大数据 软件定制 案例

立项背景：为响应国家医保局DIP（按病种分值付费）支付方式改革，医院需对住院病例进行自动分组与分值测算，替代人工查表，提升医保结算准确率与效率。 核心功能： 1. 编码标准化：对诊断编码（ICD-10）和手术操作编码（ICD-9-CM3）进行自动补零、格式校验，统一为国临版与医保版2.0标准格式； 2. 编码对照映射：通过诊断对照库、手术对照库，将国临版编码自动映射为医保版2.0编码，支持23个手术操作字段批量对照； 3. DIP智能分组引擎：基于主诊断+主操作组合，实现+组合匹配、/或规则匹配、单码精准匹配、规则组匹配、编码范围匹配、s(n)/a(n)四级兜底等多层匹配策略，自动输出DIP病种ID； 4. 最优候选选择：当多个病种同时命中时，按匹配编码数量、是否包含主操作、操作位置优先级自动选优； 5. 分值计算：关联分值总表，自动计算每个病例的DIP病种分值，输出完整匹配结果表。 业务流程：原始住院病例数据 → 诊断/手术编码补零标准化 → 国临版转医保版对照 → DIP分组引擎多层匹配 → 最优病种选择 → 分值关联 → 输出结算结果。

本案例为个人演示项目，面向中小企业更换CRM或整合多来源客户资料时的数据整理需求。用户可导入Excel或CSV文件，配置字段映射规则，完成手机号、邮箱和公司名称标准化，并按组合条件识别重复记录；系统随后展示异常数据、冲突字段和处理建议，用户确认后可导出目标CRM可直接导入的数据文件及清洗报告。整个流程覆盖导入、预览、映射、去重、校验、修复和导出，重点降低人工反复核对带来的遗漏与时间成本。

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

Dify，Ragflow,langraph运行平台。 MCP展示执行平台。 RuoYi应用框架做载体。 SpringCloud alibaba 做微服务支持。实现业务系统智能体在平台运行展示结果。 使用RuoYi框架的权限体系和系统管理，支撑整个平台业务。平台实现API调用和API生成来支持执行和结果展示。用RuoYi框架的权限体系和系统管理，支撑整个平台业务。平台实现API调用和API生成来支持执行和结果展示。用RuoYi框架的权限体系和系统管理，支撑整个平台业务。平台实现API调用和API生成来支持执行和结果展示。

本项目为产业数据直报系统： 1、管理端（省/市/县区三级监管）和填报端（企业、非经营单位）提供端到端的数字化数据采集、审核、统计与导出能力。 2、系统按报告期（年/季/月）驱动 10 张业务表单的填报，涵盖企业基础档案、种植、生产加工、销售、文旅、税收贸易，以及景气调查问卷（含数字选项码与多选字段）。 3、审核采用三级联审机制，支持企业撤回修改、各角色取回、县区退回需第三方评估等精细化规则。 4、管理端提供按地区维度的仪表盘统计（应填/已填/待审/退回率、部分填报识别）、填报进度追踪（按企业/表单维度）和 Excel 导出（问卷选项码转中文、密码加密、填报端仅导出本单位），形成采集-审核-分析闭环。

立项背景与目标： 金融分析用户常需获取股市热门标的名单，但东方财富网数据为动态加载，手动复制效率极低。本项目目标是实现热门股吧榜单的自动化采集，输出结构化数据供后续分析使用。 软件功能： 输入目标接口地址，一键运行即可获取企业名称、股吧代码、行情代码三项核心信息，输出为UTF-8编码的纯文本表格。 核心功能模块： · 请求模块：模拟浏览器访问API接口 · 解析模块：提取JSON中指定字段 · 存储模块：写入本地TXT文件 业务流程： 用户双击运行脚本→程序自动请求接口→解析返回数据→提取三个字段→生成结果文件到当前目录。 功能路径： 下载脚本→确认网络通畅→双击运行→打开同目录下生成的文本文件查看结果

立项背景与目标： 当前气象数据获取方式仍以人工查询为主，效率低且难以批量处理。本项目旨在通过自动化手段，实现对目标地区天气信息的快速采集与结构化存储，减少人工重复劳动，提升信息获取效率。 1. 数据采集模块：向目标网页发送请求，获取页面内容。 2. 数据解析模块：定位并提取温度、天气状况等关键字段。 3. 数据存储模块：将提取结果写入本地文件，便于后续查阅或导入其他系统。用户运行脚本 → 程序自动请求目标网页 → 解析天气数据 → 写入本地文件 → 完成采集。功能路径描述： 脚本启动 → HTTP 请求 → HTML 解析 → 字段提取 → 文件写入 → 结束运行

1、立项背景和目标： 随着物联网与边缘计算快速发展，嵌入式设备承担智能识别任务的需求日益增长。树莓派凭借低成本、易部署优势成为边缘识别常用载体，但受限于算力，复杂模型难以直接部署。本项目在Windows下基于YOLOv5训练轻量化目标检测模型，支持人脸及5类以上日常物品识别，部署至树莓派4结合摄像头实现实时视频流识别，验证从训练到嵌入式端落地的完整链路，为嵌入式AI识别提供可行方案。 2、软件功能、核心功能模块： 系统包含三大核心模块：①目标检测模块——基于YOLOv5实现人脸及日常物品实时检测与定位，输出边界框坐标和类别标签；②人脸识别子模块——实现指定人脸库的身份识别与匹配；③实时视频流处理模块——调用树莓派摄像头完成帧采集、预处理及模型推理，画面叠加标注结果。最终系统帧率5FPS以上，检测mAP≥80%，人脸识别准确率≥85%。 3、业务流程、功能路径描述： 用户启动树莓派执行主程序→系统初始化摄像头并采集实时视频流→每帧图像经尺寸归一化预处理→加载本地YOLOv5轻量化模型推理→输出目标类别、置信度、边界框→OpenCV叠加矩形框和标签至原始画面→HDMI输出至显示器。形成“采集→推理→渲染→输出”闭环流水线，用户无需额外操作即可持续获得识别反馈。

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。

本项目为甘孜州官方低空经济数字化管控运营平台，聚焦高高原地区低空飞行监管、无人机作业、空域调度、飞行服务、安全运维等核心场景，适配高 原复杂地形、低时延、高可靠的低空运行需求。平台依托5G通信、北斗高精度定位、数字孪生可视化技术，搭建空天地一体化低空运营管控体系，实现低空飞行器合 规备案、飞行计划审批、实时态势监控、风险预警、作业台账全流程数字化管理，助力区域低空经济规范化、智能化、安全化运营。

立项背景和目标：市场调研、电商比价、行业数据收集等场景经常需要从网页提取结构化数据，人工复制粘贴效率低、易出错、无法复用。本项目目标是开发一款通用网页数据采集工具，一条命令完成"抓取→清洗→导出"全流程，让非技术人员也能轻松采集数据。 核心功能模块：① 智能抓取引擎——通过 CSS 选择器或表格定位自动抓取列表页与详情页数据；② 多页抓取——支持下一页按钮翻页、页码参数翻页、无限滚动三种模式，自动识别并防死循环；③ 数据清洗管道——自动去空白、字段映射、类型转换（支持金额千分位、日期等）、跨页去重；④ 断点续抓——SQLite 缓存已抓页面，失败任务自动进入重试队列，中断后可继续；⑤ 多格式导出——Excel（多 Sheet、自动列宽、表头样式、冻结首行）、CSV（UTF-8 兼容 Excel）、JSON。 业务流程：输入 URL 与选择器配置 → 逐页抓取（限速+重试）→ 数据清洗转换 → 去重 → 导出文件 → 生成抓取报告（成功/失败/耗时统计）。

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。

背景：多平台（知乎/小红书/豆瓣/微博）信息监控靠人工翻页，一天 2 小时起且容易漏，竞品动态和市场变化经常错过。功能：多数据源聚合搜索（权重排序）、定时抓取、AI 分析摘要、报告自动投递到聊天工具、失败重试 + 告警；支持自定义引擎权重和监控关键词。成果：每日自动跑 30 天零故障；单轮全平台扫描 7.6 秒 / 109 条结果；摘要含评分与评论数，直接可用于决策。

架构与技术栈 整体采用模块化 Python 爬虫架构，分为网页请求模块、页面解析模块、数据清洗模块、文件存储四大模块。核心技术使用 requests 库发送网络请求，BeautifulSoup 完成 HTML 页面标签解析，re 正则表达式做文本提取，pandas 库进行批量数据处理与 Excel 文件导出，通过 time 模块添加随机延时构建反爬策略。 个人负责内容与量化成果 本人独立完成全部代码编写与项目落地，定向抓取上海平面设计、深圳游戏设计两类岗位，累计抓取有效招聘数据 400 余条，完成 20 余项字段拆分、重复数据剔除、异常薪资格式修正，最终输出两份完整结构化 Excel 数据集，数据完整率达 98% 以上，可直接导入工具进行可视化分析。 难点与解决方案 难点 1：网站存在访问频率限制，短时间高频请求容易触发 IP 拦截。 解决：设置 1-3 秒随机请求间隔，模拟自然人浏览行为，降低访问风险。 难点 2：岗位薪资、任职要求为不规则长文本，格式混乱无法直接统计。 解决：编写正则匹配规则拆分薪资上下限、工作年限、专业技能关键词，统一数据格式；利用 pandas 重复值检测函数自动去重，提升数据集整洁度

立项背景：园区管理方需要实时掌握人流量、车流量、能耗和设备运行状态，但数据分散在各系统与 Excel 中，无法统一查看。目标是建设一屏统览的运营监控大屏，辅助值班人员快速发现异常。 核心功能模块：实时人车流量监测、水电气能耗趋势分析、设备在线率与告警、安防监控联动、大屏轮播与数据钻取。 业务流程：物联网设备或第三方系统上报数据 → 数据服务清洗聚合 → WebSocket 实时推送至大屏 → 运营人员点击钻取查看明细 → 触发异常告警并派单处理。

公司的IA估值系统实现了组合的盘中实时估值，行情大数据平台提供了秒级行情。将这两部 分数据接入进来，将组合分析从T-1提速至盘中实时，这样投资经理的投资操作、市场行情 变化就可以实时体现在当前的组合分析结果中。 接入实时行情，基于T-1日持仓，进行盘中实时分析；以持仓分析功能业务为突破口，引入实时行情，进行快速落地。

立项背景和目标：为方便对公开电影短评数据做统计分析，开发本网页数据采集脚本，目标是获取豆瓣电影公开的用户短评内容，把评论、评分、评论时间等公开信息批量导出，用于数据分析练习，仅采集网页公开可见数据，不触碰用户隐私。软件功能、核心功能模块：基于 Python 开发，使用 requests 发送网络请求，BeautifulSoup4 解析网页 HTML 源码；实现分页遍历、网页解析、数据清洗模块；提取电影短评的用户名、星级评分、评论正文、发布时间；过滤无效空白内容，将采集完成的数据保存为 txt 格式文件。业务流程、功能路径：输入目标电影短评页面地址，脚本携带请求头访问网页，循环访问多页短评；解析页面提取目标字段，清洗整理数据；完成多页采集后，把全部结果写入本地 txt 文件，完成数据落地存储。