利用计算机的硬件和软件,分析、计划、控制和决策模型,建立课题申报管理系统,大大地提高了使用者的工作效率;每个角色的账号都单独配有密码,每个用户都可自行更改密码,信息更具保密性;所有数据都存放在数据库中,可导出为Word、Excel、PDF等形式,也可随时打印,操作更具便捷性。本系统可以帮助申报人在线进行信息的填报,省去了过去烦琐的电脑填写再纸质打印再提交的过程。帮助课题申报管理部门管理大量的、动态的、错综复杂的数据和信息,比如动态分配账号、查看管理申报过程、查看专家评审状态等等。帮助评审专家提供便捷的课题评审流程,无须再去翻看大量的纸质文件,网页浏览即可直接确定评审结果。

企业信息化的普及使广告投放和宣传手段从以往的人工宣讲、传单发放等方式,到目前的SEM(搜索引擎推广)技术应用,突破了时间空间限制,将产品服务展现给更广阔的市场。部分企业在网络营销过程中常因数据采集方案落后、决策因素过于狭窄等导致收益降低。本文分析案例公司A存在的不合理业务流程,并基于SEM接口技术、AHP(层次分析法)对相关流程进行建模优化,设计了一套可行的系统和决策优化方案。

命名实体识别是一项从非结构化大数据集中抽取有意义的实体的技术。命名实体识别技术有着非常广泛的应用,例如从轨道交通列车产生的海量运行控制日志中抽取日期、列车、站台等实体信息进行进阶数据分析。近年来,基于学习的方法成为主流,然而这些算法严重依赖人工标注,训练集较小时会出现过拟合现象,无法达到预期的泛化效果。针对以上问题,本文提出了一种基于强化学习的协同训练框架,在少量标注数据的情况下,无须人工参与,利用大量无标注数据自动提升模型性能。在两种不同领域的语料上进行实验,模型F1值均提升10%,证明了本文方法的有效性和通用性。同时,与传统的协同训练方法进行对比,本文方法F1值高于其他方法5%,实验结果表明本文方法更加智能。

电子支付、电子商务、互联网广告、大数据交易等业务,都是由多个主体参与的持续性业务。对账系统是此类业务开展中的重要一环,它保证了各参与方数据一致。区块链技术集成了分布式公共账本及智能合约技术,且本身具有不可伪造、不可篡改的特性,可以满足对账系统的需求。本文讨论了基于区块链技术的对账系统,并给出了依托Bitcoin和Ethereum公链的具体实现。利用区块链特性,对账系统可以实现去中心化对账。相对于中心化对账,该方案不依赖某单一参与者,没有单点故障;对账结果通过区块链存储,结果可追溯、验真;数据根据授权分别存储于公链及私链,保证了数据隐私。

传统计算机应用水平考试系统虽然能够实现考试要求,但是其弊端更为明显,无法达到更好的应用效果。分布式计算机应用水平考试系统则更具合理化系统应用特点,能够达到更好的应用效果。本文就分布式计算机应用水平考试系统设计进行分析,希望可以为分布式计算机应用水平考试系统的更好应用提供借鉴。

在互联网大规模应用的环境下,如何有效分析用户喜欢访问什么网站、在互联网上喜欢做什么、浏览什么是针对用户行为分析的重要内容。DNS作为一种域名解析服务,是互联网业务通信的重要保障,几乎所有互联网业务访问运行均离不开DNS的支持,所以本文通过对DNS海量日志进行收集、清洗、存储全流程处理过程,并结合以ELK为平台、以业务分析模型为基础,从而使DNS日志分析结果可视化清晰呈现,让用户了解互联网业务访问运行趋势,也直观表现出用户实际的访问情况,最终实现用户行为的态势感知。

基于复杂网络理论,使用上证A股2009—2014年的周收益率数据,根据相关系数大小确定阈值并构建其复杂网络结构,进行网络度数中心性、凝聚子群和小世界效应等特征分析,发现能源、交通运输和房地产类股票在沪市中占据重要地位,其波动对整个市场的影响较大;部分股票在不同"团体"中出现,或与同类股票形成"小世界"。研究揭示了A股市场的微观复杂结构,对把握市场主要矛盾运动和转化方向、实施系统性风险管理等具有重要启示。

电信运营商拥有着庞大的客户群体、海量的数据资源,如何挖掘大数据价值,精准把握客户需求,将成为运营商保持行业领先的关键。为吸引更多优质异网用户在携号转网过程中携入,本次研究通过大数据技术,借助DPI[1,2]解析信息构建异网号码池,运用逻辑回归、决策树、boosting算法[3]等原理搭建转网倾向评估模型,最后通过客户画像、异网策反目标用户分群[4],并配置针对性营销策略,构建起一个较为完善的"异网获客系统",提升运营商在携号转网过程中的客户经营服务能力。

大数据环境下数据分析是数据价值发掘的重要过程,合理的数据分析方案对数据分析过程和成效至关重要,提出一个大数据分析流程方案设计方法。该方案详细给出了分析流程应包括的内容,以及每个阶段的主要任务和结果形式,从而能有效指导数据分析项目的执行。该方法成功地应用于在线学习课程成绩预测分析项目中,对其他数据分析项目也具有通用性。

针对公众在网上交流时文字信息被窃取的问题,提出一种文字加密并隐藏于彩色图像的方法。将文字信息的Unicode码编码为20位二进制,并以7位以下的数字作为密码,以此为参数构造可逆运算置乱信息二进制编码,实现加密,利用LSB算法将加密二进制数据嵌入蓝光通道,实现信息隐藏。经实验仿真和数据分析表明,该方法易于实现,采用本方法能在彩色图像中隐藏大量文字信息而不显著影响图像的质量,且密图有一定的抗破解能力。

针对风险管理提出了一种基于SWOT与AHP算法融合分析法,首先运用SWOT定性分析存在的风险因素,梳理其中的内部逻辑关系,其次利用模糊层分析理论,构造层次结构,求出各种风险因素所占比重及风险发生的概率。最后根据风险因素发生概率权重的大小得出战略方位角及战略强度,为研发大型项目风险管理应对策略提供基本思路和方向。本文通过一个银行开发实例,完整演示了这种融合分析法的有效性和对复杂问题决策提供可靠的依据。

随着移动技术的发展,移动端应用变得越来越普遍。这使得基于"互联网+"学习社区系统的辅助教学活动将越来越多地发生在移动端。本文在探讨了学习社区系统在教学活动中的作用及系统选择的依据后,着重分析了系统的移动端浏览和社交软件辅助登录的应用。在针对这两种应用对系统进行了配置后,对配置结果进行了验证。验证结果表明,配置后的系统可以有效支持移动端浏览及社交软件辅助登录,为教师的辅助教学活动提供了与时俱进的"互联网+"支持。

设计并开发了一款基于人脸识别的课堂教学监控系统,该系统通过识别学生上课的表情信息,分析课堂教学情况。首先提出一种基于图像递归切割和OpenCV的人脸检测方法,以提高人脸检测召回率;然后使用百度AI开放平台的在线接口识别人脸表情信息,并将信息插入数据库;最后根据学生表情信息分析低头率、活跃度等课堂情况。实际部署测试后分析了系统的运行效果及时间消耗,结果表明该系统可有效监控课堂教学情况。

精品课程的建设是提高高等教育质量,实现高等教育跨越式发展的重要举措,除了建设一流的教学团队,创建一流的管理外,建设一个界面友好,资源丰富,互动性强的精品课程网站也至关重要。《移动应用程序开发》精品课程网站经过系统功能需求分析及总体设计,利用HBuilder平台和PHP语言完成了注册、登录、浏览信息、上传下载文件、在线交流、视频播放等功能设计。系统后台采用Apache、PHP和MySQL进行搭建。

本文介绍了公路工程路基防护设计中常用的工程量计算方法和流程,并针对其中制约工作效率的环节提出了软件解决方案,利用C#语言设计了简洁的操作界面,实现了利用GeoDIG路基防护设计软件导出的excel数据文件和"通用表"进行自动算量的目标。经测试表明,该软件贴合实际生产需求,算量之前的设计工作不需做任何改变,显著提高了路基防护工程量计算效率和计算精度,可为具有同类问题的读者提供参考。

以R语言为数据分析的工具,基于相关分析和回归分析方法,对太原市PM2.5的影响因素进行分析。研究PM2.5与其他气态污染物之间的关系,探讨各气态污染物在PM2.5二次合成中的贡献;建立PM2.5和PM10的回归模型,方便通过PM10对PM2.5进行预测。结果显示:（1）太原市区空气污染物中,PM2.5和PM10相关性最强;（2）PM2.5和PM10回归分析得到回归模型为PM2.5=0.63PM10-11.76（R2=0.8427）,回归方程拟合度较好;（3）PM2.5和其他气态污染物多元线性回归模型为PM2.5=0.24SO2+20.08CO+11.54（R2=0.4844）,拟合度检验效果一般,考虑三者之间还有其他因素的影响。

在视觉SLAM前端特征点匹配过程中,采用RANSAC算法剔除误匹配特征点存在迭代次数不稳定、效率低、鲁棒相差等问题,从而对相机定位产生影响。与ORB算法结合,本文引入一种渐进采样一致性算法,即PROSAC(ProgressiveSamplingConsensus),来消除迭代次数不稳定问题。利用Kinectv2相机对改进的RGB-D SLAM算法进行实验,获得三维点云地图和相机轨迹,实现了ORB+PROSAC的误匹配剔除算法。与ORB+RANSAC的结合方式相对比,本文算法验证鲁棒性更好,实时性更强。

本文从需求分析、开发技术、系统设计与实现等方面论述了农产品溯源系统的设计。该系统采用B/S设计模式,后台基于Node.JS,数据库采用MongoDB,前台运用VSCode编辑器和Javascript、Html5、Css3等技术实现了界面的编写,集成了首页、企业注册、企业管理和网站管理员四个模块,实现了农产品溯源和农产品信息管理。

基于深度学习的场景识别作为计算机视觉领域的重要方向,目前仍存在部分问题,如仅提取图像的高层语义特征而缺失了图像的底层特征,针对这个问题,提出基于改进SIFT特征与深度神经网络相结合的室内RGB-D图像识别方法。首先提取图像的SIFT特征,然后利用随机森林算法根据重要度对SIFT特征进行筛选,然后结合基于ResNet的深度神经网络,并提出基于深度直方图与深度均值直方图的深度损失函数,加速模型的收敛。实验结果表明,算法可以在NYUD v2数据集上达到71.52%的识别率,有效提升了室内场景识别的准确率。

研究了传统跟踪—学习—检测(Tracking-Learning-Detecting)目标跟踪算法的结构和特点,提出改进思路;虽然TLD算法采用P-N学习机制,在应对长时间跟踪方面有很好的鲁棒性,但是当目标发生严重遮挡、形变,或者场景发生较大的光照、旋转变化时,也会导致跟踪的失败。基于对以上问题的研究,提出TLD改进跟踪算法。改进算法在跟踪模块运用SIFT特征匹配算法来代替原算法中LK光流法,减少了计算的复杂度,提高了算法的环境适应能力。