服装样式数据集
一个大型数据集，其中包含六类服装图案的图像：实心，条纹，点缀，方格，之字形和花卉。
请注意，此数据集中的图像可能受版权保护，因此我们不会将其公开。 取而代之的是，我们提供下载原始图像的URL，以及重建数据集所需的裁剪/缩放信息。
请参考文件googleClothingDataset.csv以下载数据集图像。 每行包含一个图像源，其中包含类名称，图像URL，原始尺寸，裁剪窗口以及一个或多个比例。 对于每个下载的图像，首先使用提供的矩形裁剪图像，然后创建合成变体，如下所示：
生成224x224像素的图像，其中裁剪后的原始图像位于帧的中心。
使用列出的值缩放图像
对于每个比例，通过以30度为增量旋转图像来生成12个变化
FingerCamera文件夹中包含的图像可以不受限制地免费使用。 如果您使用这些图像发布任何作品，请引用以下论文：
@InProceedings{me
2021-10-21 20:33:31
412.78MB
1
ASP.NET MVC 项目 - 汽车租赁
2021-10-20 16:22:44
13.08MB
1
现代软件系统由许多通过 API 进行通信的服务器、服务和其他组件组成。作为开发人员，您的工作是确保这些 API 稳定、可靠且易于其他开发人员使用。API 设计模式为您提供独特的设计标准和最佳实践目录，以确保您的 API 灵活且用户友好。本基本指南通过示例和相关用例进行了充分说明，涵盖了 API 基础和实际系统设计的模式，以及一些不太常见的场景和边缘案例。
API 设计模式是一组有用的最佳实践规范和 API 设计挑战的通用解决方案。使用公认的设计模式可以在创建和使用 API 的开发人员之间创建一种共享语言，鉴于面向公众的任务关键型 Web API 呈爆炸式增长，这一点尤其重要。API 模式仍在开发和发现中。这个集合由 Google API 专家 JJ Geewax 收集和测试，是同类产品中的第一个。
API 设计模式汲取了 API 社区（包括 Google 的内部开发人员知识库）的智慧，为开发内部和面向公众的 API 提供了一组创新的设计模式。在这份基本指南中，Google 软件工程师 JJ Geewax 提供了独特且权威的模式目录，可提高 API 的灵活性和易用性。目录中的每个模式都通过自己的示例 API、用于解决常见 API 设计挑战的用例以及使用模式更微妙功能的棘手边缘问题的场景进行了全面说明。借助本书中列出的最佳实践，您可以确保您的 API 能够适应变化，并让您的客户轻松地将其整合到他们的项目中。
2021-10-18 17:06:43
9.65MB
1
这是Richard O. Duda关于模式识别的经典书籍，该版本是pdf打印版（质量很好，不是那种扫描版），希望对大家有所帮助。
2021-10-14 15:30:02
14.78MB
1
Pattern Classification - Richard O Duda, Peter E Hart, David G Stork - 2Ed - Wiley-Interscience.pdf
2021-10-14 15:14:04
13.42MB
1
诊所管理
诊所网络应用程序可满足要求，即患者到诊所就诊并获得注册，然后，他们会预约可用的医生。 默认情况下，约会将变为待处理状态，因为需要对其进行审核。 之后，医生将计算出病人的出勤率。 在报告下，我们应该有每日和每月的约会。
框架-库
ASP.NET MVC（版本5）
实体框架
Ninject
自动映射器
运行项目
使用Visual Studio打开项目。
在web.config文件中，根据您的系统更改连接字符串。 <add name="ClinicDB" connectionString="data source=Your data source;
2021-10-11 11:05:11
3.26MB
1
matlab灰色关联度代码Matlab中模式识别的白内障分类器
利用Matlab中的模式识别神经网络将视网膜眼底彩色图像分类为各种类型的白内障。
对数据集图像进行预处理，以提取训练神经网络所需的特征。
首先将图像转换为绿色通道，以获得细节之间的最大对比度。
然后对这些图像进行上下帽子转换，然后进行对比度校正和滤波，以获得用于特征提取的最佳图像。
从每个图像的灰度共生矩阵中提取对比度，相关性，同质性和能量这四个特征。
总共处理了51张图像以进行特征提取和训练。
利用Matlab中的NPR工具箱将这些特征用于训练具有10个隐藏神经元的反向传播神经网络，并绘制混淆矩阵和ROC特性以分析训练后的神经网络的效率。
最终使用Matlab的GUIDE工具箱将该神经网络合并到图形用户界面中。
该应用程序能够将白内障的程度分为三类，即轻度，中度和严重。
PS：所有文件均为matlab代码文件说明：prefeat-用于图像预处理和特征提取的代码。
数据集-包含提取的特征矩阵和用于训练神经网络的目标矩阵。
Trainer-用于使用给定数据集训练神经网络的代码。
retinalCataractClassifi
2021-10-05 12:50:53
48KB
1
Pattern Classification第二版，高清原版。 Richard O. Duda / Peter E. Hart / David G. Stork
2021-10-03 21:47:02
38.96MB
1
A Probabilistic Theory of Pattern Recognition 完整 清晰版
2021-09-30 00:08:45
10.78MB
1