二狗子的志愿者故事20210121

本文讲述了二狗子作为志愿者参与村庄核酸检测的故事,涉及数据收集、整理与校验,强调了严谨性和团队协作的重要性。

我们都是打工人·二狗子的志愿者故事20210121

二狗子是我的大学朋友,今年他在他们村做志愿者,其中有些许工作挺有趣的,也便给我讲来听了。

目录

背景

分析

实验环境

实验步骤

实验总结


背景

小庄里疫情肆虐,二狗子报名参加了志愿者,本着自己的专业性,在两次核酸检测中做为记录员和统计员,其中在第二次核酸检测中,在村干部的带领下,他首先负责记录小组着一块,记录小组总共有7个人,三个2人小组和一个补充人员,另在核酸检测现场有五个二人小组记录原始信息。

要求:在一上午完成所有人员的统计E,并和第一次D进行比较,第一次来了这次没来的A,第二次新增的C,以及两次都有的人员B。

分析

  1. 数据获取。三组人员按照各自进度直接在群里接纸质表在电脑上登记。
  2. 数据关系。如下图所示,D部分已知,E通过记录也能轻松获取,B = D&&E,A=D-B,C=E-B;

     

  3. 数据可能有误。第一次登记表中数据错误--姓名和身份证号至少一个出错的情况;第二次登记小组记录出错--姓名和身份证号至少一个出错的情况,三组人员在抄录纸质表时出错----姓名和身份证号至少一个出错的情况。由于是二狗子在监工,所以假设第三种情况不存在。
  4. 身份证是唯一的,除了一些年龄过老的和刚出生的可能没有二代身份证,其他人有且仅有一份,故可以将身份证号作为筛选标准,但为保证结果准确,尽可能减少错误数据源带来的影响,将姓名转换为拼音进行筛选。

实验环境

Win10+python3+EXCEL/WPS

实验步骤

     0.D

  1. DE数据收集。由三组人员同时纪录,最后一起合并;
  2. DE数据整理。使用python3中的一个包xPinyin进行拼音转换;
    #-*- coding:utf-8 -*-
    import xpinyin as py
    
    pin = py.Pinyin()
    
    name = ["....",......]
    
    for i in name:
        print(pin.get_pinyin(i,"-"))

     

  3. BDE数据初步筛选。使用EXCEL中的函数VLOOKUP,IFERROR,IF、COUTIFS、OR几个内置函数,根据公式B = D&&E得出B部分,如果以D表为基础进行筛选,则E表中应该根据D表中的身份证为准,以E表为基础同理;
  4. ACBDE剩余数据筛选。同3,根据公式进行筛选A=D-B,C=E-B,并在筛选表中用两个关键值进行标记,一个是由ID得到,一个是由name的拼音得到;
  5. ABCDE数据检查。在第3部分中无论是以哪个表为基准,最后得到的表都应该是相同的,并在数据数量上保证A+B=D,B+C=E;

实验总结

二狗子最后告诉我,

  1. 如果在一个任务中,领头的人员如果拿出的是一个漏洞百出的方案,并且其听不进或者听不懂别人的建议,要么你就篡权越职代领导,要么就放弃不干了,除非你们之间有什么利益关系,否则不建议浪费时间做无用功;
  2. 每次信息统计应该十分认真,并保证绝对不能出任何错误,否则基础不牢,后面会更浪费时间,亦或者是什么也别做,海绵上面是盖不了房子的,更别说摩天大楼了。

 

 

内容概要:本文围绕EKF SLAM(扩展卡尔曼滤波同步定位与地图构建)的性能展开多项对比实验研究,重点分析在稀疏与稠密landmark环境下、预测与更新步骤同时进行与非同时进行的情况下的系统性能差异,并进一步探讨EKF SLAM在有色噪声干扰下的鲁棒性表现。实验考虑了不确定性因素的影响,旨在评估不同条件下算法的定位精度与地图构建质量,为实际应用中EKF SLAM的优化提供依据。文档还提及多智能体系统在遭受DoS攻击下的弹性控制研究,但核心内容聚焦于SLAM算法的性能测试与分析。; 适合人群:具备一定机器人学、状态估计或自动驾驶基础知识的科研人员及工程技术人员,尤其是从事SLAM算法研究或应用开发的硕士、博士研究生和相关领域研发人员。; 使用场景及目标:①用于比较EKF SLAM在不同landmark密度下的性能表现;②分析预测与更新机制同步与否对滤波器稳定性与精度的影响;③评估系统在有色噪声等非理想观测条件下的适应能力,提升实际部署中的可靠性。; 阅读建议:建议结合MATLAB仿真代码进行实验复现,重点关注状态协方差传播、观测更新频率与噪声模型设置等关键环节,深入理解EKF SLAM在复杂环境下的行为特性。稀疏 landmark 与稠密 landmark 下 EKF SLAM 性能对比实验,预测更新同时进行与非同时进行对比 EKF SLAM 性能对比实验,EKF SLAM 在有色噪声下性能实验
内容概要:本文围绕“基于主从博弈的售电商多元零售套餐设计与多级市场购电策略”展开,结合Matlab代码实现,提出了一种适用于电力市场化环境下的售电商优化决策模型。该模型采用主从博弈(Stackelberg Game)理论构建售电商与用户之间的互动关系,售电商作为领导者制定电价套餐策略,用户作为跟随者响应电价并调整用电行为。同时,模型综合考虑售电商在多级电力市场(如日前市场、实时市场)中的【顶级EI复现】基于主从博弈的售电商多元零售套餐设计与多级市场购电策略(Matlab代码实现)购电组合优化,兼顾成本最小化与收益最大化,并引入不确定性因素(如负荷波动、可再生能源出力变化)进行鲁棒或随机优化处理。文中提供了完整的Matlab仿真代码,涵盖博弈建模、优化求解(可能结合YALMIP+CPLEX/Gurobi等工具)、结果可视化等环节,具有较强的可复现性和工程应用价值。; 适合人群:具备一定电力系统基础知识、博弈论初步认知和Matlab编程能力的研究生、科研人员及电力市场从业人员,尤其适合从事电力市场运营、需求响应、售电策略研究的相关人员。; 使用场景及目标:① 掌握主从博弈在电力市场中的建模方法;② 学习售电商如何设计差异化零售套餐以引导用户用电行为;③ 实现多级市场购电成本与风险的协同优化;④ 借助Matlab代码快速复现顶级EI期刊论文成果,支撑科研项目或实际系统开发。; 阅读建议:建议读者结合提供的网盘资源下载完整代码与案例数据,按照文档目录顺序逐步学习,重点关注博弈模型的数学表达与Matlab实现逻辑,同时尝试对目标函数或约束条件进行扩展改进,以深化理解并提升科研创新能力。
Vue Router是Vue.js官方的路由管理器,用于实现前端的路由功能。在Vue Router中,有三个全局守卫和一个组件内守卫。 全局前置守卫(router.beforeEach)会在进入路由之前被调用,可以用来进行一些全局的权限验证或者路由拦截等操作。 全局解析守卫(router.beforeResolve)是在beforeRouteEnter调用之后调用的,可以用来做一些解析异步数据的操作。 全局后置钩子(router.afterEach)会在进入路由之后被调用,通常用来进行一些全局的后续操作。 它们的使用方法如下所示: 1. 全局前置守卫的注册方式是在创建Vue Router实例后调用beforeEach方法,并传入一个回调函数作为参数。在回调函数中可以进行相关的逻辑处理,比如判断用户是否登录等。 2. 全局后置钩子的注册方式是在创建Vue Router实例后调用afterEach方法,并传入一个回调函数作为参数。在回调函数中可以进行一些全局的后续操作,比如跳转到登录页面等。 3. 路由独享的守卫是在定义路由时通过beforeEnter属性来设置,可以为每个路由单独设置守卫逻辑。 4. 组件内的守卫是在组件内部通过定义beforeRouteEnter、beforeRouteUpdate和beforeRouteLeave等方法来实现的,用于在组件内部进行路由相关的逻辑处理。 综上所述,Vue Router提供了全局守卫、路由独享的守卫和组件内的守卫,可以用来实现前端路由的权限控制和逻辑处理等功能。<span class="em">1</span><span class="em">2</span><span class="em">3</span><span class="em">4</span>
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值