基于安卓及云服务平台的考勤管理系统

来源 :湖北工程学院学报 | 被引量 : 0次 | 上传用户:yu351464325
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
针对当前考勤系统半手工半计算机化信息处理方式效率低、统计人员统计整理信息繁琐而且容易出错的情况,运用Wifi无线传输技术、射频识别(radio frequency identification,RFID)技术设计并实现了基于安卓平台、Bmob云服务器的考勤管理系统.该系统将安卓端考勤信息数据实时与云服务器交互,不仅便于企业员工进行考勤,而且便于管理人员实时查看和统计企业员工某时间段内考勤情况,同时系统可以将出勤数据一键导出.测试结果表明,该系统运行稳定,有助于管理人员统计考勤信息,有利于现代公司和企事业单位的发展,使考勤管理更加科学合理,使企业的管理效率最大化.
其他文献
在艺术类院校中,思政育人不乏形式的多样,难点在于让学生通过教育活动真正感知、感悟、入脑、入心,知行合一.
以农业废弃物板栗壳为原料,采用浸渍加热法制得磁性生物炭.表征分析结果表明:载铁改性后的生物炭因负载Fe3 O4颗粒而具备磁性,磁性可达39.1 emu/g.等温吸附实验结果表明,未经载铁改性处理的生物炭表面光滑,吸附位点分布均匀,对盐酸四环素的吸附过程更符合Langmuir模型;经过载铁处理后生物炭表面分布Fe3 O4颗粒,变得疏松多孔,吸附位点分布不均,对盐酸四环素的吸附过程更符合Freundlich模型.经过载铁改性处理的生物炭对盐酸四环素的吸附容量大幅提升,Fe-AC800的最大理论吸附量可达96.
安装工程计量与计价课程是高校工程造价专业的核心课程,教师是教学服务的主体,从教师、教材、教法三方面教学改革入手来提高安装工程计量与计价教学的效果,达到人才培养目标的要求.
用一锅水热法制备了颗粒状Pd-Cu双金属催化剂,共同负载于石墨烯上,说明形貌的改变对催化剂的催化性能有很大的影响.相比于商业Pd/C催化剂,颗粒状Pd-Cu/RGO催化剂在碱性条件下的催化活性和稳定性都有所提高,催化活性更加优异.该工作证明了石墨烯负载贵金属是燃料电池催化剂的极好材料,且石墨烯作为碳载体有利于金属的分散,它们相互间也会产生协同效应,进而获得更优异的催化活性.
采用氢氧化钠和乙醇改性处理橘子皮,将其应用于对重金属离子C d2+、C u2+和Z n2+的吸附,探讨了溶液pH、吸附剂的量、吸附时间、重金属离子初始浓度和温度对改性橘子皮吸附性能的影响.结果表明:金属离子浓度为50 mg/L,pH为5.0,吸附时间为3 h,吸附剂用量为0.1 g,温度为25℃的条件下能够获得良好的吸附效果,吸附量可达52.13 mg/g(Cd2+)、43.90 mg/g(Cu2+)和32.39 mg/g(Zn2+),三者吸附过程均符合准二级动力学方程.改性橘子皮对Cd2+、Cu2+和Z
选取88例重症胰腺炎患者为研究对象,随机分为两组,对照组实施奥曲肽单药治疗,观察组实施乌司他丁联合奥曲肽治疗,比较两组炎症水平和肠黏膜功能指标情况.结果显示:两组治疗前炎症介质水平和肠黏膜功能指标无显著差异,治疗后观察组指标均显著低于对照组;比较两组治疗效果,观察组总有效率显著高于对照组.本文结果表明,给予重症胰腺炎患者乌司他丁联合奥曲肽治疗,可有效降低炎症水平和肠黏膜指标数值,提高生存质量,减少不良反应与并发症,值得推广.
深度卷积网络是一种有效的图像超分辨(super-resolution,SR)重建技术.然而,大多数已有多深度学习超分辨方法没有充分利用输入图像中存在的不同尺度之间的相似性结构,导致获得的超分辨图像在视觉质量上仍然存在一定的差距.为解决上述问题,提出一种多尺度渐进融合网络的图像超分辨重建方法.该方法使用高斯核对输入图像生成不同尺度的高斯金字塔图像,将高斯金字塔图像输入到粗融合模块中进行深度特征提取与融合,将粗融合模块得到的结果输入到细融合模块中获取更加精细的图像特征,最后将粗融合模块得到到粗特征和细融合模块
针对道路交通信息化管理的问题,考虑到基于神经网络的城市道路交通诱导算法有助于提升高峰时段通行效率,本文利用传统的BP(back propagation)神经网络,迭代计算20次.结果表明,在城市道路交通诱导方面可取得较好的效果,高峰时段提升近15% 的通行效率.
蝎毒的主要生理活性组分是其内含的多种生物活性多肽,一般长度为20~80氨基酸,分子内含2~4个二硫键,理化性质稳定并能发挥多种药理作用.蝎毒多肽是离子通道抑制剂,而离子通道在癌细胞中失调和过表达,在肿瘤的发展和侵袭中起重要作用.因此,蝎毒多肽具有明显的抗肿瘤效用,其作用机制主要有诱导癌细胞凋亡,抑制癌细胞增殖、侵袭、转移和血管生成,以及调节免疫细胞活性.
为了实现准确、实时农田稻穗识别,引入深度学习技术,设计了一套基于YOLOv3(you only look o nce)物体识别算法的农田稻穗识别系统,为植保无人机、耕种机器人等提供基础数据.该系统采用大疆无人机对稻田进行中低空俯拍,采集图像信息;对采集到的农田图像进行存储、组织管理,构建基于w eb的图像数据库,且具备图像预处理功能;对数据库中的图像进行筛选、分割,并按照YOLOv3算法要求进行图像标注,制作训练样本;最后基于YOLOv3深度学习算法对农田中的稻穗进行识别,获得精确的定位框和较好的识别效果