Python

本项目实现了高效的数据爬取脚本，自研量化模型，旨在为投资者提供全面、实时的A股市场分析与投资决策支持。项目通过自动化手段实现了对A股市场的全天候监控与量化分析，及时获取最明智的投资决策。 1. A股历史数据爬取： 数据全面：覆盖所有A股上市公司的历史数据，确保数据的广泛性和完整性。 高效采集：采用优化的爬虫技术，能够快速、准确地获取大规模数据。 数据存储：使用高效的数据库系统存储历史数据，支持快速查询和分析。 2. 24小时自动化监测： 实时监控：系统全天候运行，实时获取最新的市场数据，包括股价、成交量等关键信息。 预警系统：配置智能预警机制，当市场出现异常波动时，系统能即时发出警报。 自动更新：定时更新数据库，确保数据的时效性和准确性。 3. 量化模型分析： 实时胜率计算：基于最新数据和历史数据，量化模型实时计算每只股票的胜率。 多维度分析：综合考虑技术指标、基本面分析和市场情绪等多方面因素，提高分析的准确性。

我们的交通标志识别系统利用先进的卷积神经网络（CNN），特别是YOLO-v5模型，来实现对交通标志的实时识别。这一系统经过大量数据的训练，已开发出高精度的识别模型，并成功集成到车载设备中。该车载设备配备摄像头，能够实时捕捉道路图像并通过模型进行分析，从而准确识别出各种交通标志。 主要功能： 1. 实时识别： 高效处理：基于YOLO-v5模型，系统能够在毫秒级别内处理图像并识别交通标志，确保在行车过程中不延迟。 精准识别：通过大量数据训练，模型具备高精度识别能力，能够准确分辨各种类型的交通标志。 2. 车载设备集成： 硬件集成：系统已成功嵌入车载设备，设备内置高性能摄像头，实时捕捉道路影像。 低功耗高性能：设备设计兼顾性能和功耗，确保长时间稳定运行。 3. 图像处理与分析： 实时图像输入：摄像头实时捕捉道路图像，系统即时处理输入图像。 标志识别输出：系统处理图像并输出识别结果，包括交通标志的类型和位置。 4. 项目优势： 高精度识别：利用YOLO-v5模型的优势，通过大量数据训练，实现对交通标志的高精度识别。 实时处理：系统能够在行驶过程中实时处理图像并识别交通标志，提供即时反馈，提升

1，框架上的二次开发，功能齐全，二次开发比较快。 2，6年代码经验，现在是全栈，性价比很高 3，电商平台：用户管理模块，商品管理模块，订单管理模块，支付管理模块，物流管理模块，营销管理模块，客服管理模块，数据分析模块这些全部都有

前端技术： HTML/CSS：用于构建用户界面的基本结构和样式。 JavaScript：实现前端交互逻辑。 Vue.js 或 React：前端框架，便于构建复杂的用户界面组件和高效的交互。 后端技术： Java用于处理业务逻辑和数据操作。 Spring Boot加速后端开发。 数据库 MySQL存储巡检数据

import pymysql：导入 MySQL 数据库连接库，用于与数据库进行交互。 from selenium import webdriver：从selenium库中导入webdriver，用于控制浏览器进行网页操作。 from selenium.webdriver.edge.options import Options：从selenium.webdriver.edge.options模块中导入Options，用于设置浏览器选项。 from selenium.webdriver.support.ui import WebDriverWait：从selenium.webdriver.support.ui模块中导入WebDriverWait，用于等待网页元素加载。 from selenium.webdriver.common.by import By：从selenium.webdriver.common.by模块中导入By，用于指定网页元素的定位方式。 from selenium.webdriver.support import expected_conditions as EC：从s

通过时间序列ARIMA、循环神经元LSTM等算法对大盘进行预测 通过大数据、统计等算法对股票进行预测 PHTHON C++ VS/VSCODE

用python3.12 写的爬虫脚本。指定网站和图片相关的标签信息，爬取网站上的图片，保持到本地。图片所示的是爬取一个发型网站的图片。

1. 巡检任务模块的设计与开发。 2. 使用 Redis 实现车辆远程控制锁，解决同一车辆被多人控制问题。 3. 车辆控制对接以及远程控制断线后的本地处理逻辑开发。 4. 第三轨形变检测方案设计、硬件调研与选型、硬件控制开发。 5. 对接 RFID，配合车辆自身数据实现隧道内车辆定位功能。

实现图像融合 等任务，图像融合是指将多幅图像的信息融合在一起，生成一幅新的图像，使得新图像能够包含原始图像的所有关键信息和特征。 图像融合技术可以将不同源的图像信息进行有效的组合，以提高图像的质量和信息量。 图像融合的原理图像融合的基本原理是将多幅图像进行适当的处理和组合，以实现信息的互补和增强。

数据集成：系统需要能够集成各种自然资源的数据，包括地理位置、类型、规模、使用情况等。 数据管理：系统需要提供强大的数据管理功能，包括数据录入、修改、删除、查询等。 数据分析：系统需要能够对数据进行各种分析，包括趋势分析、空间分析、预测分析等。 立案查处：系统需要提供立案查处功能，包括案件录入、处理、追踪、报告等。

●技术栈：Java8，SpringCloud，Feign，MybatisPlus，RabbitMQ，Mysql，MongoDB，Redis，MinIO，XxlJob。 ●项目描述：数据中台是以采集数据，分析清洗数据为主要目的的一个数据管理平台，目前实现采集数据的方式有两种，数据库备份与爬虫爬取，采集后到数据源模块进行规则配置，然后按规则定时分析清洗。 ●个人职责：我主要负责爬虫模块和数据源的管理功能开发，使用调度中心XxlJob来控制定时任务发送，爬取的原始数据存入MongDB，使用SpringBoot整合的MongoDB连接工具查询出数据后使用XPath和正则表达式匹配出有用的数据后存储到Mysql表中，数据表使用Spring封装的JdbcTemplate创建跟查询操作，提取图片识别使用ocr算法，完成有提取出表格图片数据。校验是人工校验，即人为对比提取跟源数据。现主要负责元数据管理与数据集成模块的业务代码，完成了数据源的配置与测试连接，数据库获取数据的展示页面接口，还有SQL工作台的SQL语句执行的接口。

对于重点交通路段的车辆信息进行监测和违法取证。 亮点分析： 1、使用后台线程处理视频帧： 创建了 VideoProcessor 线程类，用于处理视频帧和检测。 通过信号 frame_processed 将处理好的帧和入侵信息传递回主线程，避免主线程阻塞。 2、硬件加速： 确保在OpenCV中使用硬件加速解码（这部分需要确认OpenCV的安装支持硬件加速）。 3、非极大值抑制优化： 使用 cv2.dnn.NMSBoxes 函数进行非极大值抑制，提高检测框的准确性。 4、异步任务： 将繁重的计算任务放在后台线程中执行，提高主界面响应速度。

1，把视频里面的柱子识别出来，用的yolo5，全自主开发，视频追踪和识别 2，自己标注数据，识别准确率是90%。 3，其他的算法方向也可以

爬虫，爬取小红书笔记数，就是给该程序一个作者地址的主页，用来爬取该作者地下所有的笔记数据，内容有：作者、笔记类型、标题、点赞数、笔记链接。 可以批量作者爬取，还没开始搞（批量），暂时先搞这么多，目前只能一个一个作者的爬取。

一个简简单单，普普通通的爬虫，可以爬取小说的爬虫，通过小说主页爬取小说文章，并将文章写入一个txt文件里。

血之缘 App 一款十分优质的为全国献血者健康献血服务软件，这款软件为用户提供自动搜索附近的献血站服务，帮助用户参与日常献血活动，随时随地了解相关新闻和献血常识等主要功能是： 1、行业新闻、献血常识，一手掌握 2、查找附近献血点，一键导航直达 　 3、在线申请异地协调用血，给你不一样的关爱 　 4、献血者身份核实，领取献血者荣誉纪念勋章 　 5、献血者爱心服务，享受献血者专属关怀与服务 　 6、邀请好友共同加入，一起做了不起的献血者 我主要负责：使⽤ Objective-C 语⾔和 iOS 源⽣框架开发，采⽤ MVC 设计模式搭建 App。整个 APP 集合了了⽹络数据 AES 加解密技术、⽹络图⽚缓存技术，学习视频控制播放技术、地图定位功能、 扫描识别⼆维码及图⽚处理功能、与银联对接实现在线⽀付功能、UI 组件化设计、H5 ⽹⻚嵌⼊开发 等。 研究适应公司的⽹络数据 AES 加解密功能，这也是着⼿开发项⽬的难点之⼀ ⽤户扫⼆维码码领取爱⼼点、获取爱⼼点，并在商城兑换纪念品 ⾎站⽹点献⾎预约，地图定位献⾎⽹点 志愿者模块的学习视频播放控制、在线定位签到功能、

1、项目简介，功能点比较简单：将excel、csv文件中的数据，自动填写到表单并提交，有简单的日志记录输出情况； 2、技术情况：python语言+qt面板；

本系统是一个Vue前端框架整合element ui组件库并配合后端Springboot框架开发的管理系统，共分为三个模块：管理员模块、销售人员模块及经理模块。管理员主要是对用户、权限等基本信息进行管理；销售人员模块主要实现票务的预订，其中又将其细分为三个子模块，分别为活动选择、座位选择及票据生成；经理模块主要是对销售数据进行分析，并以统计图的形式展现。

1、项目主要有以下几类模块： 1）QT界面设计制作（简易）；2）数据爬取逻辑设计；3）数据存储方式及清洗等。 2、QT主要使用python的pyqt5模块技术实现；主要通过python语言作为主项，然后通过node环境处理提前整理好的JavaScript作为辅项，实现整个数据逻辑；最终数据存储方式未mongodb数据库中作为第一数据，通过中间脚本（提前制作好的清洗数据模块），将清洗后的数据放入MySQL数据库中。 3、本次项目的难点主要是，数据爬取逻辑模块：涉及第三方逆向处理，耗时较长；账号池的维护：（账号来源、维护逻辑等）；在账号的前提下，IP显得比较容易。

搜索引擎数据采集，获取企业在对应搜索引擎的广告关键词及排名等情况 包括数据采集，数据解析，报表展示，容错处理等模块 团队自研