元の名称記録: 太原师范学院

本发明公开了一种基于数据挖掘的教育课程推荐方法与系统，具体技术方案如下：通过采集课程访问量和完成率等热度指标数据，经深度学习模型处理得到课程热度值。热度值超阈值时，增加课程动态权重系数并优化。融合优化权重系数和用户特征，用自适应学习算法判断匹配度，生成初步推荐课程列表。利用词嵌入技术矢量转换，计算语义匹配分数，超阈值则定制课程内容。分析定制课程的知识依赖关系和难度递进关系，采用路径规划算法优化学习顺序，提取序列效果数据，调整课程位置，最终形成精准的教育课程推荐方案。本发明显著提升了课程推荐的精准性与学习路径的科学性，增强了用户学习体验与效果。

本发明公开了一种基于强化学习的匝道合流优化方法及系统，包括：采集车辆位置、速度和间距数据，获得实时交通流特征集；根据实时交通流特征集处理多车辆交互参数，确定当前动态交互模式；设定流量阈值，当前动态交互模式显示流量突变超过流量阈值时则判断拥堵加剧，获得潜在风险评估值；根据潜在风险评估值模拟多车汇入场景，获得优化后的汇入时机序列；根据优化后的汇入时机序列整合主路与匝道车辆需求，获得协调汇入指令集；协调汇入指令集中的间隙参数满足道路安全约束条件时，通过无线通信网络向目标车辆传输协调汇入指令集，获得执行确认信号；根据执行确认信号实时监测交通流变化，完成匝道合流优化。本发明提升匝道合流通行效率与安全性。

本发明公开一种多模态低质量数据智能清洗与修复系统。多模态数据接入模块用于接收图像、文本、音频、视频的原始数据；联合质量评估模块用于跨模态特征相似度与上下文关联度，生成数据质量评分；动态修复策略生成模块用于根据质量评估分以语义补全、噪声抑制和生成式修复；知识图谱修复模块用于构建跨模态知识图谱，通过实体关联与逻辑推理修复语义不一致性；输出验证模块用于对修复后数据进行跨模态一致性验证，输出符合质量阈值的数据集。本发明通过跨模态联合质量评估、动态修复策略生成、知识图谱引导修复及可解释性验证，实现了多模态数据的语义一致性修复，通过量化图像－文本、文本－音频的语义一致性，解决传统单模态评估的局限性。

本发明涉及计算机视觉技术领域，具体是一种基于Transformer和CNN多维特征融合的轻量级小目标检测方法，该方法是采用如下步骤实现的：步骤一：数据集构建；步骤二：数据集标注及划分；步骤三：数据预处理；步骤四：MCD‑YOLO模型构建：基于C2f‑MCC层和DFA注意力机制，对传统YOLOv8n模型进行改进，得到MCD‑YOLO模型；步骤五：特征提取；步骤六：特征融合；步骤七：结果预测；步骤八：结果评估。本发明有效解决了现有基于深度学习的目标检测方法在检测遥感图像中的小尺寸目标时检测精度较低、参数量较大的问题，适用于遥感图像目标检测。