CN113256100B - 一种基于虚拟现实技术的室内设计用教学方法及系统 - Google Patents
一种基于虚拟现实技术的室内设计用教学方法及系统 Download PDFInfo
- Publication number
- CN113256100B CN113256100B CN202110546740.5A CN202110546740A CN113256100B CN 113256100 B CN113256100 B CN 113256100B CN 202110546740 A CN202110546740 A CN 202110546740A CN 113256100 B CN113256100 B CN 113256100B
- Authority
- CN
- China
- Prior art keywords
- target
- model
- scene
- result
- expressed
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000013461 design Methods 0.000 title claims abstract description 45
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000005516 engineering process Methods 0.000 title claims abstract description 31
- 230000006870 function Effects 0.000 claims abstract description 5
- 238000005457 optimization Methods 0.000 claims description 23
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000004458 analytical method Methods 0.000 claims description 7
- 238000004422 calculation algorithm Methods 0.000 claims description 6
- 238000005034 decoration Methods 0.000 claims description 6
- 238000012986 modification Methods 0.000 claims description 4
- 230000004048 modification Effects 0.000 claims description 4
- 238000012216 screening Methods 0.000 claims description 4
- 238000004891 communication Methods 0.000 claims description 3
- 230000008451 emotion Effects 0.000 abstract description 7
- 238000004088 simulation Methods 0.000 description 30
- 238000011156 evaluation Methods 0.000 description 16
- 230000008901 benefit Effects 0.000 description 14
- 230000009286 beneficial effect Effects 0.000 description 11
- 230000008859 change Effects 0.000 description 9
- 230000008569 process Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 4
- 230000006978 adaptation Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/20—Education
- G06Q50/205—Education administration or guidance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T19/00—Manipulating 3D models or images for computer graphics
- G06T19/006—Mixed reality
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B5/00—Electrically-operated educational appliances
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B5/00—Electrically-operated educational appliances
- G09B5/08—Electrically-operated educational appliances providing for individual presentation of information to a plurality of student stations
- G09B5/12—Electrically-operated educational appliances providing for individual presentation of information to a plurality of student stations different stations being capable of presenting different information simultaneously
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Computer Graphics (AREA)
- Development Economics (AREA)
- Software Systems (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Geometry (AREA)
- Computer Hardware Design (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- General Engineering & Computer Science (AREA)
- Operations Research (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于虚拟现实技术的室内设计用教学方法及系统，其方法包括：从云端服务器中下载常用模型，将所述常用模型存储在本地服务器中，根据教师客户端的场景需求自动生成目标场景，根据学生客户端需求从本地服务器中调用所需要的多个目标模型，将目标场景和多个目标模型反馈至学生客户端以供学生进行建模，接收学生客户端反馈的建模结果，对建模结果进行自动评分，获取最终评分结果，将最终评分结果传输至学生客户端。可以使学生客户端自由地根据功能的不同选择不同的模型，为学生提供了多样化的选择，提高了学生的体验感。可以摒弃现有技术中人工手动评分的操作，使得最终的评分结果不参加人为情感因素，更加实际和客观。
Description
技术领域
本发明涉及房屋设计技术领域，尤其涉及一种基于虚拟现实技术的室内设计用教学方法及系统。
背景技术
随着5G技术的发展和计算机处理器性能的提高，现有技术已经可以实现低延迟传输和复杂场景的仿真模拟，因此VR的技术也越来越成熟，并越来越多的应用到了我们生活中的方方面面，例如VR旅游、VR游戏、VR健身、VR课堂、VR实验室等。VR技术给我们的生活提供了极大的便利。
VR技术的应用对设计有着巨大的帮助，它可以帮助设计者将现象的内容具体的呈现在眼前，可以将一些抽象的设计想法直观的展示出来。同时运用VR技术进行设计的教学相对于传统的教学方式，也有着十分巨大的优势，例如：使VR技术进行教学时，老师不但可以将设计作品以3维立体图的方式进行介绍，更可以将它模拟出来，带学生进入其中，升至随时切换不同的设计，使学生可以直观的对比出不同设计所带来体验的差距和优劣，更好的帮助学生成长。然而，现有的VR设计教学系统在使用体验上却差强人意，现有的VR设计教学系统在模型的选择上比较单一，往往很难满足不同的设计者的设计需求，同时一般都是老师主管对学生的建模结果进行评分，导致评分结果夹杂了过多人为情感的影响而显得不够客观，无法直观地评估出学生的建模水平，降低了学生的体验感。
发明内容
针对上述所显示出来的问题，本发明提供了一种基于虚拟现实技术的室内设计用教学方法及系统用以解决背景技术中提到的现有的VR设计教学系统在模型的选择上比较单一，往往很难满足不同的设计者的设计需求，同时一般都是老师主管对学生的建模结果进行评分，导致评分结果夹杂了过多人为情感的影响而显得不够客观，无法直观地评估出学生的建模水平，降低了学生的体验感的问题。
一种基于虚拟现实技术的室内设计用教学方法，包括以下步骤：
从云端服务器中下载常用模型，将所述常用模型存储在本地服务器中；
根据教师客户端的场景需求自动生成目标场景；
根据所述学生客户端需求从所述本地服务器中调用所需要的多个目标模型，将所述目标场景和多个目标模型反馈至所述学生客户端以供学生进行建模；
接收所述学生客户端反馈的建模结果，对所述建模结果进行自动评分，获取最终评分结果，将所述最终评分结果传输至所述学生客户端。
优选的，在从云端服务器中下载常用模型，将所述常用模型存储在本地服务器中之前，所述方法还包括：
利用预设互联网大数据算法搜索出所述网络数据库中下载量偏多的第一数量个第一模型；
评估每个第一模型的目标性价比；
将目标性价比高于预设性价比的第二数量个第二模型进行统计并筛选；
将所述第二数量个第二模型按照功能进行分类，获取分类结果；
将所述分类结果确认为所述常用模型。
优选的，所述从云端服务器中下载常用模型，将所述常用模型存储在本地服务器中，包括：
通过特定账号和密码接通所述云端服务器的网络数据库；
从所述网络数据库中下载所述常用模型；
在所述本地服务器中构建一个本地数据库；
将下载好的常用模型存储到所述本地数据库中。
优选的，所述场景参数及特征包括：房屋参数及特征和结构参数及特征，所述根据教师客户端的场景需求自动生成目标场景，包括：
接收所述教师客户端输入的房屋参数及特征，根据所述房屋参数及特征生成第一场景；
将所述第一场景反馈至所述教师客户端供教师客户端进行修改；
接收修改后的第二场景，根据所述结构参数对所述第二场景内的结构进行标注，获得标注后的第二场景；
将所述标注后的第二场景作为目标场景，自动生成所述标注后的第二场景。
优选的，在根据所述学生客户端需求从所述本地服务器中调用所需要的目标模型，将所述目标场景和目标模型反馈至所述学生客户端以供学生进行建模之前，所述方法还包括：
接通所述教师客户端与学生客户端之间的通信连接；
将所述目标场景同时传输至所述教师客户端与学生客户端；
将所述目标场景输入到所述云端服务器中，接收所述云端服务器反馈的智能模型推荐结果；
将所述智能模型推荐结果同时上传至所述教师客户端与学生客户端；
接收所述学生客户端反馈的建模结果，对所述建模结果进行自动评分，获取最终评分结果，将所述最终评分结果传输至所述学生客户端，包括：
从所述学生客户端监控所述学生的建模过程；
对所述建模过程和建模结果利用预设评分机制分别进行评分，获取建模过程对应的第一评分结果和建模结果对应的第二评分结果；
根据第一评分结果和第二评分结果各自对应的权重计算出所述最终评分结果；
将所述最终评分结果与预设评分结果进行比较，当所述最终评分结果大于等于所述预设评分结果时，直接将所述最终评分结果传输至所述学生客户端，当所述最终评分结果小于所述预设评分结果时，在所述智能模型推荐结果中选择评分结果大于等于所述预设评分结果的目标智能模型，将所述目标智能模型连同所述最终评分结果传输至所述学生客户端。
优选的，根据所述学生客户端需求从所述本地服务器中调用所需要的多个目标模型，将所述目标场景和多个目标模型反馈至所述学生客户端以供学生进行建模，包括：
获取所述学生客户端发送的目标模型的编号和类别；
根据所述编号和类别在所述本地服务器中调用所述编号和类别对应的多个目标模型；
获取每个目标模型的推荐度，将每个目标模型与其推荐度相关联；
根据预设优化算法计算出多个目标模型对于所述目标场景中优化度，将每个目标模型与其优化度进行关联；
将所述多个目标模型及其推荐度和优化度以及所述目标场景反馈至所述学生客户端以供所述学生客户端进行建模。
优选的，所述评估每个第一模型的目标性价比，包括：
获取每个第一模型的模型信息，基于所述模型信息，确定每个第一模型对应的价值信息；
根据每个第一模型的价值信息确定每个模型的价值参数；
接收学生客户端发送在目标场景下的风险可接受水平；
根据所述每个模型的价值参数以及所述学生客户端反馈的风险可接受水平对每个第一模型进行第一性价比评估，获得每个第一模型的第一性价比；
解析所述每个第一模型，获得每个第一模型的竞标因子和初始效益；
将每个第一模型的竞标因子和初始效益结合所述目标场景获得每个第一模型在所述目标场景内的目标竞标因子和目标效益；
根据每个第一模型的目标竞标因子和目标效益计算出每个第一模型的服务系数和收益系数；
根据每个第一模型的服务系数和收益系数对每个第一模型进行第二性价比评估，获得每个第一模型的第二性价比；
确定每个第一模型的目标资源需求，根据每个第一模型的目标资源需求对每个第一模型进行评估，获得评估结果；
根据每个第一模型的评估结果对所述每个第一模型进行第三性价比评估，获得每个第一模型的第三性价比；
根据所述第一性价比、第二性价比和第三性价比进行综合计算获得每个第一模型的目标性价比。
优选的，所述接收所述学生客户端反馈的建模结果后，还对建模结果进行预处理，包括：
步骤1：将所述建模结果按照预设目标特性，分割成若干不同区域；所述目标特性包括：场景特性和/或模型结构特性；
步骤2：将各个区域进行分类，获取各区域的目标特征的参数，所述目标特征的参数包括目标特征的数量和占对应的区域的比例；最终得到分割后的各区域的建模；根据各区域的目标特征的参数及以往的建模经验，确定各区域的目标初始运行参数；
步骤3：根据所述建模结果中模型的实际运行特点，得到在第一预设条件下的运行方式，结合各区域的目标初始运行参数，得到建模结果中模型中在所述第一预设条件下运行的初始模拟运行例，得到初始模拟运行结果；
步骤4：从各区域的目标初始运行参数中获取关键运行参数，以各区域模型的目标初始运行参数为基准，改变区域的关键运行参数，研究关键运行参数变化对模拟运行结果的影响；
根据不同的建模需求，以一个区域或多个区域的模型的组合为基础，得到关键运行参数变化对模拟运行结果的影响度的排序表；
步骤5：对初始模拟运行例，施加预设干扰，将施加干扰后的模拟运行结果与初始模拟运行结果进行比较，获取目标误差；
当所述目标误差大于预设误差时，基于所述目标误差和所述关键运行参数变化，对所述目标初始运行参数进行调整，得到调整后的初始运行参数；
并根据所述建模结果中模型的实际运行特点，得到在第一预设条件下的运行方式，结合各区域的调整后的初始运行参数，得到建模结果中模型在所述第一预设条件下运行后得到的调整后模拟运行例，得到调整后的模拟运行结果；
重复步骤5直到所述目标误差小于等于预设误差。
优选的，所述接收所述学生客户端反馈的建模结果，对所述建模结果进行自动评分，获取最终评分结果，将所述最终评分结果传输至所述学生客户端，包括：
解析所述建模结果，获取解析结果；
在所述解析结果中确定每个目标模型的实用性指数、目标场景内的可用面积，目标模型在所述目标场景中的面积占用比例以及每个目标模型的现实实际体积；
根据所述目标场景内的可用面积，目标模型在所述目标场景中的面积占用比例以及每个目标模型的现实实际体积计算出每个目标模型在所述目标场景中的空间优化度：
；
其中，表示为第j个目标模型在所述目标场景中的空间优化度，/>表示为第j个目标模型的现实实际体积，/>表示为目标场景的长度，/>表示为目标场景的宽度，/>表示为目标场景的实际面积，/>表示为目标场景内的可用面积，/>表示为第j个目标模型在所述目标场景中的面积占用比例，/>表示为自然常数，取值为2.72，/>表示为第j个目标模型在所述目标场景中的空间利用系数；
根据每个目标模型在所述目标场景中的空间优化度计算出所述建模结果的最终评分：
；
其中，表示为建模结果的最终评分，/>表示为建模结果中目标模型的数量，/>表示为第j个目标模型在所述目标场景中的空间优化度，/>表示为在目标场景下的理想空间优化度，/>表示为空间优化度计算结果所占整个最终评分的权重值，取值为0.3，/>表示为第j个目标模型的实用性指数，/>表示为在目标场景下模型的平均理想实用性指数，表示为实用性指数计算结果所占整个最终评分的权重值，取值为0.1，/>表示为第j个目标模型的装修难度指数，/>表示为在目标场景下模型的平均装修难度指数，/>表示为装修难度指数计算结果所占整个最终评分的权重值，取值为0.2，/>表示为在所有目标模型下的目标场景的采光系数，/>表示为在所有目标模型下的目标场景的采光系数基准值，表示为采光系数计算结果所占整个最终评分的权重值，取值为0.4，/>表示为目标场景的装修复杂性指数；
将所述最终评分作为所述最终评分结果传输至所述学生客户端。
一种基于虚拟现实技术的室内设计用教学系统，该系统包括：
下载模块，用于从云端服务器中下载常用模型，将所述常用模型存储在本地服务器中；
生成模块，用于根据教师客户端的场景需求自动生成目标场景；
调用模块，用于根据所述学生客户端需求从所述本地服务器中调用所需要的多个目标模型，将所述目标场景和多个目标模型反馈至所述学生客户端以供学生进行建模；
评分模块，用于接收所述学生客户端反馈的建模结果，对所述建模结果进行自动评分，获取最终评分结果，将所述最终评分结果传输至所述学生客户端。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。
图1为本发明所提供的一种基于虚拟现实技术的室内设计用教学方法的工作流程图；
图2为本发明所提供的一种基于虚拟现实技术的室内设计用教学方法的另一工作流程图；
图3为本发明所提供的一种基于虚拟现实技术的室内设计用教学方法的又一工作流程图；
图4为本发明所提供的一种基于虚拟现实技术的室内设计用教学系统的工作流程图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
另外，在本发明中如涉及“第一”、“第二”等的描述仅用于描述目的，并非特别指称次序或顺位的意思，亦非用以限定本发明，其仅仅是为了区别以相同技术用语描述的组件或操作而已，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外，各个实施例之间的技术方案以及技术特征可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本发明要求的保护范围之内。
随着5G技术的发展和计算机处理器性能的提高，现有技术已经可以实现低延迟传输和复杂场景的仿真模拟，因此VR的技术也越来越成熟，并越来越多的应用到了我们生活中的方方面面，例如VR旅游、VR游戏、VR健身、VR课堂、VR实验室等。VR技术给我们的生活提供了极大的便利。
VR技术的应用对设计有着巨大的帮助，它可以帮助设计者将现象的内容具体的呈现在眼前，可以将一些抽象的设计想法直观的展示出来。同时运用VR技术进行设计的教学相对于传统的教学方式，也有着十分巨大的优势，例如：使VR技术进行教学时，老师不但可以将设计作品以3维立体图的方式进行介绍，更可以将它模拟出来，带学生进入其中，升至随时切换不同的设计，使学生可以直观的对比出不同设计所带来体验的差距和优劣，更好的帮助学生成长。然而，现有的VR设计教学系统在使用体验上却差强人意，现有的VR设计教学系统在模型的选择上比较单一，往往很难满足不同的设计者的设计需求，同时一般都是老师主管对学生的建模结果进行评分，导致评分结果夹杂了过多人为情感的影响而显得不够客观，无法直观地评估出学生的建模水平，降低了学生的体验感。为了解决上述问题，本实施例公开了一种基于虚拟现实技术的室内设计用教学方法。
一种基于虚拟现实技术的室内设计用教学方法，如图1所示，包括以下步骤：
步骤S101、从云端服务器中下载常用模型，将所述常用模型存储在本地服务器中；
步骤S102、根据教师客户端的场景需求自动生成目标场景；
步骤S103、根据所述学生客户端需求从所述本地服务器中调用所需要的多个目标模型，将所述目标场景和多个目标模型反馈至所述学生客户端以供学生进行建模；
步骤S104、接收所述学生客户端反馈的建模结果，对所述建模结果进行自动评分，获取最终评分结果，将所述最终评分结果传输至所述学生客户端。
上述技术方案的工作原理为：从云端服务器中下载常用模型，将所述常用模型存储在本地服务器中，根据教师客户端的场景需求自动生成目标场景，根据所述学生客户端需求从所述本地服务器中调用所需要的多个目标模型，将所述目标场景和多个目标模型反馈至所述学生客户端以供学生进行建模，接收所述学生客户端反馈的建模结果，对所述建模结果进行自动评分，获取最终评分结果，将所述最终评分结果传输至所述学生客户端。
上述技术方案的有益效果为：通过从云端服务器中下载常用模型并存储到本地服务器中可以使学生客户端自由地根据功能的不同选择不同的模型，为学生提供了多样化的选择，提高了学生的体验感，进一步地，通过对学生的建模结果进行自动评分可以摒弃现有技术中人工手动评分的操作，使得最终的评分结果不参加人为情感因素，更加实际和客观，可以更加实际地评估出学生的设计水平，解决了现有技术中在模型的选择上比较单一，往往很难满足不同的设计者的设计需求，同时一般都是老师主管对学生的建模结果进行评分，导致评分结果夹杂了过多人为情感的影响而显得不够客观，无法直观地评估出学生的建模水平，降低了学生的体验感的问题。
在一个实施例中，如图2所示，在从云端服务器中下载常用模型，将所述常用模型存储在本地服务器中之前，所述方法还包括：
步骤S201、利用预设互联网大数据算法搜索出所述网络数据库中下载量偏多的第一数量个第一模型；
步骤S202、评估每个第一模型的目标性价比；
步骤S203、将目标性价比高于预设性价比的第二数量个第二模型进行统计并筛选；
步骤S204、将所述第二数量个第二模型按照功能进行分类，获取分类结果；
步骤S205、将所述分类结果确认为所述常用模型。
上述技术方案的有益效果为：通过对搜索的模型进行性价比评估可以向学生端提供性价比最高的模型，进一步地，通过对筛选的模型进行分类可以使得用户快速地根据种类选择自己需要的目标模型，而无需在一堆模型中逐个筛选浪费时间，保证了后续学生建模的工作效率。
在一个实施例中，所述从云端服务器中下载常用模型，将所述常用模型存储在本地服务器中，包括：
通过特定账号和密码接通所述云端服务器的网络数据库；
从所述网络数据库中下载所述常用模型；
在所述本地服务器中构建一个本地数据库；
将下载好的常用模型存储到所述本地数据库中。
上述技术方案的有益效果为：通过使用特定账号和密码接通云端服务器的网络数据库可以保证网络数据库内的模型安全，避免被不具备权限的人盗用，进一步地，通过构建本地数据库进行模型存储可以将下载的模型最大化和最实用地存储到本地服务器中，进一步地抱枕了模型的安全性。
在一个实施例中，如图3所示，所述场景参数及特征包括：房屋参数及特征和结构参数及特征，所述根据教师客户端的场景需求自动生成目标场景，包括：
步骤S301、接收所述教师客户端输入的房屋参数及特征，根据所述房屋参数及特征生成第一场景；
步骤S302、将所述第一场景反馈至所述教师客户端供教师客户端进行修改；
步骤S303、接收修改后的第二场景，根据所述结构参数对所述第二场景内的结构进行标注，获得标注后的第二场景；
步骤S304、将所述标注后的第二场景作为目标场景，自动生成所述标注后的第二场景。
上述技术方案的有益效果为：通过利用两种参数来生成最终场景可以使得生成的场景更加符合教师客户端提出的要求，进一步地，通过利用结构参数对场景结构进行标注可以使得学生在建模过程中可以准确地根据标注结果选择合适的模型，避免了由于学生自己对模型推敲而极大地浪费时间，大大地降低了建模效率情况的发生，进一步地提高了学生的体验感。
在一个实施例中，在根据所述学生客户端需求从所述本地服务器中调用所需要的目标模型，将所述目标场景和目标模型反馈至所述学生客户端以供学生进行建模之前，所述方法还包括：
接通所述教师客户端与学生客户端之间的通信连接；
将所述目标场景同时传输至所述教师客户端与学生客户端；
将所述目标场景输入到所述云端服务器中，接收所述云端服务器反馈的智能模型推荐结果；
将所述智能模型推荐结果同时上传至所述教师客户端与学生客户端。
上述技术方案的有益效果为：通过接通教师客户端与学生客户端之间的连接可以使得教师客户端随时了解学生客户端选择的目标模型，进而可以根据学生选择的目标模型为学生提出建议，进一步地，通过向教师客户端和学生客户端上传智能推荐模型结果可以根据云端服务器中大数据筛选后的与目标场景相符合的模型，为学生提供一个良好的参考模型，进一步地提高了学生的体验感。
在一个实施例中，根据所述学生客户端需求从所述本地服务器中调用所需要的多个目标模型，将所述目标场景和多个目标模型反馈至所述学生客户端以供学生进行建模，包括：
获取所述学生客户端发送的目标模型的编号和类别；
根据所述编号和类别在所述本地服务器中调用所述编号和类别对应的多个目标模型；
获取每个目标模型的推荐度，将每个目标模型与其推荐度相关联；
根据预设优化算法计算出多个目标模型对于所述目标场景中优化度，将每个目标模型与其优化度进行关联；
将所述多个目标模型及其推荐度和优化度以及所述目标场景反馈至所述学生客户端以供所述学生客户端进行建模。
上述技术方案的有益效果为：通过确定每个目标模型的推荐度和优化度进而将其与每个目标模型相关联反馈至学生客户端可以使得学生对于自己选择的目标模型获得一个系统的评估结果，进而可供学生对模型进行更换或者重新选择，进一步地提高了学生的体验感。
在一个实施例中，接收所述学生客户端反馈的建模结果，对所述建模结果进行自动评分，获取最终评分结果，将所述最终评分结果传输至所述学生客户端，包括：
从所述学生客户端监控所述学生的建模过程；
对所述建模过程和建模结果利用预设评分机制分别进行评分，获取建模过程对应的第一评分结果和建模结果对应的第二评分结果；
根据第一评分结果和第二评分结果各自对应的权重计算出所述最终评分结果；
将所述最终评分结果与预设评分结果进行比较，当所述最终评分结果大于等于所述预设评分结果时，直接将所述最终评分结果传输至所述学生客户端，当所述最终评分结果小于所述预设评分结果时，在所述智能模型推荐结果中选择评分结果大于等于所述预设评分结果的目标智能模型，将所述目标智能模型连同所述最终评分结果传输至所述学生客户端。
上述技术方案的有益效果为：通过利用两个评分结果的权重综合计算出学生的建模结果的最终评分值可以从不同的角度对学生的建模结果进行分数评估，进一步地保证了最终评分的客观性，进一步地，通过向学生客户端传输评分结果大于等于预设评分结果的目标智能模型可以使得学生对于自己的建模结果进行改善，使得学生可以时刻了解到自身设计不足的地方并且进行改善，提高了用户的设计学习能力。
在一个实施例中，所述评估每个第一模型的目标性价比，包括：
获取每个第一模型的模型信息，基于所述模型信息，确定每个第一模型对应的价值信息；
根据每个第一模型的价值信息确定每个模型的价值参数；
接收学生客户端发送在目标场景下的风险可接受水平；
根据所述每个模型的价值参数以及所述学生客户端反馈的风险可接受水平对每个第一模型进行第一性价比评估，获得每个第一模型的第一性价比；
解析所述每个第一模型，获得每个第一模型的竞标因子和初始效益；
将每个第一模型的竞标因子和初始效益结合所述目标场景获得每个第一模型在所述目标场景内的目标竞标因子和目标效益；
根据每个第一模型的目标竞标因子和目标效益计算出每个第一模型的服务系数和收益系数；
根据每个第一模型的服务系数和收益系数对每个第一模型进行第二性价比评估，获得每个第一模型的第二性价比；
确定每个第一模型的目标资源需求，根据每个第一模型的目标资源需求对每个第一模型进行评估，获得评估结果；
根据每个第一模型的评估结果对所述每个第一模型进行第三性价比评估，获得每个第一模型的第三性价比；
根据所述第一性价比、第二性价比和第三性价比进行综合计算获得每个第一模型的目标性价比。
上述技术方案的有益效果为：通过对每个第一模型进行多角度的性价比评估可以使得最终的性价比评估结果更加具有说服性和准确性，进一步地，通过接收学生客户端发送在目标场景下的风险可接受水平可以根据学生客户端的需求对模型进行性价比评估，更加符合学生需要，进一步地提高了学生的体验感。
在一个实施例中，所述接收所述学生客户端反馈的建模结果，对所述建模结果进行自动评分，获取最终评分结果，将所述最终评分结果传输至所述学生客户端，包括：
解析所述建模结果，获取解析结果；
在所述解析结果中确定每个目标模型的实用性指数、目标场景内的可用面积，目标模型在所述目标场景中的面积占用比例以及每个目标模型的现实实际体积；
根据所述目标场景内的可用面积，目标模型在所述目标场景中的面积占用比例以及每个目标模型的现实实际体积计算出每个目标模型在所述目标场景中的空间优化度：
；
其中，表示为第j个目标模型在所述目标场景中的空间优化度，/>表示为第j个目标模型的现实实际体积，/>表示为目标场景的长度，/>表示为目标场景的宽度，/>表示为目标场景的实际面积，/>表示为目标场景内的可用面积，/>表示为第j个目标模型在所述目标场景中的面积占用比例，/>表示为自然常数，取值为2.72，/>表示为第j个目标模型在所述目标场景中的空间利用系数；
根据每个目标模型在所述目标场景中的空间优化度计算出所述建模结果的最终评分：
；
其中，表示为建模结果的最终评分，/>表示为建模结果中目标模型的数量，/>表示为第j个目标模型在所述目标场景中的空间优化度，/>表示为在目标场景下的理想空间优化度，/>表示为空间优化度计算结果所占整个最终评分的权重值，取值为0.3，/>表示为第j个目标模型的实用性指数，/>表示为在目标场景下模型的平均理想实用性指数，/>表示为实用性指数计算结果所占整个最终评分的权重值，取值为0.1，/>表示为第j个目标模型的装修难度指数，/>表示为在目标场景下模型的平均装修难度指数，/>表示为装修难度指数计算结果所占整个最终评分的权重值，取值为0.2，/>表示为在所有目标模型下的目标场景的采光系数，/>表示为在所有目标模型下的目标场景的采光系数基准值，/>表示为采光系数计算结果所占整个最终评分的权重值，取值为0.4，/>表示为目标场景的装修复杂性指数；
将所述最终评分作为所述最终评分结果传输至所述学生客户端。
上述技术方案的有益效果为：通过计算每个目标模型在所述目标场景中的空间优化度可以确定每个目标模型在目标场景中体现的价值所在，进一步地，通过根据建模结果中的目标模型的多个参数以及目标模型在目标场景中的影响因子来对学生客户端的建模结果进行评分可以保证评分结果更加客观和系统，进一步地避免了人为情感因素的干扰，保证了评分结果的客观性和准确性。
在一个实施例中，所述接收所述学生客户端反馈的建模结果后，还对建模结果进行预处理，包括：
步骤1：将所述建模结果按照预设目标特性，分割成若干不同区域；所述目标特性包括：场景特性和/或模型结构特性；
步骤2：将各个区域进行分类，获取各区域的目标特征的参数，所述目标特征的参数包括目标特征的数量和占对应的区域的比例；最终得到分割后的各区域的建模；根据各区域的目标特征的参数及以往的建模经验，确定各区域的目标初始运行参数；
步骤3：根据所述建模结果中模型的实际运行特点，得到在第一预设条件下的运行方式，结合各区域的目标初始运行参数，得到建模结果中模型中在所述第一预设条件下运行的初始模拟运行例，得到初始模拟运行结果；
步骤4：从各区域的目标初始运行参数中获取关键运行参数，以各区域模型的目标初始运行参数为基准，改变区域的关键运行参数，研究关键运行参数变化对模拟运行结果的影响；
根据不同的建模需求，以一个区域或多个区域的模型的组合为基础，得到关键运行参数变化对模拟运行结果的影响度的排序表；
步骤5：对初始模拟运行例，施加预设干扰（或施加扰动，如运行时的频率扰动），将施加干扰后的模拟运行结果与初始模拟运行结果进行比较，获取目标误差；
当所述目标误差大于预设误差时，基于所述目标误差和所述关键运行参数变化，对所述目标初始运行参数进行调整，得到调整后的初始运行参数；
并根据所述建模结果中模型的实际运行特点，得到在第一预设条件下的运行方式，结合各区域的调整后的初始运行参数，得到建模结果中模型在所述第一预设条件下运行后得到的调整后模拟运行例，得到调整后的模拟运行结果；
重复步骤5直到所述目标误差小于等于预设误差。
上述技术方案的工作原理和有益效果为：通过基于包括场景特性和/或模型结构特性在内的预设目标特性将建模结果分割成不同区域，从而更便于后续分析处理；
同时将各个区域进行分类，获取各区域的包括目标特征目标特征的数量和占对应的区域的比例在内目标特征的参数，最终得到分割后的各区域的建模，从而获得经过分类的且包含目标特征参数的建模；根据各区域的目标特征的参数及以往的建模经验，确定各区域的目标初始运行参数，以便于基于目标初始运行参数进行后续的运行；
根据所述建模结果中模型的实际运行特点，得到在第一预设条件下的运行方式，结合各区域的目标初始运行参数，得到建模结果中模型中在所述第一预设条件下运行的初始模拟运行例，得到初始模拟运行结果；
然后根据所述建模结果中模型的实际运行特点，得到在第一预设条件（根据模型类型对应的常用运行调节或其所基于的设备的参数设置）下的运行方式，结合各区域的目标初始运行参数，得到建模结果中模型中在所述第一预设条件下运行的初始模拟运行例，得到初始模拟运行结果；根据不同的建模需求，以一个区域或多个区域的模型的组合为基础，得到关键运行参数变化对模拟运行结果的影响度的排序表；首先对关键运行参数的变化影响度排序，以便于后续对关键运行参数的调整；
最后对初始模拟运行例，施加预设干扰，将施加干扰后的模拟运行结果与初始模拟运行结果进行比较，获取目标误差；当所述目标误差大于预设误差时，基于所述目标误差和所述关键运行参数变化，对所述目标初始运行参数进行调整，得到调整后的初始运行参数；并根据所述建模结果中模型的实际运行特点，得到在第一预设条件下的运行方式，结合各区域的调整后的初始运行参数，得到建模结果中模型在所述第一预设条件下运行后得到的调整后模拟运行例，得到调整后的模拟运行结果；重复步骤5直到所述目标误差小于等于预设误差；从而实现对模型的不断试验调整，以逐步减少干扰因素导致的误差，提高模型运行的适应性和稳定性。
本实施例还公开了一种基于虚拟现实技术的室内设计用教学系统，如图4所示，该系统包括：
下载模块401，用于从云端服务器中下载常用模型，将所述常用模型存储在本地服务器中；
生成模块402，用于根据教师客户端的场景需求自动生成目标场景；
调用模块403，用于根据所述学生客户端需求从所述本地服务器中调用所需要的多个目标模型，将所述目标场景和多个目标模型反馈至所述学生客户端以供学生进行建模；
评分模块404，用于接收所述学生客户端反馈的建模结果，对所述建模结果进行自动评分，获取最终评分结果，将所述最终评分结果传输至所述学生客户端。
上述技术方案的工作原理及有益效果在方法权利要求中已经说明，此处不再赘述。
本领域技术人员应当理解的是，本发明中的第一、第二指的是不同应用阶段而已。
本领域技术用户员在考虑说明书及实践这里公开的公开后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。
应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
Claims (6)
1.一种基于虚拟现实技术的室内设计用教学方法，其特征在于，包括以下步骤：
从云端服务器中下载常用模型，将所述常用模型存储在本地服务器中；
根据教师客户端的场景需求自动生成目标场景；
根据学生客户端需求从所述本地服务器中调用所需要的多个目标模型，将所述目标场景和多个目标模型反馈至所述学生客户端以供学生进行建模；
接收所述学生客户端反馈的建模结果，对所述建模结果进行自动评分，获取最终评分结果，将所述最终评分结果传输至所述学生客户端；
在根据所述学生客户端需求从所述本地服务器中调用所需要的目标模型，将所述目标场景和目标模型反馈至所述学生客户端以供学生进行建模之前，所述方法还包括：
接通所述教师客户端与学生客户端之间的通信连接；
将所述目标场景同时传输至所述教师客户端与学生客户端；
将所述目标场景输入到所述云端服务器中，接收所述云端服务器反馈的智能模型推荐结果；
将所述智能模型推荐结果同时上传至所述教师客户端与学生客户端；
所述接收所述学生客户端反馈的建模结果，对所述建模结果进行自动评分，获取最终评分结果，将所述最终评分结果传输至所述学生客户端，包括：
解析所述建模结果，获取解析结果；
在所述解析结果中确定每个目标模型的实用性指数、目标场景内的可用面积，目标模型在所述目标场景中的面积占用比例以及每个目标模型的现实实际体积；
根据所述目标场景内的可用面积，目标模型在所述目标场景中的面积占用比例以及每个目标模型的现实实际体积计算出每个目标模型在所述目标场景中的空间优化度：
；
其中，表示为第j个目标模型在所述目标场景中的空间优化度，/>表示为第j个目标模型的现实实际体积，/>表示为目标场景的长度，/>表示为目标场景的宽度，/>表示为目标场景的实际面积，/>表示为目标场景内的可用面积，/>表示为第j个目标模型在所述目标场景中的面积占用比例，/>表示为自然常数，取值为2.72，/>表示为第j个目标模型在所述目标场景中的空间利用系数；
根据每个目标模型在所述目标场景中的空间优化度计算出所述建模结果的最终评分：
；
其中，表示为建模结果的最终评分，/>表示为建模结果中目标模型的数量，/>表示为第j个目标模型在所述目标场景中的空间优化度，/>表示为在目标场景下的理想空间优化度，/>表示为空间优化度计算结果所占整个最终评分的权重值，取值为0.3，/>表示为第j个目标模型的实用性指数，/>表示为在目标场景下模型的平均理想实用性指数，/>表示为实用性指数计算结果所占整个最终评分的权重值，取值为0.1，/>表示为第j个目标模型的装修难度指数，/>表示为在目标场景下模型的平均装修难度指数，/>表示为装修难度指数计算结果所占整个最终评分的权重值，取值为0.2，/>表示为在所有目标模型下的目标场景的采光系数，/>表示为在所有目标模型下的目标场景的采光系数基准值，/>表示为采光系数计算结果所占整个最终评分的权重值，取值为0.4，/>表示为目标场景的装修复杂性指数；
将所述最终评分作为所述最终评分结果传输至所述学生客户端。
2.根据权利要求1所述基于虚拟现实技术的室内设计用教学方法，其特征在于，在从云端服务器中下载常用模型，将所述常用模型存储在本地服务器中之前，所述方法还包括：
利用预设互联网大数据算法搜索出网络数据库中下载量偏多的第一数量个第一模型；
评估每个第一模型的目标性价比；
将目标性价比高于预设性价比的第二数量个第二模型进行统计并筛选；
将所述第二数量个第二模型按照功能进行分类，获取分类结果；
将所述分类结果确认为所述常用模型。
3.根据权利要求1所述基于虚拟现实技术的室内设计用教学方法，其特征在于，所述从云端服务器中下载常用模型，将所述常用模型存储在本地服务器中，包括：
通过特定账号和密码接通所述云端服务器的网络数据库；
从所述网络数据库中下载所述常用模型；
在所述本地服务器中构建一个本地数据库；
将下载好的常用模型存储到所述本地数据库中。
4.根据权利要求1所述基于虚拟现实技术的室内设计用教学方法，其特征在于，场景参数及特征包括：房屋参数及特征和结构参数及特征，所述根据教师客户端的场景需求自动生成目标场景，包括：
接收所述教师客户端输入的房屋参数及特征，根据所述房屋参数及特征生成第一场景；
将所述第一场景反馈至所述教师客户端供教师客户端进行修改；
接收修改后的第二场景，根据所述结构参数对所述第二场景内的结构进行标注，获得标注后的第二场景；
将所述标注后的第二场景作为目标场景，自动生成所述标注后的第二场景。
5.根据权利要求1所述基于虚拟现实技术的室内设计用教学方法，其特征在于，根据所述学生客户端需求从所述本地服务器中调用所需要的多个目标模型，将所述目标场景和多个目标模型反馈至所述学生客户端以供学生进行建模，包括：
获取所述学生客户端发送的目标模型的编号和类别；
根据所述编号和类别在所述本地服务器中调用所述编号和类别对应的多个目标模型；
获取每个目标模型的推荐度，将每个目标模型与其推荐度相关联；
根据预设优化算法计算出多个目标模型对于所述目标场景中优化度，将每个目标模型与其优化度进行关联；
将所述多个目标模型及其推荐度和优化度以及所述目标场景反馈至所述学生客户端以供所述学生客户端进行建模。
6.一种基于虚拟现实技术的室内设计用教学系统，应用如权利要求1-5中任一项所述的教学方法，其特征在于，该系统包括：
下载模块，用于从云端服务器中下载常用模型，将所述常用模型存储在本地服务器中；
生成模块，用于根据教师客户端的场景需求自动生成目标场景；
调用模块，用于根据所述学生客户端需求从所述本地服务器中调用所需要的多个目标模型，将所述目标场景和多个目标模型反馈至所述学生客户端以供学生进行建模；
评分模块，用于接收所述学生客户端反馈的建模结果，对所述建模结果进行自动评分，获取最终评分结果，将所述最终评分结果传输至所述学生客户端。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110546740.5A CN113256100B (zh) | 2021-05-19 | 2021-05-19 | 一种基于虚拟现实技术的室内设计用教学方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110546740.5A CN113256100B (zh) | 2021-05-19 | 2021-05-19 | 一种基于虚拟现实技术的室内设计用教学方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113256100A CN113256100A (zh) | 2021-08-13 |
| CN113256100B true CN113256100B (zh) | 2023-09-01 |
Family
ID=77182852
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110546740.5A Active CN113256100B (zh) | 2021-05-19 | 2021-05-19 | 一种基于虚拟现实技术的室内设计用教学方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113256100B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113642925B (zh) * | 2021-08-31 | 2023-12-12 | 重庆电子工程职业学院 | 基于mr混合现实的智慧物流规划布局方案评价系统 |
| CN115187224B (zh) * | 2022-09-15 | 2022-12-09 | 湖南汇创玮达信息科技有限公司 | 一种面向军事应用算法和模型的教学实验装置 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107577347A (zh) * | 2017-09-05 | 2018-01-12 | 南京睿诚华智科技有限公司 | 一种基于虚拟现实的教育系统及其方法 |
| WO2018104921A1 (en) * | 2016-12-08 | 2018-06-14 | Digital Pulse Pty. Limited | A system and method for collaborative learning using virtual reality |
| CN109887096A (zh) * | 2019-01-24 | 2019-06-14 | 深圳职业技术学院 | 利用虚拟现实技术的教育教学信息处理系统及其教学方法 |
| CN110322377A (zh) * | 2019-06-28 | 2019-10-11 | 德普信(天津)软件技术有限责任公司 | 基于虚拟现实的教学方法及系统 |
| CN112053430A (zh) * | 2020-08-13 | 2020-12-08 | 浙江工业大学 | 一种采用移动终端结合增强现实技术的文创产品设计方案评价系统 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140234816A1 (en) * | 2013-02-20 | 2014-08-21 | SmartlyU, Inc. | Network-Based System for Social Emotional Learning |
-
2021
- 2021-05-19 CN CN202110546740.5A patent/CN113256100B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2018104921A1 (en) * | 2016-12-08 | 2018-06-14 | Digital Pulse Pty. Limited | A system and method for collaborative learning using virtual reality |
| CN107577347A (zh) * | 2017-09-05 | 2018-01-12 | 南京睿诚华智科技有限公司 | 一种基于虚拟现实的教育系统及其方法 |
| CN109887096A (zh) * | 2019-01-24 | 2019-06-14 | 深圳职业技术学院 | 利用虚拟现实技术的教育教学信息处理系统及其教学方法 |
| CN110322377A (zh) * | 2019-06-28 | 2019-10-11 | 德普信(天津)软件技术有限责任公司 | 基于虚拟现实的教学方法及系统 |
| CN112053430A (zh) * | 2020-08-13 | 2020-12-08 | 浙江工业大学 | 一种采用移动终端结合增强现实技术的文创产品设计方案评价系统 |
Non-Patent Citations (1)
| Title |
|---|
| 室内设计智能云平台在软装设计信息化教学中的应用;王萍萍;《信息记录材料》;第20卷(第04期);第171-172页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113256100A (zh) | 2021-08-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104835087B (zh) | 教育测试系统的数据处理方法及装置 | |
| CN113256100B (zh) | 一种基于虚拟现实技术的室内设计用教学方法及系统 | |
| CN108833458B (zh) | 一种应用推荐方法、装置、介质及设备 | |
| CN104536881B (zh) | 基于自然语言分析的众测错误报告优先级排序方法 | |
| CN106251261B (zh) | 一种培训方案生成方法及装置 | |
| CN112699283B (zh) | 试卷生成方法及装置 | |
| CN110782448A (zh) | 渲染图像的评价方法及装置 | |
| CN111611085A (zh) | 基于云边协同的人机混合增强智能系统、方法、装置 | |
| CN113918806A (zh) | 自动推荐培训课程的方法及相关设备 | |
| CN110728548B (zh) | 一种vr旅游产品评价系统 | |
| CN109584127B (zh) | 一种用于实验教学的教学资源管理方法及系统 | |
| CN108073603A (zh) | 作业分发方法及装置 | |
| CN107993166B (zh) | 一种基于学分统计的学习系统及方法 | |
| KR20200065347A (ko) | 온라인 창의학습 관리 방법 및 이를 위한 관리 서버 | |
| CN112883271A (zh) | 基于层次分析法评定的课程教育系统及课程推荐方法 | |
| CN117172633A (zh) | 一种面向工业互联网平台的制造服务子图仿真方法及系统 | |
| CN109993562A (zh) | 一种满意度仿真方法、装置及终端设备 | |
| CN109918406B (zh) | 一种基于最大团算法的自动等质组卷方法及组卷系统 | |
| KR20040021212A (ko) | 학습자 특성을 고려한 개인화 학습을 지원하는 학습환경관리시스템 | |
| CN115713441A (zh) | 基于AHP-Fuzzy算法和神经网络的教学质量评价方法与系统 | |
| CN111143688B (zh) | 一种基于移动新闻客户端的评估方法及其系统 | |
| CN109409642A (zh) | 一种基于大数据的教学资源评级方法 | |
| CN108074240A (zh) | 识别方法、识别装置、计算机可读存储介质及程序产品 | |
| CN114936281A (zh) | 基于大数据的试题动态分类方法、装置、设备及存储介质 | |
| CN110766322B (zh) | 一种基于大数据的vr旅游产品评价方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |