广东省东莞市乡镇区划划分shp 数据，松山湖管委会、高埗镇、大岭山镇、石碣镇、中堂镇、茶山镇、麻涌镇、樟木头镇等33个乡镇划分

使用Cisco packet Tracer实现了子网划分实验

依据车辆编号将US101中的数据进行整合，筛选车道保持的车辆信息，每个sheet都是一个车道保持车辆的全部时刻的信息，适合于做轨迹规划，预测和分析决策的同学，信息全面，价格低廉

本站唯一符合2022河海大学水文预报课程设计要求的python代码 自动读取表格 以年为单位自动计算误差和确定性系数

hypermesh_网格划分初级

1、YOLO红外车辆行人检测数据集，真实场景的高质量图片数据，数据场景丰富。使用lableimg标注软件标注，标注框质量高，含voc(xml)、coco(json)和yolo(txt)三种格式标签，分别存放在不同文件夹下，可以直接用于YOLO系列的目标检测。 2、附赠YOLO环境搭建、训练案例教程和数据集划分脚本，可以根据需求自行划分训练集、验证集、测试集。 3、数据集详情展示和更多数据集下载：https://blog.csdn.net/m0_64879847/article/details/132301975

code:区划编码, name:区划名称, parent_code:父区划编号, ancestors:祖区划编号, province_code:省级区划编号, province_name:省级名称, city_code:市级区划编号, city_name:市级名称, district_code:区级区划编号, district_name:区级名称, town_code:镇级区划编号, town_name:镇级名称, village_code:村级区划编号, village_name:村级名称, region_class:城乡类别，100城镇110城区111主城区112城乡结合区120镇区121镇中心区122镇乡结合区123特殊区域200乡村210乡中心区220村庄, region_level:层级,1省份2城市3区县4街道乡镇5社区村委会

一种基于网格划分的自适应粒子群优化算法.pdf

为了提升粒子群优化算法(particle swarm optimization, PSO)的性能，提出了一种基于网格划分的自适应粒子群优化(grid-based adaptive particle swarm optimization, GAPSO)算法和基于网格划分的多样性计算方法，并设计了初始种群多样性最大化(maximal diversity algorithm for the initial swarm，MDAIS)算法。GAPSO分为两个阶段：根据粒子对多样性的贡献自适应调整粒子的进化方向，使种

世界地图（精细到行政区划分）目前我能找到网上最详细的shp格式世界地图了