打开之后进入主 界面，界面很简单，第一个是打开EGP文件，第二个是创建，第三个就是退出，第四个就是取消。我们需要的是点击第一个打开文件按钮。

基于损坏的谷粒百分比的米级图像处理技术的探索 这项工作是COMP9517计算机视觉主题@UNSW 2020的一部分 我们执行了以下任务（有关详细信息，请参阅报告）： 任务1： 实施Iso数据强度阈值处理以在给定的水稻图像（灰度图像）中分离背景和前景。图像具有双峰像素强度直方图。 任务2： 实现两遍连通分量标记算法，对每个图像中的米粒进行计数。 任务3： 从Task2中获得的连接的组件标签中，使用最小像素面积作为阈值来计算受损稻粒的百分比。 档案： Report.pdf：有关实施过程和意见的详细信息 my_program.py：我的python实现 Input_image：测试图像-rice_img1.png，rice_img2.png，rice_img6.png，rice_img7.png 输出：所有输出均保存在此文件夹中

SSM框架使用SSM框架搭建Web服务器实现登录功能(Spring+SpringMVC+Mybatis)，这是一个很简单的demo。 Spring是一个开源框架，Spring是于2003 年兴起的一个轻量级的Java 开发框架，由Rod Johnson 在其著作Expert One-On-One J2EE Development and Design中阐述的部分理念和原型衍生而来。它是为了解决企业应用开发的复杂性而创建的。Spring使用基本的JavaBean来完成以前只可能由EJB完成的事情。然而，Spring的用途不仅限于服务器端的开发。从简单性、可测试性和松耦合的角度而言，任何Java应用都可以从Spring中受益。 简单来说，Spring是一个轻量级的控制反转（IoC）和面向切面（AOP）的容器框架。 Spring MVC属于SpringFrameWork的后续产品，已经融合在Spring Web Flow里面。Spring MVC 分离了控制器、模型对象、分派器以及处理程序对象的角色，这种分离让它们更容易进行定制。 MyBatis 本是apache的一个开源项目iBatis, 2010年这个项目由apache software foundation 迁移到了google code，并且改名为MyBatis 。MyBatis是一个基于Java的持久层框架。iBATIS提供的持久层框架包括SQL Maps和Data Access Objects（DAO）MyBatis 消除了几乎所有的JDBC代码和参数的手工设置以及结果集的检索。MyBatis 使用简单的 XML或注解用于配置和原始映射，将接口和 Java 的POJOs（Plain Old Java Objects，普通的 Java对象）映射成数据库中的记录。

Student_grade 学生成绩管理系统 - 华中科技大学C语言课程设计，Qt实现，2016年寒假

Machine_Learning-Housing_grade_prediction_using_python 机器学习被广泛用于建立数据分析的预测模型。 数据集包含一个训练文件，我们使用该训练文件来训练算法以对测试文件进行预测。 该文件包含大约2500多个缺失值。 我们使用KNN插补来自动填充缺失的位置，以进行更好的预测。 用于对训练和测试数据集进行预测的模型是SVM。 使用线性核获得的模型的准确性约为88.6％，比rbf的准确性高23％。

Mathematics - McGraw-Hill Ryerson Mathematics of Data Management Grade 12

esay grade pro 4.0 招标用的格式 非常难找 esay grade pro 4.0 招标用的格式 非常难找

Grade小学英语开学PPT教案.pptx

该数据接近了两所葡萄牙学校的中学学生的学习成绩。数据属性包括学生成绩，人口统计学，社会和学校相关特征，并通过使用学校报告和调查表进行收集。提供了两个有关两个不同学科表现的数据集：数学（mat）和葡萄牙语（por）。 student-mat.csv

全球首个临床级病理AI系统原始码及复现。 介绍： 官方Github ： : 个人补充部分 数据集下载。自己申请的，可直接使用， 50G左右。下载，密码： i8fv 数据集准备。官方接口需要指定格式，参考code/README.md 。这里我自己写了一个脚本，见code/dataPrepare_for_CNN.py和code/dataPrepare_for_Rnn.py ，改一下相关路径就好。 训练及测试。将官方代码改成单机数据并行训练，加速训练，单GPU也无需更改代码。具体运行命令，参考code/README.md 具体代码运行流程 运行： code/dataPrepare_for_CNN.py ，生成MIL所需的数据 运行code/MIL_train.py和code/MIL_test.py （很慢） 运行： code/dataPrepare_for_Rnn.py ，生成RNN所需的数据