- 博客(1707)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 深度残差网络（ResNet）模型
ResNet通过极简的残差连接设计，颠覆了深层神经网络的训练范式，其核心价值不仅在于突破层数限制，更在于提供了“残差学习”的全新优化思路。何恺明团队的论文《Deep Residual Learning for Image Recognition》引用量超10万次，成为深度学习领域被引用最多的文献之一。如今，ResNet及其衍生模型仍在计算机视觉、跨模态学习等领域发挥核心作用，是连接传统CNN与现代深层网络的里程碑式架构。
2026-01-28 07:45:00
377
原创 如何使用无源RFID监测人体坐姿
无源RFID技术凭借无供电需求、隐私保护性强、低成本易部署的优势，在青少年坐姿监测场景中展现出独特价值，可有效规避传统摄像头监测的隐私泄露风险与有源设备的续航难题。其核心实现逻辑是通过标签数据采集与智能算法分析，精准识别坐姿状态，为青少年脊柱健康防护提供技术支撑。
2026-01-28 07:30:00
619
原创 Bland-Altman分析法
Bland-Altman分析法通过“定量计算+图形可视化”的结合，精准解决了两种定量测量方法的一致性评估问题，其核心优势在于直观、量化且贴合实际应用需求。在使用时，需严格遵循数据前提，结合定量指标、图形特征与专业判断综合解读结果，避免统计学误区，才能为方法学验证提供可靠依据。
2026-01-27 07:45:00
603
原创 青少年坐姿监测数字化方案
1.感知层：部署多类型传感器与识别设备，采集坐姿姿态、距离、环境光照等核心数据，适配家庭、教室不同场景选型。•实现坐姿数据数字化采集、分析与可视化，为家长、教师提供量化评估依据，支持个性化干预建议生成。•实时精准识别青少年坐姿状态，区分标准坐姿与前倾、驼背、侧倾等不良姿态，识别准确率≥98%。4.管理层：构建云端数据平台，实现数据存储、加密、分析与报告生成，保障数据安全与隐私合规。•兼顾隐私保护、低功耗与低成本，适配家庭学习、教室集体场景，确保易用性与可推广性。
2026-01-27 07:30:00
1198
原创 告别浅数据粗放投放，用深数据实现「千人千面」精准营销
第一步是全域数据采集与整合，打破“数据孤岛”，汇聚电商平台成交数据（客单价、复购次数）、社交媒体互动数据（转发率、评论正向占比）、CRM系统会员数据（积分消耗频次、服务咨询记录）、线下门店到店数据（到店频次、连带率）等多渠道数据，既包括结构化的成交数据，也涵盖非结构化的用户评论、聊天记录、行为日志等“暗数据”，比如通过NLP技术解析客服聊天记录，提取出60%用户提及的“售后响应慢”诉求，为后续分析奠定基础。同时严守数据隐私法规，确保用户数据授权率≥95%，在合规前提下激活数据价值，筑牢用户信任根基。
2026-01-26 07:45:00
612
原创 降噪技术（CCA）
CCA降噪，即基于典型相关分析（Canonical Correlation Analysis, CCA）的降噪技术，是一种通过挖掘数据间相关性实现噪声分离的信号处理方法。CCA本质是寻找两组变量间的线性组合，使组合后的变量（典型变量）相关性最大化，进而区分含噪信号中与有用信息强相关的成分和无关的噪声成分，最终实现噪声抑制与有用信号还原。
2026-01-26 07:30:00
937
原创 脑机接口如何改写行业格局
康复医疗的“诺基亚时刻”，本质上是技术驱动下行业价值的重构——从“关注病症缓解”转向“聚焦功能重建与生活质量提升”，从“设备供给”转向“全生态服务”。脑机接口不仅是一项技术突破，更有望成为像电力、互联网一样的通用目的技术，撬动芯片、消费电子、机器人等多行业协同发展，形成万亿级产业生态。对于行业参与者而言，固守传统模式只会重蹈诺基亚的覆辙，唯有以技术创新为核、以生态构建为翼，主动适配需求变化与技术趋势，才能在变革中抢占先机。
2026-01-25 07:45:00
1142
原创 浅数据不是「无用数据」：用对了，浅数据是深数据挖掘的基础
这一联动逻辑适用于多领域场景，在技术管理中，浅数据显示“需求交付率下降”（第一步），深数据拆解评审、开发、测试各环节时长，定位“测试环节卡顿”根源（第二步），团队优化测试流程、增配测试资源，通过交付率浅数据验证效果（第三步），后续聚焦测试环节数据联动，持续优化效率（第四步）。数字化时代的数据分析，追求的不是“数据越深越好”，而是“数据联动越精准越好”。摒弃对浅数据的偏见，精准筛选、科学运用，以浅数据为锚、以深数据为刃，才能让每一份数据都转化为决策效能，在复杂多变的市场环境中找准方向、高效破局。
2026-01-25 07:30:00
978
原创 CBT-I数字化干预为何被全球权威机构列为一线方案？
在慢性失眠的临床干预领域，数字化CBT-I（数字化失眠认知行为疗法）已成为全球权威医疗机构的共识性一线方案。作为传统CBT-I的数字化延伸，其核心是依托人工智能、线上平台、移动应用等载体，将睡眠限制疗法、刺激控制疗法、认知重构、睡眠卫生教育、放松训练五大核心技术，转化为标准化与个性化兼具的线上干预服务，通过AI动态评估、智能提醒、沉浸式训练等功能，帮助用户纠正不良睡眠认知与行为习惯，重建健康睡眠模式，无需依赖药物即可实现长期睡眠改善。
2026-01-24 07:45:00
1203
原创 2026最新CBT-I数字化工具测评
值得关注的优质工具•美高健康：综合表现最优，双重AI驱动+完整CBT-I设计+高临床改善率，支持危机干预与医患联动，适合轻中重度失眠用户。•SilverCloud：模块化课程成熟，获NHS背书，适合注重循证依据、偏好标准化干预流程的用户。•速眠：聚焦睡眠行为干预，工具实用性强，适合轻度失眠、需针对性改善睡眠习惯的用户。终极避坑指南：1.三查：查CBT-I模块完整性、查临床数据真实性、查资质认证合规性；2.三试：试AI交互深度、试个性化方案适配性、试危机干预响应；
2026-01-24 07:30:00
1046
原创 运动想象BCI技术方案
运动想象脑机接口（Motor Imagery BCI, MI-BCI）是通过采集并解析用户运动想象过程中产生的脑电信号（EEG），实现人与外部设备无创交互的技术。其核心流程为：脑电信号采集→信号预处理→特征提取→模式分类→输出控制指令。本方案采用“FIR滤波（预处理）+ CSP特征提取（核心特征）+ SVM分类（模式识别）”的经典技术组合，适配常见的二分类运动想象任务（如左手/右手、上肢/下肢运动想象），兼顾信号纯度、特征区分度与分类准确率。
2026-01-23 07:45:00
2112
原创 交叉熵损失分类及应用
交叉熵损失（Cross-Entropy Loss）是深度学习分类任务中衡量预测分布与真实分布差异的核心损失函数，其分类可依据任务类型和改进变体两大维度划分，不同类别在公式形式、适用场景和实现方式上存在显著差异。
2026-01-23 07:30:00
1008
原创 居家康复“无感监测”的技术突破与落地难点
随着人口老龄化加剧与慢病管理需求升级，居家康复场景对生命体征监测的“无感化、连续性、精准性”要求日益凸显。传统接触式监测设备（如手环、胸贴）易干扰睡眠、引发佩戴不适，难以适配老年、重症等特殊康复人群的长期使用需求，而普通智能床垫的传感方案又存在精度不足、场景适应性弱等瓶颈。在此背景下，毫米波雷达技术与智能床垫的融合，为破解这一困境提供了全新路径——凭借穿透式感知能力与智能算法校准，实现无需接触人体即可捕捉心率、呼吸、体动等核心体征数据，重塑居家康复监测的体验边界。
2026-01-22 07:45:00
1197
原创 从“数据记录”到“效果预测”的AI居家康复进化之路
AI推动居家康复从“数据记录”到“效果预测”的进化，本质是通过技术手段破解传统康复的时空限制、个体适配不足、效率低下等痛点，构建起精准化、个性化、全周期的康复服务体系。未来，随着多模态数据融合技术的成熟、算法泛化能力的提升与伦理规范的完善，AI将进一步深度融入居家康复场景，实现从“被动响应”到“主动预防”的更高阶进化，让优质康复服务走进千家万户，助力“健康老龄化”目标落地。
2026-01-22 07:30:00
1546
原创 智能康复设备的边缘计算架构设计
边缘计算架构通过“终端-边缘-云端”三级协同与软硬件深度优化，有效解决了传统架构云端依赖过高与实时性不足的核心问题。架构可实现核心康复业务端侧自主运行，显著降低传输延迟与隐私风险，同时依托云边协同保障全局优化与运维能力。结合多场景性能表现，该架构具备临床级精度与稳定性，可适配脑机接口、理疗机器人、可穿戴监测等多元康复场景，为智能康复设备技术升级与规模化落地提供可靠支撑，对推动康复医疗向精准化、实时化、普惠化发展具有重要意义。
2026-01-21 07:45:00
942
原创 非接触式身体监测：下一个千亿赛道？
当穿戴式设备成为居家健康监测的主流，“需要佩戴、频繁充电、皮肤敏感”等痛点逐渐凸显。在老龄化加深、术后康复需求激增的背景下，非接触式监测技术正凭借“无感采集、全天候守护”的核心优势，从实验室走向大众场景。2026年，随着毫米波雷达、计算机视觉技术的成本下行与技术成熟，非接触式监测有望突破行业临界点，成为居家康复领域的下一个千亿增长引擎。
2026-01-21 07:30:00
2056
原创 灰狼优化（GWO）算法
灰狼优化算法以其简洁的结构、高效的搜索能力与良好的通用性，成为元启发式算法领域的重要分支。其通过仿生灰狼群体行为，巧妙平衡了全局探索与局部开发，在复杂优化问题中展现出优异性能。尽管存在局部搜索不足、高维适应性弱等问题，但通过混合改进、参数优化等策略可有效弥补。
2026-01-20 07:45:00
1751
原创 高斯-牛顿（GN）算法
高斯-牛顿（Gauss-Newton, GN）算法是一种专为非线性最小二乘问题设计的迭代优化算法，是牛顿法在最小二乘问题场景下的改进变种。其核心目标是通过迭代调整模型参数，使模型预测值与实际观测数据之间的残差平方和最小化，广泛应用于数据拟合、参数估计等科学与工程领域。该算法由数学家卡尔·弗里德里希·高斯和艾萨克·牛顿命名，最早可追溯至高斯1809年的著作《天体运动论》中，后经完善形成现代常用形式。
2026-01-20 07:30:00
1493
原创 如何从多源数据中提炼因果关系
在数据驱动决策的当下，单纯的相关性分析已无法满足精准需求，从多源数据中挖掘“因果关系”，才能真正揭示“为什么”，为业务优化、科学研究等场景提供核心支撑。
2026-01-19 07:45:00
1874
原创 无需海量数据，小样本也能出深数据
当樟树的中药厂靠120条数据搞定AI质检，当仙居的农户靠50组数据精准预测收成，当AI质检系统凭十余份样本守护工业产线、小样本模型助力罕见病诊疗，小样本数据分析正打破“无海量数据不分析”的固有认知。它不仅是技术层面的创新，更重塑了数据分析的思维方式——价值的核心不在于数据的多少，而在于对数据的精准挖掘与高效利用。在数据采集日益困难、场景需求愈发细分的当下，小样本分析将成为赋能县域产业、医疗健康、工业升级、生态保护等领域的核心工具，让每一份有限的数据都能释放无限价值，开启精准分析的全新范式。
2026-01-19 07:30:00
1734
原创 惯性测量单元（IMU）在步态康复评估中的误差校准方案
惯性测量单元（IMU）凭借体积小、成本低、无信号依赖的优势，已成为步态康复评估的核心工具，可实时采集人体下肢角速度、加速度数据，量化步长、步频、关节角度等关键步态参数，为康复诊断、方案优化及疗效评估提供数据支撑。然而，IMU在实际应用中易受传感器自身特性、安装偏差、运动状态干扰及环境因素影响，产生零偏、标度因数偏差、交叉耦合及累积误差等问题，导致步态参数测量精度下降。尤其在康复评估场景中，病理步态的细微特征识别对测量精度要求极高，误差过大可能误导康复决策。
2026-01-18 07:45:00
1499
原创 动态权重粒子群优化算法（DWPSO）
DWPSO通过惯性权重的动态调整，有效弥补了传统PSO的性能缺陷，成为群体智能优化领域的重要算法之一。其核心价值在于通过简单的参数自适应机制，实现了算法性能与复杂度的平衡，易于工程实现且适配场景广泛。未来研究方向主要包括：多参数协同动态调整（如结合惯性权重与学习因子的联合优化）、动态环境下的权重策略自适应、以及与深度学习等技术的融合，进一步拓展算法在复杂场景中的应用潜力。
2026-01-18 07:30:00
1920
原创 符合HIPAA/GDPR的康复数据加密与脱敏方案
随着远程康复、智能康复技术的普及，康复数据呈现“五多三高”的典型特征，涵盖生理指标、运动数据、影像资料、病历文本等15类多源异构数据，每日单患者产生20GB+多形态数据，涉及患者、医疗机构、设备厂商等7大参与主体，需覆盖居家监测、社区康复、医院复诊等多场景融合应用。对需统计分析的数据，采用拉普拉斯机制添加可控噪声，确保单个患者数据无法被推断，同时保留数据的统计特性（如康复周期均值、训练效果分布），满足GDPR对数据二次使用的隐私保护要求与HIPAA安全港规则。
2026-01-17 07:45:00
788
原创 从「数据采集」到「个性化方案生成」闭环智能康复
在人口老龄化加剧、慢性病与残疾康复需求激增的背景下，传统康复模式中“经验主导、方案同质化、效果难量化”的痛点日益凸显。智能康复闭环技术架构的出现，以“数据驱动决策、动态自适应干预”为核心，打通从多维度数据采集、智能分析评估，到个性化方案生成、实时反馈优化的全流程，将康复治疗从“模糊感知”推向“精准可控”，为基层医疗、慢病管理、残疾人康复等场景提供了系统性解决方案。本文将深度拆解这一架构的核心模块、技术支撑与实践路径，揭示其实现“采集-分析-干预-反馈”闭环的内在逻辑。
2026-01-17 07:30:00
1975
原创 精准监测运动过程生命体征
传感器技术的普及，让科学运动从“经验判断”走向“数据驱动”，为运动爱好者提供了全方位的安全保障与个性化指导。无论是普通健身人群还是专业运动员，都能通过搭载传感器的运动装备，精准掌控身体状态，优化运动方案，在提升运动效果的同时，最大限度规避运动损伤。未来，随着技术的持续迭代，传感器将在运动健康领域发挥更大价值，推动全民健身体系向更科学、更智能的方向发展。
2026-01-16 10:52:57
691
原创 后大数据时代，精准比海量更重要
相较于大数据依赖算法对海量数据的模式识别，小数据的深分析更强调“理论+数据”的双向赋能，既依托领域知识搭建分析框架，又通过数据验证优化逻辑模型，形成“势→态→感”的认知路径——以已知的业务规则、物理定律为基础，通过小数据推导具体状态，最终转化为可落地的决策方案。但随着技术落地深化与业务需求升级，后大数据时代的核心命题已然转变：数据的价值不在于规模之巨，而在于通过小数据的精准捕捉与深度分析，破解海量数据的“价值稀释”困境，实现从“模糊趋势”到“精准决策”的跨越。
2026-01-16 10:49:06
732
原创 医疗数据三层价值递进，赋能精准医疗与公共卫生
医疗数据作为医疗健康领域的核心生产要素，其价值释放并非单一维度的挖掘，而是遵循“浅数据看指标、深数据挖风险、大数据做群体防控”的递进逻辑。从表层统计到深层溯源，再到规模化治理，三层数据应用形成闭环，既支撑个体临床决策的精准性，又保障公共卫生体系的前瞻性，推动医疗模式从“经验驱动”向“数据驱动”全面转型。
2026-01-15 07:45:00
859
原创 基于康复大数据的自适应调整算法训练方案
为解决传统康复训练方案个性化不足、调整滞后及效果评估片面等问题，以多模态康复数据为核心，通过数据预处理、特征提取、自适应决策模型及实时反馈优化四大模块，实现训练强度、内容、频率的动态精准调控。算法融合机器学习与康复医学评估体系，结合神经可塑性理论与生物力学特征，构建“数据采集-模型分析-方案调整-效果反馈”的闭环机制。临床实验表明，该算法可显著提升康复训练的针对性与有效性，缩短康复周期，为个性化康复干预提供技术支撑。
2026-01-15 07:30:00
734
原创 多模态传感器融合数字化生命体征检测
在精准医疗与数字化健康管理的浪潮下，生命体征检测正从传统单一参数监测向多维度同步感知演进。心率、血压、呼吸率、体温等核心生理指标的精准捕获，是临床诊断、慢性病管理及健康风险预警的核心基础。然而，单一传感器易受环境干扰、生理波动等因素影响，存在数据碎片化、精度不足等局限。多模态传感器融合技术通过整合不同类型传感器的互补信息，构建全维度生命体征监测体系，实现从“数据采集”到“精准解读”的跨越式升级，为临床诊断提供更可靠的决策支撑。
2026-01-14 09:15:48
889
原创 智能康复设备数据与医院HIS系统的对接方案：HL7/FHIR标准实践
本方案基于HL7/FHIR标准，构建了“设备-网关-FHIR服务-HIS系统”的五层对接架构，通过标准化数据转换、实时传输、安全管控与深度集成，有效解决了智能康复设备与HIS系统的数据互通难题，为临床精准康复、高效管理提供了技术支撑。方案兼具灵活性与可扩展性，可适配不同类型康复设备与医院信息化架构，符合智慧医疗发展趋势。
2026-01-14 09:14:07
872
原创 基于深度学习的康复评估报告自动生成系统设计
针对康复数据多源异构、评估标准不统一、个体差异大等核心难点，本系统采用以下解决方案：一是通过跨通道互相关分析与时间同步算法，解决多传感器数据同步误差问题，将同步误差控制在2ms以内，提升数据一致性；二是扩大临床验证范围，纳入更多病种与不同等级医疗机构的数据，优化模型泛化能力，推动系统标准化落地；本系统采用分层分布式架构，基于微服务理念实现功能解耦，自上而下分为感知层、数据层、算法层、应用层及交互层，各层通过标准化接口实现数据传输与协同工作，整体架构如图1所示（此处略去图表，实际设计需补充架构图）。
2026-01-13 07:45:00
1575
原创 职场数据分析以浅深数据联动，实现高效提效
在数字化职场中，数据分析已成为驱动决策、优化流程、提升效能的核心工具。多数职场人在数据分析中易陷入“重统计、轻洞察”或“追深度、失基础”的误区，而科学的思路应是：以浅数据搭建基础认知，用深数据挖掘问题根源，二者联动形成闭环，方能让数据分析真正服务于高效提效。
2026-01-13 07:30:00
1541
原创 零售门店：浅数据看客流，大数据看区域，深数据挖消费动机
零售门店的数字化经营，本质是通过数据分层应用实现“精准感知、精准决策、精准运营”。浅数据筑牢日常运营基础，解决“当下效率”问题；大数据锚定区域战略方向，解决“布局匹配”问题；深数据挖掘核心需求，解决“用户忠诚”问题。三者并非孤立存在，而是形成闭环联动——浅数据为大数据、深数据提供基础素材，大数据为深数据划定范围边界，深数据为浅数据、大数据落地提供精准方向。随着AI、BI技术的迭代，零售门店的数据应用正从“被动分析”转向“主动预测”，从“单点优化”转向“全域协同”。
2026-01-12 07:45:00
770
原创 大数据和深数据风险预警逻辑
金融欺诈的本质是“信息不对称下的行为伪装”，深数据以“穿透本质、预判未来”的核心能力，打破了传统风控“重体量、轻价值”的困境。随着AI与隐私计算技术的成熟，深数据将进一步实现“风险可视、可溯、可防”，推动风控体系从“被动防御”向“主动治理”转型，既为金融机构筑牢安全防线，也为小微普惠金融等业务的可持续发展提供支撑，成为金融数字化时代的核心竞争力。
2026-01-12 07:30:00
1715
原创 从浅数据（体检数值）到深数据（健康轨迹），实现个性化干预
从浅数据到深数据的转型，是健康管理行业的核心升级方向。浅数据解决了“知道当下健康状态”的问题，而深数据则通过构建全周期健康轨迹，实现了“预测健康风险、精准定位根源、定制干预方案”的目标。未来，随着智能设备的普及、算法技术的迭代，深数据将成为个性化健康管理的核心驱动力，推动健康管理从“被动医疗”向“主动健康”转变。
2026-01-11 07:45:00
1034
原创 数据人才的核心竞争力：从辨明类型到深挖价值
真正的核心竞争力，从来不是单一技能的极致，而是“辨类型”与“挖价值”的协同赋能。而数据人才的竞争力，早已跳出“会用工具、能做分析”的基础维度，真正的核心在于：既能精准辨明数据类型、筑牢分析根基，更能穿透数据表象、挖深价值内核，实现从“数据处理者”到“价值创造者”的跃迁。如今，市场对数据人才的薪资溢价，往往倾向于那些兼具技术功底、业务洞察力与价值转化能力的复合型人才——他们既能用SQL、Python高效处理数据，也能读懂业务逻辑、用非技术语言传递洞察，更能通过数据驱动业务增长、创造商业价值。
2026-01-11 07:30:00
909
原创 破解企业数据治理「海量浅数据，无价值深数据」困境的路径
以数据资产化思维，构建长期竞争优势破解「海量浅数据，无价值深数据」的困境，核心是摒弃「重数量、轻质量」「重采集、轻挖掘」的误区，以数据资产化思维，搭建从浅数据到深数据的全链路转化体系。数据价值的提升，本质是技术赋能、流程优化与场景牵引的协同作用，唯有让数据穿透业务本质、支撑核心决策，才能从根本上释放数据价值。当数据真正从「资源」升级为「资产」，成为企业精准决策、创新发展的核心支撑，企业才能在数字经济浪潮中构建差异化竞争壁垒，实现高质量发展。
2026-01-10 07:45:00
1009
原创 深数据挖掘的5大坑：附避坑方案
深数据挖掘的核心价值，在于从复杂数据中提取可落地的业务洞察，而规避上述5大深坑，是实现这一价值的前提。数据挖掘从来不是“技术独行”，而是技术与业务、严谨流程与科学方法的结合。唯有做好数据治理、理清因果逻辑、把控模型尺度、贴合业务场景，才能真正跳出“挖坑”困境，挖掘出数据的核心价值，为决策提供可靠支撑。
2026-01-10 07:30:00
1128
原创 只追大数据忽略深数据，正在让你白白浪费数据资产
问题的关键的在于，大数据仅呈现了“平均时长”这一共性指标，却未深入挖掘不同学段、不同成绩层次、不同家庭背景学生的作业完成效率与需求差异——优等生需要拓展性作业，学困生需要基础性巩固作业，一刀切的政策忽视了这些个性化深数据，最终让好政策的效果大打折扣，也浪费了前期数据调研的投入。在大数据技术日益成熟的今天，摒弃“唯大数据论”的误区，兼顾广度与深度，让大数据提供趋势支撑，让深数据穿透核心本质，才能真正激活数据资产的潜能，让每一份数据都成为科学决策的有力支撑，而非被白白浪费的“数字包袱”。
2026-01-09 07:45:00
798
原创 人工智能如何加速浅数据到深数据的转化？
从浅数据到深数据的转化，本质是数据价值从“量的积累”到“质的飞跃”的过程，人工智能通过技术赋能贯穿全链路：在转化初期，AI解决浅数据的采集、处理、运算难题，加速向大数据跨越；在转化中期，AI突破大数据的关联局限，实现因果性挖掘与多维度融合，催生深数据；在转化后期，AI构建生态体系保障价值落地与持续迭代。而科学的AI工具选型则是这一过程的“催化剂”，需紧扣各阶段需求精准匹配，才能最大化发挥AI效能。
2026-01-09 07:30:00
1805
金融风控：深数据破解欺诈识别难题
2026-01-10
零售门店：浅数据看客流，大数据看区域，深数据挖消费动机（附门店优化案例）
2026-01-10
数据库表结构与数据定义：2026年度工作日 SQL语句
2025-12-09
软件和互联网业务PPT模板
2024-12-11
政府采购品目分类目录 财库〔2022〕31号
2024-04-09
200个常见弱密码SQL脚本
2024-04-09
ISO 4217:2015 International currency 国际货币SQL脚本
2024-04-09
ISO 3166 Country code 国别代码 SQL文件
2024-04-09
2024年度工作日SQL文件 1:正常工作日 2:调换工作日 3:法定假日 4:调休假日
2024-04-08
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人