[发明专利]一种大数据的智慧校园管理系统在审

专利信息
申请号: 202310414561.5 申请日: 2023-04-18
公开(公告)号: CN116433432A 公开(公告)日: 2023-07-14
发明(设计)人: 杨进珠;王培明 申请(专利权)人: 广东融粤宝信息科技有限公司
主分类号: G06Q50/20 分类号: G06Q50/20;G06F3/01;G06V40/16;G06N20/00
代理公司: 合肥市科深知识产权代理事务所(普通合伙) 34235 代理人: 张宁波
地址: 510000 广东省广*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 数据 智慧 校园 管理 系统
【权利要求书】:

1.一种大数据的智慧校园管理系统,其特征在于,包括:

客户终端包括若干个客户模块,所述客户模块,对佩戴VR头盔学生家长面部所有类特征进行图像采集,所述客户模块包括模型自优化单元和若干个采集单元,一个所述采集单元对应采集学生家长面部一类特征的图像数据并依据其生成学生家长所属该类特征的特征类数据;

所述客户模块依据当前该学生家长面部所有类特征的特征类数据生成当前该学生家长的面部即时数据;

交互管理模块对学生家长面部即时数据进行交互管理,所述交互管理模块包括协同分配单元、存储单元和交互单元;

所述存储单元中存储有学生家长面部所属各类特征的对照特征类数据和目标结果数据;

所述协同分配单元按照一定的协同分配规则对当前学生家长的面部即时数据进行协同分配,具体如下:

S11:以学生家长面部的一类特征为例,获取当前该学生家长面部即时数据中所属该类特征的特征类数据,获取当前存储单元中存储的该学生家长面部所属该类特征的对照特征类数据;

S12:创建局部变量B,初始的局部变量B的值为0;

S13:利用相似度算法计算获取当前该学生家长面部即时数据中所属该类特征的特征类数据和当前存储单元中存储的所属该类特征的对照特征类数据的相似度,将其重新标定为当前该学生家长部即时数据中所属该类特征的分配评定指数,标记为A1;

S14:将A1和A进行大小比较,所述A为预设阈值;

S141:若A1A,保持局部变量B的值不变,将局部变量B重新标定为所属该类特征的特征类平量,标记为C1;

所述协同分配单元依据当前该学生家长面部即时数据中所属该类特征的特征类数据和所属该类特征的特征类平量C1生成当前该学生家长所属该类特征的预上传特征类数据,所述协同分配单元依据当前该学生家长面部即时数据中所属该类特征的特征类数据生成当前该学生家长所属该类特征的预训练特征类数据;

所述模型自优化单元依据当前存储的该类特征对应的特征训练模型对其进行训练获取基于当前该学生家长所属该类特征的目标结果数据并依据其生成当前该学生家长所属该类特征的预模拟特征类数据;

所述模型自优化单元依据当前该学生家长面部即时数据中所属该类特征的特征类数据和其对应的目标结果数据生成更新指令并将其传输到存储单元,所述存储单元接收到协同分配单元传输的更新指令后依据更新指令中携带的当前该学生家长面部即时数据中所属该类特征的特征类数据和其对应的目标结果数据对存储单元中当前存储的该学生家长面部所属该类特征的对照特征类数据和其对应的目标结果数据进行替换更新;

S142:若A1≥A,修改局部变量B的值为1,将修改后的局部变量B重新标定为所属该类特征的特征类平量,标记为C1;

获取当前该学生家长面部即时数据中所属该类特征的特征类数据基于当前存储单元中存储的所属该类特征对照特征类数据的增量数据并依据其和所属该类特征的特征类平量C1生成当前该学生家长所属该类特征的预上传特征类数据;

获取当前存储单元中存储的所属该类特征对照特征类数据对应的目标结果数据并依据其生成当前该学生家长所属该类特征的预模拟特征类数据;

S15:按照S11到S14,计算获取当前该学生家长所属所有类特征的预上传特征类数据并将其进行聚合生成当前该学生家长面部的预上传数据,计算获取当前该学生家长所属所有类特征的预模拟特征类数据并将其进行聚合生成当前该学生家长面部的预拟化数据;

所述交互单元按照一定的筛选生成规则生成当前该学生家长面部特征类即时上传数据;

数据分析模块,周期性的对学生家长面部预上传数据进行分析生成学生家长面部类特征的多变频率表;

虚拟现实服务终端,所述虚拟现实服务终端基于学生家长面部特征类即时上传数据对各类特征的特征训练模型进行优化。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于广东融粤宝信息科技有限公司,未经广东融粤宝信息科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202310414561.5/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top