数据处理

1、项目背景：基于计算机视觉和大数据可视化技术分析交通路口行人、车辆的情况 2、项目概要：使用YOLO-V5、DeepSort等算法和框架对交通路口数据进行分析并可视化 3、我的工作及其结果：负责前后端整个可视化平台开发、YOLO-V5模型辅助训练、数据预测部分的LSTM和随机森林算法以及使用Echarts.js等方法将数据处理并可视化，获得第九届“互联网+”大学生创新创业大赛校级二等奖等，其中的子模块“基于监控视频车辆识别的道路交通CO2排放量智慧分析系统”获得大学生创新创业项目国家级立项等

数据处理类型小程序，自动读取文件夹内的excel文件，自动整理数据，进行一系列的增删改查等数据处理类操作，再根据客户的需求进行系列的计算分析，后将数据写入excel表格，并调整格式样式，使数据可视化，帮助用户更进一步的分析数据。

为响应党和国家智能化赋能教育教学行动的号召、解决传统的教育模式中存在的学生个性化学习缺失与教学的效率低和质量保证难的问题，本项目基于讯飞人工智能平台开发了一款智能教育AIE系统该系统是一款集教学、学习、评估与反馈于一体的综合性软件系统，利用大模型、数据分析、数据可视化分析等先进技术，满足学生个性化的学习需求，并为教师提供及时的教学反馈和数据分析支持。此外，该系统能够通过高质量的教育产品和服务，吸引并留住大量用户，有助于企业扩大市场份额与营收规模，同时，为企业带来宝贵的数据资源与用户反馈，为企业的后续产品开发与市场策略调整提供有力支持。因此，智能教育AIE系统不仅是贴近时代发展的创新产物，也是具有较高实际应用价值的产品。

通过机器学习，神经网络，随机森林，lstm插补异常、缺失气象数据，方块图算法数据清洗，可视化插补结果 通过机器学习，神经网络，随机森林，lstm插补异常、缺失气象数据，方块图算法数据清洗，可视化插补结果 通过机器学习，神经网络，随机森林，lstm插补异常、缺失气象数据，方块图算法数据清洗，可视化插补结果

本系统采用PC端，B/S架构实现，面相无人机航拍和摄影测量，图像处理分析行业。采用大疆无人机进行数据的采集。图像处理库进行图像的分析和检测。应用场景是在图像分析比较图像的这个对比。以及异常检测。还有不同的高空位置的这个图像的分析。

定位客群： 面向科研机构、商业分析团队及现场服务人员等需高频生成数据可视化报告，且常面临无网络办公场景的专业用户群体。 痛点解决： 突破传统网页报告工具对服务器部署和网络环境的强依赖性，提供离线下完整报告生成与展示能力。解决三大核心问题： 外勤场景无法保证稳定网络连接时的演示中断风险 敏感数据经云端服务器传输存在的安全隐患 复杂部署流程带来的时间成本与技术门槛

本方案为银行借贷系统，通过判定用户信息预测是否银行允许借贷，信息包括包含用户的：' '姓名，' '职业，' '教育程度，' '是否有房贷，' '是否已婚，' '是否有小孩，' '月收入，' '最终确定是否给与贷款' 采用最简单的决策树来判定，获得准确率、查准率、召回率和银行借贷模型。

1. [25%] 软件面向酒店行业的预订与管理场景，支持多分店信息维护、会员信息管理、房间预订、支付与反馈等业务流程。 2. [50%] 项目功能模块包括： - Branch/Manager/Member 的增删改查 - RoomReservation（房间预约）及 Payments（账单）管理 - Feedback（评分与评论）记录 3. [25%] 技术选型与架构： - 基于 MySQL 数据库，使用标准 SQL DDL/DML 脚本设计表结构 - 主外键、事务、约束保证数据完整性 - 后续可接 JDBC 或 ORM 框架扩展成完整 Web 系统

1.对于每天大于4个小时处理双色球数据的用户，减少其80%的时间 2.分为3个文件，最后构建3个EXE，其中一个处理历史数据，一个处理斜连期，一个处理重号 3.使用openpyxl库获取数据后，使用pandas处理（提取历史数据，斜连期，重号），最后使用pyqt5输出用户界面。然后将处理好的数据导出成TXT

总体技术负责及实现 项目描述 实现塔机终端监控设备由传统arm+linux设备向android工控屏转换，终端实现多路AD数据采集，包 括角度回转、吊重、高度、距离、无线通信数据等多路串口数据的采集、解析、分析、展示。 终端提供了塔基坐标配置、防护区域配置、告警参数配置、AD标定配置、负荷特性配置、系统参数 配置等配置功能。 终端提供了，塔机集群工作示意动图，包括集群中各塔机显示、回转角度、大小臂长、高度、重量、 力矩、通信状态、碰撞告警等动画、文字、声音提示等。 定义终端和云平台的通信协议，云平台提供多租户的管理方式，可自定义公司、工地，工地可以添加 终端设备集群。设备上电后，与云平台通信认证通过之后，即可通过云平台远程控制终端，同时，云 平台也可以实时展示各工作集群的装置和工作状态动图、实时数据。 项目职责 系统架构师、 android开发实现，云平台架构设计。产品在中东、印度、东南亚、南美广大地区现网稳 定运行中。

在电商平台成交以后，实验室接单并填写数据，根据数据自动生成检测报告。 是电商网站的b端配套的检测管理系统，采用了SSO单点登录。 调用了数据自动填入word模板，并最终转化成pdf的功能。 最后数据回传电商网站，采用了公钥私钥加密通信，最终用户可下载报告。

1.此系统是面向的客户是企业，针对需要有短信发送需求的企业，为企业解决了企业登录验证码发送和行业短信，营销短信，以及视频短信提交发送的平台。 2.此系统WEB管理端和HTTP接口协议端和所有定时任务，是由JAVA开发，后台发送服务由C++语言开发；采用验证码优先级最高的方法来处理验证码，针对发送失败的短信，通过配置可以对失败的短信进行补发，从而提高短信下发成功率； 3.此系统WEB管理端和HTTP接口协议端和所有定时任务，是由JAVA开发，后台发送服务由C++语言开发；WEB管理端采用了微服务框架开发，通过Dubbo和Zookeeper来实现服务之间的调用；由于每天的短信数量达到百万级，数据库处理采用了分库分表存储，使用ES来存储短信，提高查询性能；

基于主流文本生成大模型，内置上百ppt模板，可编辑可下载，随时随地生成一份满意的ppt，前端使用vue+elementui实时渲染ppt，可观测ppt生成过程。产品目的主要节省ppt制作时间，一份参考也可令人剩下不少时间。

### 1. 本方案面向谁，解决什么问题 #### 面向对象 本方案主要面向需要对指标流进行管理和路由的场景，可能的用户包括监控系统管理员、运维人员、开发人员等。这些人员负责管理和维护监控系统，需要确保各种监控指标能够准确、高效地路由到相应的存储或处理系统。 #### 解决的问题 在复杂的监控环境中，存在大量的监控指标，这些指标需要被发送到不同的系统进行处理和存储，例如 Prometheus 服务器、Kafka 等。然而，传统的监控系统可能缺乏灵活的路由机制，无法满足多样化的指标路由需求。本方案通过提供一个灵活的路由解决方案，解决了以下问题： - **指标路由灵活性**：能够根据不同的规则将指标流路由到不同的目标系统，例如将特定前缀的指标发送到 Kafka 主题，将特定标签的指标发送到 Prometheus 服务器。 - **指标过滤和筛选**：可以根据指标的名称、标签等信息进行过滤和筛选，只将符合条件的指标发送到目标系统，减少不必要的数据传输和存储。 - **多目标系统支持**：支持将指标流同时路由到多个不同的目标系统，例如 Prometheus 服务器、Kafka 等，满足不同

基于东方财富的自动化交易系统的主要功能有： 1、实时获取当日市场热门/人气龙头股票、基金、可转债结合自选、绩秀、超跌等股票进入票据池。 2、根据票据池内的票据实时获取相关股票、基金、可转债数据（如：价格、涨跌额、涨跌幅度、最低价、最高价、涨停价、跌停价、买一量、卖一量）。 3、结合实时数据分析判断相关股票、基金、可转债是否命中自定义的交易策略（如：上涨/下跌反弹策略、当日最高/低点策略、超跌策略、做T策略、涨/跌停开板策略）。 4、命中交易策略后分析交易前置条件是否满足。 5、满足交易条件后开始模拟交易或仿真交易。 6、当日交易事件结束之后重新收集数据，并对各股票、基金、可转债数据进行分析存储，次日依据该分析结果选择是否进入票据池。 该系统的作用主要在于可以有效避免投资情绪化，通过自定义策略可以有效避免追涨杀跌，同时还可以快速过滤出具有潜力属性的投资产品。

本文旨在探讨文本查重技术。为了适应不同搜索引擎的配置，我们需要处理各种搜索引擎输入框和搜索按键的不一致性。通过针对性配置，我们可以实现多搜索引擎的同步搜索。结合卷积神经网络与百度搜索引擎的技术优势，能够更精准地获取文本查重结果及相关搜索建议。这样的综合应用提高了文本处理的效率和准确性，为用户提供了更便捷、多元化的搜索体验。

本方案聚焦于经典鸢尾花多分类问题，创新性地采用高斯朴素贝叶斯（Gaussian Naive Bayes）模型对Iris setosa、Iris versicolor、Iris virginica三种鸢尾花进行精准分类。该模型基于贝叶斯定理构建，通过假设花萼长度、花萼宽度、花瓣长度、花瓣宽度四个连续型特征服从高斯分布，且特征间满足条件独立性，有效处理Fisher鸢尾花数据集中的四维特征空间。方案通过极大似然估计法获取各特征的高斯分布参数，利用先验概率与似然概率的乘积计算后验概率，最终选择最大后验概率对应的类别作为分类结果。该模型以计算效率高、可解释性强为优势，能清晰展示各特征对分类结果的贡献度，在植物学模式识别与机器学习教育领域具有双重应用价值，尤其适合处理小样本高维分类任务。

本方案专注于上市公司股票价格的动态建模与趋势研判，创新性地引入高斯隐马尔可夫模型（G-HMM）构建双维度预测体系。该模型通过捕捉金融时间序列中的潜在状态转移特性，有效解析股票量价数据中隐含的非线性波动规律。方案采用变分贝叶斯算法优化隐状态空间分布，结合EM迭代机制实现参数自适应学习，不仅可生成未来N期价格路径的概率预测区间，还能同步绘制包含置信区间的动态趋势图。通过引入波动率聚类分析与市场情绪因子，模型较传统时间序列方法显著提升了对极端行情的预警能力，为投资决策提供兼具理论严谨性与实战价值的量化支持。

本方案主要研究激活函数在人脸识别模型的搭建与训练过程中所产生的影响，具体分析不同激活函数对模型训练时间和准确率的作用。我们将从以下几个方面进行详细探讨：首先，使用不同的非线性函数进行模型搭建，比较其在训练过程中的表现差异；其次，针对饱和函数和非饱和函数进行分类研究，分析这两类函数在模型训练中的优势和不足。通过这些研究，我们期望能找到一种能够在保证准确率的前提下，缩短训练时间的激活函数，从而优化人脸识别模型的性能。

1：本项目主要解决公司给客户提供市场更及时详细的信息，给公司管理提供更方便的数据大盘。 2：客户关系维护，使用了常规的短信通知，使用了一对一的微信群通知。 3：产品后端主要使用asp.net MVC 前端使用了uniapp Vue2.0，缓存，数据库用的sqlserver 等技术实现