科学研究

调研围绕三大核心板块展开。用户行为特征分析：运用K-Means聚类识别两类核心群体——“本土情怀·潜在共鸣者”（44.4%，从未付费但对长沙本土元素偏好强、情感共鸣显著）与“多元尝鲜·付费行动派”（55.6%，付费行为普遍、题材偏好广泛、价格接受度较高），并通过决策树模型挖掘年龄、学生身份、居住时长

平台围绕系统评价制作全流程，提供"项目工作流"驱动的十大模块：①文献检索策略生成（AI辅助生成PubMed/检索式）；②文献管理（Zotero/EndNoteXML导入、自动去重）；③纳入排除标准构建（CriteriaBuilder）；④标题摘要AI筛选（基于LLM对上万条题录批量判定纳入/排除）；

加快了农村基础建设进程加快农村改革的进程加快了城镇居民医疗?！你不来就别去咯哦咯加快了农村基础建设进程加快农村改革的进程加快了城镇居民医疗?！你不来就别去咯哦咯了农村基础建设进程加快农村改革的进程加快了城镇居民医疗?！你不来就别去咯哦咯

1.亚像素级缺陷检测：识别裂纹、压痕、多余物（如直径0.05mm金属屑）。2.三维位姿与对合评估：计算发动机法兰对接面的平行度与间隙（精度0.02mm）。3.动态跟踪与预测：预测活动线缆在振动环境下的瞬时曲率半径，防止折断。4.零漏报报警：检测到疑似缺陷即锁定设备。·硬件：定制紫外+结构光多光谱相机

TouchLabel是一个开源的触觉传感器数据标注与分析Python工具包，面向机器人触觉感知研究社区。目前支持4种主流触觉传感器（GelSight、DIGIT、Paxini、Daimon）的数据加载、可视化标注和跨传感器特征提取。核心功能模块：统一数据加载器：一行代码加载不同传感器数据，自动识别格

1.实验设计支持灵活构建实验逻辑，提供鼠标按键时间控制、刺激分组、鼠标控制、背景及背景音效配置、实验流程可控跳转、事件触发、随机设置、交互判断、预刺激设置等功能，满足多样化实验场景的设计需求。2.刺激呈现可展示多类型实验材料，包括文字、图片、富文本、绘制形状、混合材料、视频、桌面录制、网页、问卷测评

Nino是一个面向C#/.NET场景的高性能二进制序列化库，主要用于解决对象序列化性能低、内存分配高、运行时开销大等问题。项目支持自动化构建与发布流程，适用于游戏、后端服务、实时通信、缓存、数据传输等对性能敏感的场景。相比传统序列化方案，该项目在特定场景下可获得显著性能提升。

1、超大图处理流水线：设计了重叠滑动窗口切片与全局坐标映射机制，突破了硬件显存限制，实现了对数亿像素级影像的无缝推理，有效解决了切片边缘目标漏检问题。2、SAR数据增强适配：针对SAR数据高动态范围特性，实现了基于百分位截断拉伸的预处理算法，显著增强了目标与背景的对比度，提升了模型在单通道雷达图像上

通用数据采集工具，基于Python开发，支持多目标网站并行抓取。内置代理池轮换机制、User-Agent随机化和Cookie自动管理，有效规避反爬策略。支持定时任务调度，可按时间间隔自动执行采集任务。集成日志记录与异常告警机制，保证采集任务稳定运行。支持Docker一键部署，开箱即用。

本项目主要实现科研实验数据的读取、清洗、分析和可视化展示。支持对Excel、CSV、TXT等格式数据进行导入与整理，可完成缺失值处理、异常值检查、重复值删除、数据归一化、标准化处理和指标计算。在图表绘制方面，可根据实验需求生成折线图、柱状图、散点图、预测值与真实值对比图、loss曲线、RMSE/MA

项目包含五大核心功能模块：1.多源遥感数据预处理模块，支持不同分辨率、不同模态图像的配准、去噪与增强；2.多模态特征融合模块，实现可见光/红外数据的特征级互补，强化目标特征表达；3.目标检测核心模块，支持单模态/多模态检测模式切换，适配建筑物、车辆、灾害目标等多类目标；4.模型评估模块，提供mAP、

Morton编码（Z-order曲线）通过**交叉多维坐标的二进制位**，将空间点映射为一维整数值，并保留一定的局部邻近性。-**原理**：以二维点`(x,y)`为例，交替取`y`和`x`的二进制位组成新数。三维则按`x,y,z`顺序交叉。-**特点**：编码相邻的点在空间中大概率相近；编码隐含四叉

设计并实现面向"长程自主行为"的Agent运行时，核心创新在于"潜意识生成"原语：Agent无需连续人工Prompt，可自主合成内部目标、持续积累记忆支持三种运行模式：ReverieMode（自主探索）、LucidMode（交互问答）、MurmurMode（混合模式），基于FastAPI+WebUI

1.机器人本体类型可重构模块化蛇形机器人（多关节串联、支持断尾求生/自主分离重构）2.感知-决策-重构-控制全闭环智能生存系统双层决策：反应层（阈值保护）+认知层（智能仲裁）分布式硬件：边缘计算（ESP32-C6）+主控（JetsonOrinNX）3.面向故障/被困应急的自主重构与运动恢复系统核心能

可插拔式模块体系：支持运行时动态加载、卸载功能组件通信协议仿真支持，包括数据链路、网络、指控等模型高度可扩展：算子框架支持自定义算法模块强大的数据收集、分析与可视化接口

1.文献调研：系统梳理结构化剪枝、非结构化剪枝、基于重要性度量的剪枝三大类方法，对比优缺点。2.思想框架设计：提出基于“模6阴阳分类”与“统计抵消”的剪枝新范式，将卷积核参数离散化后进行阴阳分类，通过贪心对偶映射实现冗余核成对抵消。3.可行性论证：从数学基础（Burgess界保证配对存在性）、工程适

1.整数模6分类：输入任意正整数范围，自动按模6余数将整数分为阳数（6k+1）、阴数（6k-1）及中性数，并高亮素数。2.半素数分解：对合数进行质因数分解，识别其阴阳因子属性，计算基于勒让德符号的权函数值。3.统计抵消模拟：对阴类半素数执行贪心配对算法，可视化展示污染项的统计期望归零过程。4.数据导

项目具备就业现状调研、岗位大数据挖掘、多模型量化分析、趋势精准预测及决策建议输出五大核心功能，可完成问卷数据采集、岗位信息清洗、LDA主题挖掘、学历薪资梯度分析、毕业生规模与院校就业率预测，并从多方主体给出可落地的就业优化方案。‘

项目具备就业现状调研、岗位大数据挖掘、多模型量化分析、趋势精准预测及决策建议输出五大核心功能，可完成问卷数据采集、岗位信息清洗、LDA主题挖掘、学历薪资梯度分析、毕业生规模与院校就业率预测，并从多方主体给出可落地的就业优化方案。‘

在感知与状态估计方面，项目引入多传感器建模与估计器设计，模拟IMU等传感器数据输出，并通过融合算法对飞行器姿态与状态进行实时估计，提高系统对噪声与误差的鲁棒性。整体架构兼顾性能与扩展性，核心模块采用高效的数据结构与计算方式，支持后续接入控制算法（如PID、模型预测控制等）进行闭环验证。