本技术提供一种口算数据处理方法，根据记录端获取口算记录载体的答题数据，基于所述口算记录载体的点阵坐标信息提取所述答题数据的位置数据；基于所述位置数据确定与所述答题数据对应的题型数据，调取自动审阅策略和所述题型数据对所述答题数据进行自动审阅，得到巩固数据；获取预设时间段的所述巩固数据作为编写数据，基于所述答题数据对所述编写数据进行分类，得到直接异常数据和/或间接异常数据；根据所述直接异常数据和/或所述间接异常数据构建阶段巩固表，发送所述阶段巩固表至用户端。

 本技术提供一种基于结构化深度聚类的供水管网压力测点优化方法，涉及管网压力监测技术领域，所述方法通过SDCN模型对原始数据获取高维特征表示，去除原始数据中的冗余信息，然后将数据中的高维特征和结构性特征融合，SDCN模型在学习数据高维特征的同时学习数据的结构性特征，使得SDCN模型在压力监测点布置问题上能够获得一个良好的聚类效果，基于良好的聚类效果，优化传统GA算法和PSO算法的初始种群，以获得更优的压力监测点布置方案，所述SDCN模型能够有效地应用到供水管网压力监测点的布置方案中，优化监测点空间位置和数量，从而提高管网泄漏监控能力，实现监测系统经济性和有效性的平衡。

根据本公开的方面，提供了一种辅助监视器。该辅助监视器包括:支架，该支架包括至少一个导轨，一个或更多个联接到该支架并被构造为联接到计算机的联接元件；以及显示部分。显示部分包括被构造为通信地联接到计算机的通信接口，被配置为显示输出信息的至少一个显示器屏幕，以及至少一个铰接件，该铰接件被构造为可滑动地联接到至少一个导轨，并被构造为允许显示部分相对于支架旋转。

本文涉及一种求解单元延时的方法、电子设备及存储介质，所述方法包括以下步骤:获取目标工作电压；判断目标工作电压是否具有对应的预设工作电压；若目标工作电压不具有对应的预设工作电压，则基于预设工作电压的单元时序库对应的单元延时或基于工作电压与单元延时之间的预设关系函数，求解目标工作电压对应的单元延时。本申请的技术方案，可以在已建立的预设工作电压的单元时序库的基础上，求解其他工作电压对应的单元延时，或基于预设建立的关系函数求解不同工作电压对应的单元延时，无需针对目标工作电压进行库特征化，显著缩短分析时间，有利于覆盖更多电压条件的时序分析。

本技术提供一种基于线路信息的气象数据获取装置及获取方法，获取方法包括:码表设备获取用户骑行的当前位置信息和当前运动数据；手机终端根据码表设备下发的用户骑行线路信息，将所述线路信息分解为多个经纬度坐标点，并基于气象数据平台的气象数据获取每一个经纬度坐标点的气象数据；以及根据用户骑行的当前位置信息和当前运动数据，计算用户从当前位置骑行到下一个位置的运动时间t，且将t时间后的气象数据和对应的下一个位置发送给码表设备。本发明能够根据码表下发的导航路线和行动轨迹进行智能预测未来所到达地的天气信息，提前告知用户天气情况，有效的帮助用户在运动时应对突发的天气状况。

 本技术公开了一种建筑群表面辐照度关键影响因子分析方法，属于表面辐照度领域。该方法包括:建筑群模型构建、分析及构建建筑表面辐照度影响因子、分析建筑群表面辐照度影响要素以及分析建筑群表面辐照度关键影响因子。本发明首先将对现有辐照度影响因子进行分析和归类，并基于辐射传递理论和建筑群对辐射传递的影响构建新影响因子；其次，对各辐射分量的影响要素进行了分析，并确立各因子间的组合关系及各辐射分量的潜在关键影响因子；最后，以年平均短波总辐照度值为例，通过统计分析对建筑群表面辐照度中直射、散射和反射分量的关键影响因子进行了筛选和确立。

 本技术公开了一种变压器声纹信号去噪方法，包括如下步骤:使用声音采集装置采集变压器声纹信号；采用改进山猫优化算法对时变滤波经验模态分解的带宽阈值和B样条阶数进行优化，再使用优化后的时变滤波经验模态分解将采集到的变压器声纹信号分解成本征模态函数；采用滑动窗对本征模态函数进行分段截取，并且将截取后的本征模态函数构建成三阶信号张量；将构建的三阶信号张量输入贝叶斯高斯张量分解模型中进行分解重构，再根据张量构造逆过程将重构后的三阶信号张量还原成一维向量；本发明运用改进后的山猫优化算法优化时变滤波经验模态分解的参数，避免了分解时的混叠现象。

 本技术属于人工智能与深度学习领域，为了解决新旧知识的不平衡和适配性差的问题，提供基于持续知识保护分解的小样本持续学习方法及系统。其中，基于持续知识保护分解的小样本持续学习方法包括基于每个类别的回放样本数据及持续学习模型骨干网络，经奇异值分解得到知识敏感成分和冗余容量成分；在增量适配训练过程中，冻结知识敏感成分所对应的预训练线性权重矩阵；同时利用冗余容量成分来构建可学习的适配器，更新预训练线性权重矩阵；重新获取小样本回放数据，基于更新后的预训练线性权重矩阵再次进行奇异值分解及增量适配训练操作。其通过协方差矩阵的动态更新，实现了新旧知识的平衡和高效适配，提高了分类结果的准确性。

 本技术涉及路径规划技术领域，尤其是涉及一种基于联邦学习和边缘计算的个性化路径规划方法及系统。包括模型训练阶段和路径规划阶段；在模型训练阶段，客户端将用户在访问地区的出行经验量化为路径的信任度评分，并根据用户社交网络中的路径选择频率优化路径信任度评分，将已知区域路径的信任度分数存储在本地；客户端将其路径信任度分数上传至中央服务器，进行信任度分数的全局聚合，之后中央服务器将聚合的信任度分数下发给各客户端；本发明公开了一种基于联邦学习和边缘计算的个性化路径规划方法及系统，针对用户的个性化出行问题，提出了路径信任度的评价维度，可以根据用户的个人偏好，提供个性化的路径规划。

 一种基于专家知识的智能合约细粒度漏洞检测方法，其方法包括:S1：利用大语言模型，构造提示词，分析智能合约源代码，为智能合约数据集打标签；通过静态分析智能合约源代码语句，通过将源代码元素表示成向量获取源代码细粒度特征初步表示，并且通过将抽象语法树子树合并到控制流图节点的代码图，得到源代码的图表示；S2：获取同一智能合约的异构代码特征和源代码细粒度特征，输入到BGSCVul模型中进行迭代融合，构建深度学习分类器；S3：通过构造专家知识分类器，实现以针对特定专家知识做出决策；S4：使用压栈方法融合各个子分类器的输出，输出最终预测。