【摘 要】
:
随着社会经济的不断发展,人才成为企业发展过程中不可或缺的因素。但是目前企业在招聘人才时如果只凭借自身经验判断进行招聘,就会出现招聘不到人才的情况。即使招聘到人才,用人单位如果不能规划和管理好人才让每个人在合适的职位上工作,就会使个人和企业的利益同时受损。不仅如此,目前很多高校毕业生不清楚自己的职业目标,也出现了找不到适合自己工作的现象。随着职业测评在国内外的发展,职业测评一方面可以帮助企业高效的找
论文部分内容阅读
随着社会经济的不断发展,人才成为企业发展过程中不可或缺的因素。但是目前企业在招聘人才时如果只凭借自身经验判断进行招聘,就会出现招聘不到人才的情况。即使招聘到人才,用人单位如果不能规划和管理好人才让每个人在合适的职位上工作,就会使个人和企业的利益同时受损。不仅如此,目前很多高校毕业生不清楚自己的职业目标,也出现了找不到适合自己工作的现象。随着职业测评在国内外的发展,职业测评一方面可以帮助企业高效的找到对口人才并安排合适的岗位,另一方面高校学生也可以借助职业测评找到合适自己的职业,并树立正确的职业生涯规划。开发职业测评平台可以让企业和高校注册成为平台租户,平台租户在逻辑上拥有独立的职业测评系统,并能开展本租户下面的职业测评活动,这具有重要意义。本文首先分析了职业测评的具体业务流程,根据业务实际情况分析系统的参与角色,分析系统各模块的功能性需求,以及系统在性能、安全性、易用性等方面的非功能性要求。在系统概要设计阶段对系统数据库服务器、Redis缓存集群、对象存储服务、web服务器、应用服务之间的交互方式和部署方案进行设计。进行系统软件层次架构设计时,以SpringCloud为服务治理架构,以SpringBoot作为单体服务开发框架,使用Vue框架作为系统前端框架,将系统分为表现层、接口层、服务层、数据层、存储层。在数据库设计阶段,分析系统的实体以及实体之间的关系,设计系统数据库表结构。职业测评平台由平台控制子系统和职业测评业务子系统构成,在详细设计阶段,对平台控制子系统的租户管理模块、职业量表管理模块、数据统计模块以及职业测评业务子系统的被试用户管理模块、测评管理模块、在线测评模块进行详细设计,并通过类图、时序图进行描述。系统测评和实际运行结果表明,职业测评平台各功能模块通过了系统功能测试用例,符合系统预期需求。
其他文献
随着5G进入商用阶段,虚拟现实、增强现实、车联网和全息影像等新兴应用高速发展,用户对内容服务的需求不断增加。面对移动数据流量的急剧增长,雾无线接入网(Fog Radio Access Network,F-RAN)中采用人工智能和边缘缓存技术提升网络服务质量。然而,人工智能技术带来的数据隐私问题日趋严重。因此,为解决F-RAN中采用人工智能对缓存资源进行优化时面临的数据隐私问题,本论文提出了一种F-
无线网状网络(Wireless Mesh Network,WMN)是以无线通信为基础组建的Mesh网络,其在伸缩性、鲁棒性、吞吐量等方面相比于传统的WLAN网络拥有多种优势。由于当前接入网络的无线终端数目的增多,如何有效部署WMN网络开始成为人们的研究热点。无线通信的信道和功率是两大重要资源,如何有效利用这两大资源是部署WMN必须解决的难题,为了解决普通WMN信道利用率低的问题,多无线电多信道无线
图像分辨率是对图像质量好坏、清晰度高低进行评价的一个重要指标,在获取图像过程中,会由于众多客观因素的影响导致图像分辨率较低,例如:硬件仪器成像能力有限以及环境因素等。超分辨率图像重建算法旨在利用现有的低分辨率图像获得对应的高分辨率图像。如何提高图像可以传递的信息量进而获取高分辨率的图像以满足实际需要将具有重要研究价值和意义。本文对基于生成对抗网络的图像重建算法进行了改进,使得重建图像的内容充实、视
通信技术演进到第五代移动通信(the Fifth Generation of Mobile Communication,5G)时代,能够实现万物的互联互通,而V2X(Vehicle to Everything,车辆到一切事物)技术作为万物互联的接入点成为了目前研究的热点。本文主要对5G新空口车联网(New Radio Vehicle to Everything,NR-V2X)技术的直连链路(Sid
无人机(Unmanned Aerial Vehicle,UAV)搭载空中基站与传统的固定基站相比,具有制造成本低、操作灵活等优势。通过引入终端直通(Device-to-Device,D2D)技术,可以有效扩展无人机通信网络无线覆盖范围。然而,无人机的高移动性导致网络拓扑的频繁变化,因此对底层D2D网络带来了更严重的干扰。为了提升面向D2D用户的无人机网络性能,本文针对不同的网络模型,提出了联合优化
作为计算机视觉领域的重要研究分支,基于人脸检测和识别的身份验证技术近年来取得了长足的进步,在智慧城市、交通监管和安防监控等诸多领域实现了大规模商业化普及,为经济社会的稳定和发展提供了重要保障。然而在非限定性人员管控场景下,人脸的局部遮挡会造成图像原本的结构性特征丢失,大幅影响人脸识别精度。此外,随着智能终端设备的广泛应用和算力提升,基于移动端完成人员管控的需求大大增加,但当前主流的深度神经网络模型
近年来,伴随着互联网技术的快速发展,视频监控系统得到了越来越广泛的应用。在视频监控系统的运营过程中,视频不可避免会出现一些质量问题,比如模糊和偏色。这些问题会极大影响监控的有效性,因此视频图像质量的自动诊断变得越来越重要。在这个背景下,本文针对视频质量检测中图像模糊和偏色的问题进行研究,在研究的基础上设计并实现了一个视频质量检测系统。本文的主要研究内容如下:在图像模糊检测方面,针对运动模糊图像和失
在如今21世纪,无线通信已经与我们的社会发展与日常生活密不可分。而由于无线通信本身所具有的开放性的特点,我们周围的电磁环境是非常复杂且多变的,也因此对无线信号的识别技术一直是人们研究的热点问题。随着人工智能技术的兴起与高速发展,信号的识别识别技术也由原先需要依靠技术人员的专业能力来判断转变为由计算机自己完成对目标信号的识别,节省了大量人力,也极大的提高了识别速度与准确度。本文的主要工作及创新点如下
当前高动态车联场景面临着多普勒频偏扩展效应对通信系统的性能造成严重影响的问题,本文从多频段性能差异、车联业务需求差异和历史频偏数据辅助三个维度出发,提出了一种新型的联合多普勒频偏估计与补偿算法,有效地实现了多普勒频偏估计与补偿,提升通信链路的性能及可靠性,从而保障了高动态车联场景下所承载业务的有效进行。本文的主要贡献包括两部分:(1)建立了基于数据辅助的多普勒频偏联合估计与补偿方法。针对高动态车联
癫痫是由神经元异常放电而导致中枢神经系统功能短暂失常的脑部疾病,其发作的形式和强度复杂多样。约30%的癫痫患者在服用药物后发作症状未得到缓解,只能寄希望于手术切除癫痫灶以进行治疗。在术前评估时,发作起始区作为癫痫灶定位显著的标志,其定位精度决定着手术的治疗效果。因此,如何实现发作起始区的准确定位具有十分重要的研究意义。目前已有多项研究表明:癫痫发作起始区内、外的高频振荡信号具有一定差异,其可被用于