|
搜索
搜 索
高等教育领域数字化综合服务平台
AI协同创新实验云平台
Al协同创新实验云是Al教学实验实训协同工具，涵盖真实行业项目的教学课程、授课教案、实验教学资源、硬件、平台等，可满足人工智能专业的学生了解行业真实案例中从起始阶段、细化阶段、构建阶段、业务环境、需求分析、技术架构选型等等各方面的项目细节，在线完成分类、建模、分析、可视化、结果输出等任务，并支持私有化部署和云端协同，帮助院校开展人工智能应用研发。
新大陆教育
2022-09-19
KINGOSOFT高校教学综合管理服务平台
青果软件集团有限公司
2022-08-02
KINGOSOFT中职学校智慧校园云平台
青果软件集团有限公司
2022-08-02
研究生论文盲审平台
研究生论文盲审管理系统，为学院教务管理层提供高效的论文盲审分配机制；协助跟进论文盲审进度及状态，及时有效督促盲审工作开展。专家库建设为论文评审提供了学院专属专家资源库。
安徽爱学堂教育科技有限公司
2022-08-04
【共建数字思政平台 共研思政融合发展】新时代“数字思政”创新发展学术活动
第62届中国高等教育博览会——新时代“数字思政”创新发展学术活动
中国高等教育博览会
2024-11-11
面向轨迹挖掘的数据预处理方法及系统
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。
中国农业大学
2021-04-11
面向轨迹挖掘的数据预处理方法及系统
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。
中国农业大学
2021-04-11
基于多感知数据融合的人机自然交互系统
本发明公开了一种基于多感知数据融合的人机自然交互系统，包括MEMS手臂跟踪装置、视觉跟踪装置，以及安装在操作者的手掌上的力反馈装置，上述各装置由PC终端控制，PC终端包括手臂运动解算模块、图像处理模块、力学解算模块和虚拟场景渲染模块；虚拟场景渲染模块根据手臂运动轨迹和手指运动轨迹生成虚拟手臂和手指，力学解算模块根据虚拟手指与虚拟物体的碰触信息，计算操作者当前状态下应得到的期望反馈力矢量；本发明可满足手臂大范围运动情况下的手臂运动轨迹的跟踪要求；其次，可通过图像信息测量操作者手指的运动轨迹，可精确测量手指上多个关节的角度；再者，可为操作者提供力反馈和虚拟场景的视觉反馈，增强系统的临场感、交互性。
东南大学
2021-04-11
基于生成图像数据的水下目标检测与识别
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
厦门大学
2021-04-11
一种基于函数依赖的数据清洗方法
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。
华中科技大学
2021-04-11