马的品种识别数据集，1 Akhal-Teke;2阿帕卢萨马;3奥洛夫Trotter;4弗拉基米尔重型草案;5年佩尔什马;6 阿拉伯马;7 黑白花马，共670张图片 马的品种识别数据集，1 Akhal-Teke;2阿帕卢萨马;3奥洛夫Trotter;4弗拉基米尔重型草案;5年佩尔什马;6 阿拉伯马;7 黑白花马，共670张图片

澳大利亚的四种绵羊品种图像分类数据集，马里诺、投票多塞特、萨福克、白萨福克，每类420张图片 澳大利亚的四种绵羊品种图像分类数据集，马里诺、投票多塞特、萨福克、白萨福克，每类420张图片

不同品种猫的识别图像数据集，共有五个类型，每类有1000张图片左右 不同品种猫的识别图像数据集，共有五个类型，每类有1000张图片左右 不同品种猫的识别图像数据集，共有五个类型，每类有1000张图片左右

11个葡萄品种的叶片数据集，欧塞尔罗伊赤霞珠、品丽珠、赤霞珠、霞多丽、梅洛穆勒、图尔高、黑比诺、雷司令、白苏维浓、西拉、丹帕尼罗，葡萄生长环境实地拍摄，高清图片，每类大约100张叶片图片，共1009张图片 11个葡萄品种的叶片数据集，欧塞尔罗伊赤霞珠、品丽珠、赤霞珠、霞多丽、梅洛穆勒、图尔高、黑比诺、雷司令、白苏维浓、西拉、丹帕尼罗，葡萄生长环境实地拍摄，高清图片，每类大约100张叶片图片，共1009张图片

70狗品种图像数据集，7946张训练，700张测试，700张验证，图像分辨率：224X224X3 ，jpg格式。 70狗品种图像数据集，7946张训练，700张测试，700张验证，图像分辨率：224X224X3 ，jpg格式。 70狗品种图像数据集，7946张训练，700张测试，700张验证，图像分辨率：224X224X3 ，jpg格式

200多张5种不同牛品种的图片数据集，[艾尔郡，棕色瑞士，荷斯坦白里斯，泽西，红丹] 200多张5种不同牛品种的图片数据集，[艾尔郡，棕色瑞士，荷斯坦白里斯，泽西，红丹] 200多张5种不同牛品种的图片数据集，[艾尔郡，棕色瑞士，荷斯坦白里斯，泽西，红丹]

狗属哺乳动物，且它的属性有品种之分（在哺乳类基础上增加品种数据成员），叫声区别于其他动物（输出“Woof！”），还会摇尾巴（增加成员函数，输出“Tail wagging…”），乞讨食物（增加成员函数，输出“begging for food…”）。 猫、马、猪也属于哺乳动物，其叫声分别为：“Meow!”，“Winnie!”，“Oink!”。 编程分别使各个动物表现为不一样的行为。要求将所有的动物类放置于animal.mammal包下。 定义两个新的类，表示宠物猫和宠物狗。要求：这两个类能输出宠物所属的主人，价格等信息；将这两个类放置于animal.mammal.pet包下。

采用KNN算法对鸢尾花品种分类与预测，预测的准确率达到了96.97%，可用于故障诊断与模式识别领域。具体步骤如下： # 加载数据集 # 通过Matplotlib绘制鸢尾花每个品种的各个特征平均值的柱状图 # 划分数据集，留出法的实现数据集 # 对训练集和测试集进行索引重置，分别重置为从0开始的连续索引，得到训练集标签数据train_label、测试集标签数据test_label # 训练集特征数据train_fea、测试集特征数据test_fea # 数据归一化，由于不同特征的取值有明显的差别，取值较大的特征，特征变化往往比较大，这样会导致计算的距离结果更多地受到取值较大的特征变化的影响 # 数据集的多维特征对于距离计算是同等重要的，对特征进行归一化，即将特征的取值范围映射到0～1之间 # 建立评估函数，通过评估指标来评估模型预测的正确率

植物的品种识别 svm和Bp神经网络的研究 基于Matlab

人工智人-家居设计-基于AGV平台的多品种混流装配智能调度与控制技术研究.pdf