-
路由策略动画数据集
2025年11月27日 30 129 55
数据集概述 本数据集包含基于Dumas旅行商问题(TSP)实例创建的二十个路由策略动画,通过Mathematica和克拉克-怀特启发式算法生成,展示两种不同的路由策略:先响应传统数据点再处理社交数据,以及单次行程访问所有数据点。 文件详解...
-
周期性信号非线性效应抑制预失真技术演示视频
2025年11月27日 30 200 5
数据集概述 本数据集为一个演示视频,内容是针对非线性换能器生成的周期性信号,通过预失真技术抑制其非线性效应的过程。视频展示了50Hz谐波信号经振动台输出时,预失真前后的时域与频域波形对比,直观呈现技术效果。 文件详解 文件名称: NOVAK_JSV_Shaker_nonlinear_correction.avi 文件格式: AVI(.avi)...
-
一维多孔介质传热求解器数据集
2025年11月27日 30 40 7
数据集概述 本数据集包含一套基于双温度模型的一维多孔介质传热问题求解程序,采用Python开发,通过显式有限差分法计算不可压缩流体流动下的传热过程,支持温度变化可视化,含程序代码、问题说明文档、依赖清单及可执行文件。 文件详解 程序代码文件: Heat Transfer Solver/main.py:...
-
SU_3_格点规范理论Fortran代码集_含MPI棋盘并行化
2025年11月26日 30 184 49
数据集概述 本数据集包含用于SU(3)格点规范理论的Fortran代码,涵盖普通串行版本与支持MPI棋盘并行化的版本,适用于纯SU(3)量子场论的马尔可夫链蒙特卡洛模拟,为量子色动力学相关研究提供计算工具。 文件详解 该数据集包含一个压缩文件,具体说明如下: - 文件名称:aemj_v1_0.tar.gz - 文件格式:.gz(压缩包格式) -...
-
生成对抗网络图像校正数据
2025年11月23日 30 135 27
生成对抗网络图像校正数据_Generative_Adversarial_Network_Image_Correction_Data 数据来源:互联网公开数据 标签:生成对抗网络, 图像校正, 图像处理, 数据增强, 机器学习, 计算机视觉, 深度学习, 数据集 数据概述:...
-
图像识别训练图像数据集
2025年11月22日 30 72 63
图像识别训练图像数据集_Image_Recognition_Training_Images 数据来源:互联网公开数据 标签:图像识别, 机器学习, 计算机视觉, 图像分类, 数据集, 深度学习, 图像标注, 训练数据 数据概述: 该数据集包含大量.jpg格式的图像文件,记录了用于图像识别任务的训练样本。主要特征如下:...
-
XGBoost算法案例演示数据集XGBoostAlgorithmCaseDemonstrationDatasets-morenovanton
2025年5月28日 30 60 13
XGBoost算法案例演示数据集XGBoostAlgorithmCaseDemonstrationDatasets-morenovanton 数据来源:互联网公开数据 标签:机器学习, XGBoost, 梯度提升树, 模型训练, 数据集, 案例研究, 算法演示, 肺癌数据 数据概述:...
-
K近邻算法演示采样数据集KNNDemonstrationSamplingDataset-rnaveensrinivas
2025年4月26日 30 128 116
K近邻算法演示采样数据集KNNDemonstrationSamplingDataset-rnaveensrinivas 数据来源:互联网公开数据 标签:机器学习,K近邻算法,数据集,采样方法,数据可视化,算法演示,数据分析,教育 数据概述: 该数据集旨在演示K近邻(KNN)算法的采样过程,用于教学和算法理解。主要特征如下:...
-
K均值聚类算法演示数据集-bharathsasidharan
2025年4月23日 30 157 51
K均值聚类算法演示数据集-bharathsasidharan 数据来源:互联网公开数据 标签:聚类分析,K均值,机器学习,数据集,数据挖掘,无监督学习,算法演示,Python 数据概述:...
-
K最近邻算法样本数据集SampleKNNDataset-anmolsmann
2025年4月23日 30 174 82
K最近邻算法样本数据集SampleKNNDataset-anmolsmann 数据来源:互联网公开数据 标签:机器学习,分类算法,数据集,算法示例,K最近邻,数据科学,建模样本,算法应用 数据概述: 该数据集为K最近邻(K-Nearest Neighbors, KNN)算法的示例数据集,主要用于算法演示和教学。主要特征如下:...



