集成电路工电路程实践平台是面向高校集成电路和微电子等相关专业，提供集成电路平台教学、实验、实战和科技为一体的实践平台。

一、教学内容平台： 老师备授课课件，授课板书，师生互动笔记，微课视频，录课视频，课后练习等都可保存在教学内容平台中，方便随时回看。 二、自主学习资源： 通过ClassIn云盘，学生可随时阅读老师发放的教学材料，布置的练习作业及课堂笔记，观看视频资源，大大提高学习自主性。 三、公共资源平台： 共享多版本多系列高校教材，试卷试题资源库，慕课，校本资源共建等资源内容。

启明AI防作弊在线考试平台 点滴投入，轻松考试     核心功能   在线考试 360°智能监考：精准识别环境异常、照片/真人替考、虚拟摄像头等； 本地环境监控，屏键锁定、热键屏蔽、远程协助工具屏蔽； 人脸识别，身份认证，活体检测，考中抓拍； 视频监控，手机监控，双机位或三机位监考； 随机抽题，小题乱序，选项乱序，一人一卷。 高中低三挡监考策略； 考中可通话、可求助； 云端巡考，监控大屏鸟瞰实时考场； AI监考，智能预警；作弊排查，违规记录存底可追溯。 功能稳定：集中统考、随到随考，随机组卷，支撑安全稳定的10万+并发考试。 故障防备：考中异常中断，作答实时保存，实现断点续考。 统计分析：统计考试的总人数、参考/缺考/及格人数、考试排名等多维度信息。   制题组卷 题库管理：强大题库管理，支持全试题模型（文字、图片、表格、公式、音频等），单题/批量录入，在线/离线录入，录入、编辑、审核、组卷、检索操作简单，试题与成绩关联，记录试题版本和使用次数等。 智能组卷：手动组卷/自动组卷，单套/批量组卷，可按题量、分数、题型结构、知识结构、难度系数等多重模式组卷，简单组卷、精确组卷、蓝图组卷。 高效输出：试题试卷可预览、可修改、可导出，可一体化输出线下印刷，也可联通线上网考。   网上阅卷 在线管理：阅卷进度、阅卷质量全监管，监管与阅卷线上协同，科学化管理。 高效阅卷：客观题自动判分，主观题在线评阅；键盘给分、鼠标给分、轨迹给分；智能回评、问题卷提交；可看标答；评卷轨迹可追溯，复核可定义题位；自动加分、登分、统计。 统计分析：题目得分、题类得分；平均分、最高最低分、得分率、标准差；其他统计指标。 信息查询：查询考生答卷信息（答题、得分、评分等）；查询阅卷进度、分科目阅卷进度、老师阅卷情况等。   产品优势   制题组卷 系统化：对题以资料库的概念进行整合，能精准识别各类试题。 全题型：文件、图片、表格、音频等试题模型都可以得到支持。 多维度：可对试题进行多种属性定义，如难易度、章节等；且能按需生成多套试卷。 高效率：支持批量导入、批量组卷，自动组卷，在线预览，快速导出。 超专业：多种组卷模式，可按试卷结构/题量/章节/知识点/难度进行蓝图组卷，按试卷结构/大小题/分数/题量进行精确组卷，按照试卷总分/题型题数/抽取规则进行简易成卷。   在线考试 最新的线上监考技术：四级监考策略灵活选择。自研监考系统，AI智能监考，主动识别预防作弊。利用人脸识别、行为识别等最新技术，自动捕捉记录考中的违纪情况。 监管更加精准：窗口防作弊控制，多屏实现360°无死角视频监控，一个主机摄像头针对一个人，同时支持手机机位视频监控。 防泄题防作弊：支持考生端远程环境检测，考生端屏键双锁，随机抽卷/小题乱序/选项乱序/逐题作答。 安全验证全程护航：网考环境复杂多变，为保证数据安全，采用基于人工智能，融合人机区分技术，层层过滤风险，全程护航。   网上阅卷 快速高效：客观题自动判分，帮助管理者快速完成大规模考试，主观题智能整理，降低对人工操作的依赖，提高阅卷工作效率。 超强容错：考试过程中发现试题或答案问题，可以及时纠正，不影响后续考生作答。 稳定安全：系统分权限进行用户操作和系统管理；确保阅卷信息不外泄，在互联网环境下采用高等级的安全防护措施。  

利用AI技术制作英语考试复习资料 系统通过学习历年的考试真题卷，得出考试所涉及各类知识点的考试概率、考试常用题型和考分比重，利用AI技术制作成套的复习试卷，消除了传统复习资料中试题重复、容易知识点重复训练、以及复习知识点范围与考试范围匹配度差等问题。复习资料的精炼度比传统资料提高3倍以上，为考生的复习提高效率30%以上。 同时，该系统还能根据考生的答题情况，动态调整复习资料，对于考生掌握较差的知识点重复出题，大大提高了复习资料的针对性。 配套一体化教学、自学平台 A.实现了以教师计划为中心的教学系统与以学生需求为中心的自学辅导系统的一体化设计。 B.每份复习资料都可以在线上（支持手机、平板）学习和线下（按标准试卷的格式）学习，实现了线上线下、教与学的一体化设计。 C.在特殊时期，所有的教学计划可以在线上完成；在正常时期，主要的教学计划可以在线下完成。这样就实现了特殊时期与正常时期教学计划的连续性和一体化设计。 应用价值

与智慧教室无缝对接，自动完成课程数据收集，形成数据评价；结合督导平台，完成课程资源与课程评价同步存档，为学校打造教学案例库。 产品优势 课程创新设计 支持多种课程设计，涵盖PBL教学，分组研讨等多种教学模式； 支持随堂练习、作业、讨论、答疑、文件推送等多种基础教学活动形式。 课程直播/回看 提供直播功能，支持老师用教室录播系统或自己的电脑进行直播，为授课效率和质量赋能。支持课堂教学视频回放，让学生预习、复习的素材更加丰富。 课程数据分析 对整个教学活动的互动数据进行分析，并对其中练习结果、答题情况进行分析， 以数据推测问题，为教学者提供准确质控情报，指导老师调整计划。 产品应用 录播互动智慧教室 方案依托互动录播主机，为学校打造融合教学互动、智慧录播、数据分析为一体的智慧教学空间；可快速形成丰富的校 本同步教学资源，为教师教学评估、教研活动提供有效的参考材料；为学生预习、复习提供更为生动的学习空间。本方案 还可满足学校管理员与管理决策者的教学督导需求，实现一套方案服务教学与管理两大核心环节的信息化改革。 手机互动智慧教室 手机互动智慧教室解决方案可支撑多种新型教学模式，兼容多种学生终端，学校无需另外采购终端设备让学生方便快捷参与智慧教学， 包括课前备课自习、课中即时互动、课后分析巩固，拿起手机便能做到教学流程全覆盖，随时随地实现交互反哺的 教与学。 研讨互动智慧教室 依托交互式大屏一体机、平板电脑、手机等智能终端和智慧课堂系统，研讨型智慧教室为“小组分组-小组研讨交流-小组成果展示”等小组研讨过程提供全方位的支持，集支持交流研讨、多屏互动、成果展示、多元评价等功能于一体的智慧化教学环境，让小组研讨活动组织更加便捷，让研讨过程和细节可视化、可回溯，教师对各个小组、各个学生进行有针对性的评价，实现差异化教学。

1、将课堂班级转变成学习型社群；不仅有学习活动的互动、交流；也有学习资源、信息的分享，满足课前备课设计，课中互动教学，课后作业巩固等全流程设计； 2、协助教师突破传统教学限制，实现混合式、翻转式、交互式等创新教学策略； 3、提升教师教学质量、激发学生学习兴趣； 4、为学校提供完整解决方案，达成「教、学、管、评、测」一体化的教育信息化建设目标。

本发明提供了一种面向轨迹挖掘的数据预处理方法及系统，该方法包括：在原始数据库中提取离散的轨迹点，对轨迹点进行归类提取后形成若干个独立的轨迹段集合；对每一轨迹段集合中的轨迹点进行重复定位点检测，若判断该重复定位点为历史定位点，则删除；对每一轨迹段集合中的轨迹点进行定位异常点检测，若判断为定位异常点，则删除该轨迹点，得到若干条完整的轨迹；对所述完整的轨迹进行简化压缩，得到压缩轨迹；存储所述压缩轨迹；同时对系统运行状态进行监控，保证系统可以持续、稳定运行。本发明提供的方法通过对提取出的轨迹点进行重复定位点以及定位异常点清除，保证了轨迹数据的正确性和完整性，提高了轨迹数据挖掘的准确度。

本实用新型公开了一种苜蓿播种机用开沟器，主要由开沟装置、开沟器架、导肥装置和导种装置组成。开沟装置主要由侧翼铲、滑刀和扩沟板组成，旨在开出适宜苜蓿种子发芽的高质量种沟；导肥装置由导肥管和散肥器组成，用于将肥料导入种沟侧面；导种装置主要由导种管组成，旨在将苜蓿种子导入由开沟装置形成的种沟内。本实用新型能够满足苜蓿播种开沟的要求，可以开出高质量种沟，利于苜蓿种子出苗及第二年返青。本实用新型适用于大部分地区的苜蓿播种，特别是寒冷、干旱地区。

一、项目简介 水下目标检测与识别，是水下机器人等相关系统能够被高效应用的前提。然而现有系统难以应对水下图像能见度较低，对比度差，存在颜色漂移和边缘模糊等问题；另外，水下图像样本稀少且缺乏足够的变化性，使得相关基于机器学习的目标检测与识别系统由于缺乏训练样本而无法有效应用。 二、前期研究基础 项目利用深度学习等新的理论突破，提出两种解决方案，一种是通过结合水下成像原理与深度风格迁移、生成对抗网络等算法，由普通光学图像生成水下图像，构建水下图像目标检测与识别仿真库，该数据库一方面数据量大且具有较大的变化性，也即场景与目标均具有较大的变化性；另一方面，由于是由普通光学图像迁移获得，因而也可以直接应用普通光学图像自身的标签信息，无需再对其进行标注。另一种是研究基于水下退化图像处理算法的检测和识别系统，解决由水下图像的色彩漂移和细节丢失等退化现象带来的目标检测和识别问题。同时通过水下退化图像处理模块和检测识别系统的联合优化技术，可以实现退化图像的增强方法与检测识别系统的最佳匹配。在保证处理后的退化图像性能指标的前提下，进一步提升水下图像的目标检测识别性能。 三、应用技术成果 1）基于深度学习风格迁移的水下图像生成效果示例 a为自然场景图像中的目标检测结果；b为模拟生成的水下风格图像及其目标检测结果；c为图像增强后的目标检测结果。 四、合作企业 无

本发明公开了一种基于函数依赖的数据清洗方法，其特征在于， 包括：对原始数据进行数据转换，以将其不同类型的属性全部转换为 数值型属性；对于数据转换后的原始数据，提取其属性的自依赖函数 特征；对于数据转换后的原始数据，提取其属性之间的互依赖函数； 根据自依赖函数特征和互依赖函数确定需要进行清洗及待清洗的属性 及样本，并根据该属性及样本形成相关清洗决策依据，判断待清洗的 属性对象是采用自依赖函数清洗还是采用互依赖函数进行清洗，若采 用自依赖函数清洗，则将不符合条件的样本根据自依赖函数确定的多 项式进行校准修复，并加上白噪声作为随机扰动。本发明能够解决大 数据中“脏数据”问题，为后续的大数据分析挖掘提供高质量的数据。