体化协调控制系统，实现了对系统动态响应特性、能量流动规律和控制策略有效性的全面仿真分析，涵盖正常运行、故障穿越、模式切换等多种复杂工况，充分体现了高比例可再生能源接入背景下新型电力系统的运行特征与控制需求。 适合人群：具备电力系统、自动化或新能源等相关专业背景的研究生、科研人员及从事微电网与综合能源系统研究的工程技术人员。 使用场景及目标：①用于高校教学与科研中深入理解风光储协同发电系统的结构组成与多源协调控制原理；②支撑微电网、虚拟同步机、储能优化配置、综合能源系统等方向的课题研究与高水平论文撰写；③为实际工程项目的系统方案设计、控制算法验证与运行策略优化提供可靠的仿真依据和技术参考。 阅读建议：读者应结合Matlab/Simulink仿真环境动手复现模型，重点关注各子系统建模方法、控制模块参数整定及能量管理逻辑的实现细节，结合文中提供的参考文献与代码资源，深入掌握多源协调控制策略的设计思路与系统级动态响应特性。

AI智能体间接提示注入攻击测试案例数据集1272组九大场景

源自NVIDIA Nemotron-RL-Agentic-Indirect-Prompt-Injection-v1的完整测试案例集：1272个合成测试场景，每个场景中调用外部工具的LLM智能体收到无害的用户请求，而读取类工具返回的数据中隐藏对抗性指令(间接提示注入攻击)。每条案例记录攻击目标、可证明智能体已中招的确切工具调用、模拟后端数据与完整工具目录，无需LLM裁判即可自动化评测。覆盖九大企业领域：医疗183、法律177、房地产160、物流158、电商157、教育150、人力资源131、IT服务台91、保险65；四类攻击：未授权操作541、数据篡改366、拒绝服务247、数据外泄118；含40种目标工具、36种注入载体、45种验证类型。文件：train.jsonl原始逐行记录、cases.parquet扁平化表格、data_dictionary.csv字段字典、source_manifest.json来源与SHA-256清单。适用于LLM智能体安全评测、提示注入防御研究、红队测试与AI安全工程实践。