大数据 算法模型 软件定制 案例

针对期货交易者策略历史验证的需求，开发本地化桌面回测系统，覆盖数据接入清洗、策略参数配置、全量历史回测、结果可视化全流程。支持国内四大期货交易所多品种行情数据导入，内置均线、布林带、RSI 等六大类策略，可自定义开平仓阈值、止盈止损、移动止损、仓位风控等参数，自动生成交易明细、K 线信号图、资金净值曲线与回测分析报告，完整模拟手续费、滑点等真实交易成本，帮助交易者高效验证策略有效性。

某省电信运营商5G网络质量与客户满意度分析平台旨在贯通网络质量数据与客户服务数据，实现投诉的预测预警和主动处置，覆盖全省2800万用户。 包含全网预测、地图预测、投诉分析、端到端定界分析、客户满意度看板、公众客户满意度看板等功能，覆盖从客户侧、传输侧、应用侧、核心侧等采集的信令消息，分析数据并定位问题。

本项目针对网络安全运维日志繁杂、人工撰写安全报告效率低、大模型生成易产生幻觉的痛点，设计 SecLOG 智能报告生成系统。系统支持日志文件上传解析、多格式知识库文档导入，结合威胁情报库完成事件提取与攻击链还原；依托混合检索与知识图谱为大模型提供事实约束，自动生成附带证据链的安全运维报告。同时提供人工复核批注、报告归档、批量导出与审计留痕功能，面向校园与小型安全运维场景，实现从原始安全日志到标准化安全报告的自动化业务流程。

在健康中国、体医融合发展背景下，传统运动处方大多依靠人工经验制定，缺少客观体质数据支撑，难以兼顾个体体质差异、慢病潜在风险；现有系统普遍未区分成年人、老年人的生理特征，专业运动知识碎片化，大模型直接生成运动处方容易出现幻觉、专业参数错误。本项目面向普通成年人（20‑59 岁）、老年人（60‑79 岁），搭建一套集体质测评、慢病风险筛查、智能运动处方输出于一体的智慧体育健康服务原型系统，输出内容仅作为运动健康管理参考，不可替代临床医疗诊断与处方。

流量智能感知产品面向企事业单位数字化转型，感知业务访问行为、使用体验和网络流量构成，提供业务系统的安全合规检测、访问质量监控和故障分析定位能力，提升业务运维效率，保障业务连续性，避免潜在的安全风险，为业务系统和网络的安全、高效、稳定运行保驾护航。 实时感知业务状态，主动发现业务异常：工作中经常遇到业务系统访问慢、卡顿等问题，运维人员无法感知业务状态、主动发现业务异常，只能被动响应， 事后处理，导致网络使用体验差。系统提供7*24小时业务体验监测，运维人员通过应用总览，实时了解业务状态，智能化业务流量基线异常预警，主动发现业务问题，协助运维人员及时处理。 量化业务体验，精准定界业务问题，区分责任边界：当业务访问出现故障时，运维人员需手动登录到设备上，逐个排查，耗时耗力，经常查不出问题；各部门相互推卸责任，没有数据支撑。系统实时监控业务系统，分析用户访问行为，及时发现未经授权的访问行为和未经审批的业务系统，发现潜在的安全风险，指导业务整改，保障业务访问合规，防止私搭应用 监测业务访问，保障业务访问合规，防止私搭应用：核心业务系统经常被未授权的用户非法访问，引起数据泄露风险；私自搭建应用游离于管理框架之外，缺少安全防护，带来潜在的安全风险和审计问题。系统实时监控业务系统，分析用户访问行为，及时发现未经授权的访问行为和未经审批的业务系统，发现潜在的安全风险，指导业务整改，保障业务访问合规，防止私搭应用。

使用C++17实现的地理平滑插值算法，算法底层使用最小曲率法，通过C++17实现最优性能，通过与业内通用软件的比较，误差在 0.05% 以内，但实现效率为通用软件的8.7倍。 此算法为石油勘探公司定制的算法，目标在于替代行业内通用的外国软件的核心算法，行业内通用的外国软件在计算性能和扩展性上与自研算法有很大的差距。

立项背景与目标： 在日常工作与学习中，用户频繁需要获取AI辅助回答，但网页端使用需频繁切换浏览器，效率较低。本项目旨在开发一款轻量级桌面AI助手，提供一键式智能问答体验，降低使用门槛，提升日常信息获取效率。 软件功能： 用户输入问题后，点击提交或回车键，程序自动调用AI模型生成回答，并即时显示在窗口中，支持长文本自动换行。 核心功能模块： 1. 用户输入模块（Entry控件） 2. AI接口调用模块（requests + 智谱AI API） 3. 结果显示模块（Label控件 + 自动换行） 业务流程： 用户输入问题 → 点击提交 → 程序获取输入 → 调用AI接口 → 返回结果 → 窗口显示回答 功能路径： 启动程序 → 输入框输入问题 → 点击“提交”按钮 → 查看AI回答 → 输入框自动清空，等待下一次提问

数据生成：生成百万级的学生数据（学号、姓名、成绩），以CSV格式存储。 数据加载：把CSV里的数据，分别加载到三种不同的数据结构里（vector、map、unordered_map）。 精确查询测试：随机生成一个学号，测试三种容器查询一个特定学生成绩的耗时。 范围查询测试：给定一个成绩区间（如80-90分），测试三种容器统计这个区间内学生数量的耗时。 性能对比结论：用高精度计时，对比三种容器在不同查询场景下的效率差异，得出选型建议。

高光谱遥感模型在跨传感器、跨年份和跨场景应用时会遭遇光谱分布偏移，目标域通常又缺少训练标签。项目目标是建立一条可复现、可审计的无监督域适应研发链，而不是只展示单次最高精度。平台包含MAE/Transformer自监督表征、EMP/Gabor多编码器、最优传输伪标签与对齐、跨模型集成、合法与oracle诊断分离、多随机种子配对实验、集群运行交接、预注册和停止门禁。流程从共享波段与类别协议开始，训练源域模型，再在不读取目标训练标签的合法路径上适配；目标标签仅用于最终评价。每轮研究冻结配置、种子、日志、权重和决策，若未达到预注册阈值则保留负结果并停止扩张。

本系统专注于集群运行状态的深度监控与可视化呈现。通过采集集群配置、服务端口及运行指标等多维度数据，系统对原始监控信息进行结构化解析与标准化处理，最终转化为直观的图表看板与动态表格，帮助运维人员实时掌握集群健康状态。此外，平台还集成了数据检索、日志查询与文档管理等功能模块，为日常运维排障与信息查阅提供一站式便捷服务。

本项目定位于企业级分布式数据服务平台，始终以数据价值释放与平台化服务能力为核心导向，构建了覆盖数据接入、数据整合、数据存储与数据计算的全链路数据闭环体系。平台采用分布式架构设计，具备海量数据的实时采集与离线批处理能力，通过标准化服务接口对外提供统一的数据底座支撑，有效降低数据使用门槛，赋能上层业务快速实现数据驱动决策。

1、立项背景和目标：基于B站排行榜爬取的数据，进行深度数据分析和可视化呈现，挖掘视频播放量分布规律、分区热度差异、UP主影响力等洞察。 2、软件功能：①UGC分区平均播放量对比分析；②PGC各类型内容播放量对比；③UGC播放量TOP20视频排行；④PGC播放量TOP20作品排行；⑤播放量与点赞数相关性散点图分析；⑥UGC分区视频数量占比饼图；⑦TOP15 UP主影响力排行。共生成7张可视化图表。 3、业务流程：读取爬虫采集的CSV数据，使用pandas进行数据清洗（去除空值、类型转换）、分组聚合（按分区/类型统计均值），使用matplotlib绑定中文字体渲染7张可视化图表并保存为PNG。

基于工业设备采集的时序数据，开发了一套轻量级异常检测算法Demo。通过滑动窗口统计、3σ原则对设备运行指标进行异常识别，支持数据可视化展示与异常点标记，可用于快速发现设备运行中的异常波动，辅助工业运维人员进行故障预判，提升数据驱动运维的效率。

一、立项背景与目标 1. 立项背景 在传统的知识库问答系统中，普遍存在以下痛点： - 流程混乱：通用ReAct Agent在处理复杂业务时，容易发生步骤跳跃或逻辑错乱，导致回答质量不稳定。 - 上下文断裂：多轮对话中，用户常使用代词（如“它多少钱？”），传统向量检索缺乏指代消解能力，导致检索失败。 - 意图混杂：闲聊式提问（如“你好”）与知识检索式提问（如“XX产品参数是多少”）被统一处理，浪费算力且影响用户体验。 - 状态丢失：用户刷新页面或稍后再访问时，对话历史无法延续，每次都是“新会话”。 2. 项目目标 - 构建一个流程可控、意图可分流、上下文可理解、状态可持久的智能知识助手。 - 实现复杂业务逻辑的结构化解耦，提升系统的可维护性与稳定性。 - 显著提升多轮对话场景下的检索命中率与回答准确率。 二、软件功能与核心模块 1.整体功能概述 本系统是一个基于LLM的智能对话式知识库问答助手，支持用户通过自然语言提问，从向量知识库中精准检索并生成回答。系统特别强化了多轮对话中的指代消解能力与流程可控性。 2.核心功能模块介绍 模块名称 功能说明 Planner（规划器） 基于LLM + 专用Prompt，硬编码业务流程。负责解析用户请求，按固定流程调度执行，防止逻辑跳跃。 语义路由器 基于LLM的分类工具，动态识别用户意图为“chat”（闲聊）或“retrieval”（知识检索），实现分支分流。 历史加载与写入模块 与Redis集成，自动追加对话历史，确保跨会话的上下文连续性。 查询重写模块 结合历史对话，将存在指代或省略的用户问题（如“它多少钱？”）改写为语义完整的独立问句。 混合检索引擎 同时执行向量语义检索与关键词检索，通过RRF算法融合排序，提升召回效果。 Executor（执行器） 根据Planner的指令，调用重写、检索、生成等环节，最终输出回答。 系统流程严格遵循：语义路由 → 历史加载 → (分支判断) → 查询改写/直接回答 → 知识库检索 → 最终生成 三、业务流程与功能路径 以下为用户与系统交互的完整功能路径描述： 场景一：用户进行知识检索（多轮对话） 场景二：用户发起闲聊 场景三：用户首次访问 / 会话恢复

本系统是一套面向多源数据的可视化分析工具，基于Python数据分析生态构建，可读取结构化Excel数据源并自动生成专业级分析图表和HTML报告。 系统聚焦两大分析场景： 1. A股金融市场分析：读取沪深A股4000+只股票的实时数据，自动生成板块分布饼图、成交量Top15排行柱状图、涨跌幅分布直方图，直观展示市场结构和资金动向。针对个股（如贵州茅台600519），生 成日K线走势图并叠加MA20/MA60双均线，标注历史最高收盘价，辅助技术分析决策。 2. 豆瓣影评数据分析：读取豆瓣电影Top250完整榜单，生成评分分布直方图、评分区间占比饼图，以及年度电影数量与平均评分的双Y轴趋势图。可直观看到经典电影年代分布和评分走势。 所有图表统一采用专业配色方案，支持中文渲染，输出为高分辨率PNG图片（150 DPI）。同时自动生成一个响应式HTML分析报告页面，将所有图表嵌入精美卡片布局，包含概览统计卡片和技术指标说明，可直接用于演示汇报或嵌入Web页面。

据 2020 年国际癌症研究机构（IARC）调查的最新数据显示，乳腺癌在全球女性癌症中的发病率为 24.2%，位居女性癌症的首位。在药物研发领域，利用预测模型对能够拮抗 ERα 活性的化合物进行筛选的方法受到广泛的关注，本文通过建立回归与分类预测模型，对化合物的生物活性和 ADMET 性质做多目标优化求解

边坡稳定性是水利工程、 交通路网及露天矿山等领域的核心安全问题。 本项目基于多源监测数据，围绕边坡预警问题建立了系统的数学模型，利用python/matlab/mysql实现项目落地，建立了分级预警机制，确保了工程实践中的高效决策支持，具有较强的物理可解释性与工程适用性，可为边坡灾害精准防控提供数据支撑与决策依据

华为Petal Search核心图像搜索能力，用户拍照或上传图片即可在电商、旅游等场景下找到相似商品或地点。覆盖全球170+国家，月活2000万+，是Mate 40等旗舰机型海外版的标配功能，也是华为终端出海战略中的核心AI能力之一，支撑华为移动服务HMS生态建设。

主要负责工作为使用 python +强化学习+实现群体智能算法开发后台训练端，在原有的基础上使用C#对网络空间靶场端功能进行再开发,使用现实靶场进行网络渗透，成功获取所需数据和整个靶场的网络情况，辅助同事使用 godot 开发展示端功能，然后结合三端实现此项目 开发攻击端，负责后端开发，使用大模型+意图槽位增加模型开发网络安全助手攻击端功能

LOL-DeepWinPredictor 是一款基于深度学习的英雄联盟比赛胜率预测系统，面向对局分析与战局决策场景，通过对海量历史对局数据的训练，实现对当前对局胜率的实时预测与可视化展示。核心功能模块分为三部分：一是数据采集模块，使用线程池并发爬取英雄联盟对局数据，通过 json 库完成字段提取与清洗，存储至 MongoDB 复制集保障数据高可用；二是模型预测模块，将 MongoDB 复制集数据通过 RocketMQ 消息队列传输至 Spark 集群进行分布式计算，完成大规模数据的批量推理；三是 Web 可视化模块，使用 Flask 搭建后端服务，前端基于原生 HTML + JavaScript 构建交互界面，集成 ECharts 绘制胜率对比图表，用户可直观查看各英雄组合的胜率分布与趋势分析。整体流程为：爬取数据 → 清洗入库 → 队列调度 → 集群计算 → Web 展示。