罗文豪

智能分类垃圾桶 (物联网项目)

项目背景: 解决校园、医院、公共区域等场所垃圾分类困难的问题。

技术栈: C/C++, ESP32 (NodeMCU), 语音识别模块(LD3320), APP (具体技术待定), 巴法云 (通讯平台)

项目结构: 硬件(传感器、ESP32、语音模块) + 软件(嵌入式代码、云平台通讯) + APP (用户交互)

功能: 语音控制垃圾桶开盖、垃圾种类识别、厨余垃圾处理提醒、满溢提醒、APP 状态同步及控制。

成果亮点: 完整的物联网应用闭环，结合硬件、嵌入式开发和云平台交互。

家庭耗电量预测模型 (机器学习项目)

项目背景: 根据天气信息预测家庭用电量，辅助能源管理。

技术栈: Python, Scikit-learn (或其他ML库), 决策树(J48), BP神经网络, 朴素贝叶斯。

方法: 使用三种不同的机器学习模型对基于天气特征的数据集进行训练和评估。

成果亮点: 对比了不同分类/回归算法在特定预测任务上的性能，找到了最适合该场景的模型。

血液疾病图像识别 (图像识别项目)

项目背景: 通过分析血液细胞图像辅助诊断相关疾病。

技术栈: Python, CNN, MobileNet, 随机森林, 可能使用 TensorFlow/Keras/PyTorch。

方法: 针对6种血液细胞类别 (CML, IDA, Thalassemia Major, Normal, APML, Blast Cells) 进行图像分类。

数据集: (未明确提及大小，后续可补充)

成果亮点: 开发了具有较高准确率的图像识别模型，并申请了相关 发明专利 和 软件著作权 (血液疾病图像识别系统V1.0软著，一眼科疾病的预测系统V1.0软著 - 这个似乎是另一个项目，确认下)。

酒店用户评论情感分析 (NLP项目)

项目背景: 自动化分析大量酒店评论，提取用户情感倾向。

技术栈: Python, NLP库 (如NLTK/spaCy), Scikit-learn, 词袋模型, TF-IDF。

方法: 文本预处理 -> 特征提取 (词袋/TF-IDF) -> 分类器训练 (朴素贝叶斯, SVM, 逻辑回归)。

数据集: 515,000 条评论数据。

成果亮点: 处理了大规模文本数据，比较了不同文本表示和分类算法的效果，确定了最优模型。

协同过滤音乐推荐系统 (推荐系统项目)

项目背景: 解决中文音乐推荐系统个性化缺乏和冷启动问题。

技术栈: Python, 推荐系统库 (如 Surprise), KNN, SVD, LFM, NMF。

方法: 利用用户-歌曲交互或歌曲特征，比较多种协同过滤和矩阵分解算法。

数据集: 3773 个歌曲样本。

评估指标: Precision, Recall, Accuracy。

成果亮点: 系统性地比较了多种推荐算法在该数据集上的表现，发现 KNN 是最优算法。