一款功能强大的数据分析软件,主要用于对大量文本、图形、音频和视频数据进行定性分析,无论您的领域是人类学,经济学,犯罪学还是医学,都将满足您的定性分析,能够有效的分析多种不同的数据,如大量的逐字稿文字、影像图形、声音、和录像带数据.也是实现扎根理论(GroundedTheory)的最佳工具!这是针对大容量文本、图像、音频和视频数据进行定性分析的强劲工作台,让你无需为了数据过大而烦恼,精密完善的工具帮助您以创造性、系统化的方式对您的资料进行整理、整合、管理,让用户可以省时省心又省力,ATLAS ti可以保留你的所有文档和信息,包括笔记、音频文件、图片、视频等,它配备了丰富的工具集,可以帮助您评估数据,运行查询和搜索,以及存储和可视化结果。ATLAS.ti 是由来自不同学科,包括社会学,艺术,建筑,通讯,犯罪学,经济学,科学,教育,工程,人类学,研究,管理,市场营销,质量管理等用来研究人员开发,因此它适用的范围非常广,还支持跨平台工作,让你对开发的项目有全新的了解。对于团队来说,它是十分有利的,起到了很好的协调作用,允许你同时处理多个项目,还可以对提取的数据进行优先级排序,提取和分析,并通过图形技术精美地说明这些数据之间的关系。 Password/解压密码0daydown
2021-06-24 12:15:35 357.8MB 数据分析
1
在学习游戏开发构成中,有时候需要找到一些漂亮的图,作为演示效果,一般都会网上搜集一些,现成的游戏图,基本上都会合成大图发布,图片多起来,一张张裁剪,工作量繁重,如果能有大图信息的文本文件和大图原文件,可以考虑通过以下脚本实现大图的拆分,不同格式的文件,都可以根据这个原理进行,修改对应的读取格式代码,和保存图片代码即可
2021-06-20 00:44:33 724KB python spine stlas
1
laya合图拆分散图工具,使用合并后的图集和atlas文件把图集拆分成单个散图. 把SpiltAtlas.jar和start.bat这两个文件拷贝到图集所在的文件,双击运行start.bat就会自动扫描并该目录下的所有合图文件
2021-06-19 21:59:56 810KB laya 图集拆分 工具 atlas
1
Mobile Atlas Creator使用的最新Google卫星的地图源
2021-06-19 01:46:05 348B Mobile Atlas Google 卫星
1
(Wind Atlas Analysis and Application Program)是在目前陆上风电场设计过程中应 用较为广泛的一种模型软件。 经8.3版本测试通过
2021-06-18 16:42:15 49KB 破解 注册
1
ATLAS拧紧工具的通迅类库,开发说明。 MTCom is a communication server used for communicating with MicroTorque devices over USB. It provides a unified programming interface and the possibility for several applications to communicate with one single device at the same time. MTCom runs as a windows service and supports 16 simultaneous devices to be connected to a computer at any one time.
2021-06-08 13:46:47 24.75MB ATLAS openProtocol
1
图集连接流 RIPE ATLAS 连接流简单可视化。 这是 ATLAS 连接流的简单使用,它侦听任何向上/向下探测事件,如果我们有探测的纬度/经度,它会将其显示在地图上。 将 repo 克隆到本地机器并使用浏览器打开 index.html 文件。
2021-06-03 13:03:52 98KB JavaScript
1
官网 http://atlas.apache.org/api/v2/index.html 本文档是官网翻译2
2021-06-01 11:07:11 3.18MB Atlas-rest
1
Atlas-rest-Api接口文档 官网地址http://atlas.apache.org/api/v2/index.html
2021-06-01 11:03:41 8.76MB Atlas-rest
1
在磁共振(MR)图像中对前列腺的自动分割已越来越多地应用于前列腺疾病的诊断和各种临床应用。 然而,由于前列腺边界周围的解剖结构不均匀且变化,因此前列腺MR图像的分割面临着巨大的挑战。 由于深度学习在计算机视觉中显示出优异的性能,因此我们提出了一种使用深度神经网络的粗细细分策略,以分别解决直肠内线圈前列腺图像和非直肠内线圈前列腺图像的分割问题。 首先,我们将基于配准的粗略分割呈现给预处理的前列腺MR图像,以获得潜在的边界区域。 其次,我们训练深度神经网络作为基于像素的分类器,以预测潜在边界区域中的像素是否为前列腺像素。 为了提高算法的可分辨性,我们进一步引入了集成学习以进行精细分割。 最后,使用边界细化来消除离群值并使边界平滑。 所提出的方法已经在PROMIS12挑战数据集和PROSTATEx17挑战数据集上得到了广泛的评估。 实验结果表明,该算法具有较好的分割性能(骰子比为0.910±0.036,平均边界距离为1.583±0.441,Hausdorff距离为4.579±1.791),证明了该算法的有效性。
2021-05-30 11:23:22 896KB MRI prostate segmentation; Deep
1