串口通信、MFC入门
2022-11-30 12:59:33 323B MFC
1
基于BP神经网络的数据回归预测-预测新数据(Matlab完整程序和数据) 运行版本2018及以上 基于BP神经网络的数据回归预测-预测新数据(Matlab完整程序和数据) 运行版本2018及以上 基于BP神经网络的数据回归预测-预测新数据(Matlab完整程序和数据) 运行版本2018及以上
本文详细介绍了在虚拟机中Hadoop安装与配置。文中介绍了Linux的基本命令,静态 IP 地址的配置、主机名和域名映射的修改、防火墙的关闭与打开;在 Linux 环境下 Java和Hadoop的安装、相关环境变量的配置、基本命令的使用;为何需要配置 SSH 免密登录,掌握 Linux 环境下 SSH 的安装、免密登录的配置;在 Linux 环境下如何部署全分布模式 Hadoop 集群。 实验的软硬件环境包括 PC、VMware Workstation Pro、CentOS7 安装包、Oracle JDK1.8.0_144安装包、Hadoop-2.7.2 安装包。 本文主要面对学习Hadoop的在校大学生以及社会上的学习者,本文用保姆级别的详细步骤带给读者极致的学习体验。
2022-10-01 11:04:40 2.08MB linux centos 大数据 hadoop
1
考研数据结构
2022-09-26 16:03:14 58.95MB 数据结构
1
CK+数据集(The Extended Cohn-Kanade Dataset),目前,现有的公开的人脸表情数据集比较少,并且数量级比较小。比较有名的广泛用于人脸表情识别系统的数据集Extended Cohn-Kanada (CK+)是由P.Lucy收集的。CK+数据集包含123 个对象的327 个被标记的表情图片序列,共分为正常、生气、蔑视、厌恶、恐惧、开心和伤心七种表情。对于每一个图片序列,只有最后一帧被提供了表情标签,所以共有327 个图像被标记。为了增加数据,我们把每个视频序列的最后三帧图像作为训练样本。这样CK+数据总共被标记的有981 张图片。这个数据库是人脸表情识别中比较流行的一个数据库,很多文章都会用到这个数据做测试。 0-中性 1-愤怒 2-蔑视 3-厌恶 4-恐惧 5-高兴 6-悲伤 7-惊讶
2022-07-26 12:56:55 1.7MB ck+ 数据集 表情识别
2021年最新基于大数据的智慧勘探解决方案(石油大数据、智慧石油、油气勘探、油气大数据)(专业完整版).pdf
2022-06-29 11:04:01 4.83MB 智慧
WS445-2014 电子病历基本数据集(完整)
2022-06-27 19:08:13 43.28MB 电子病历 WS445-2014 基本数据集
1
完整英文版 ISO 28005-2:2021 Ships and marine technology - Electronic port clearance (EPC) - Part 2:Core data elements(船舶和海洋技术--电子口岸通关(EPC)--第2部分:核心数据元素)。 本文件提供了技术规范,以促进船舶和岸上的电子信息的有效交流,用于沿海过境或停港。它规定了对信息的安全、保障和效率提高的要求,主要与船舶和港口及沿海国家当局之间的关系有关。 本文件提供了用于电子港口清关(EPC)信息的核心数据元素的定义。它没有定义任何信息的结构,也没有提供任何关于特定目的所需信息的指导;它是一个用于安全、保安或操作相关的海事信息的通用数据字典。有关信息格式和应用的细节在ISO 28005-1中定义。
2022-06-05 21:04:21 3.39MB iso 28005-2 EPC 数据
数据库数据的完整性和实现
2022-06-05 15:03:25 457KB 数据库 文档资料 database
基于YOLOV5的头盔佩戴识别数据系统源码。修改yaml配置文件 进入\yolov5-5.0\data\文件夹内,打开voc.yaml文件, 原voc.yaml文件 # PASCAL VOC dataset http://host.robots.ox.ac.uk/pascal/VOC/ # Train command: python train.py --data voc.yaml # Default dataset location is next to /yolov5: # /parent_folder # /VOC # /yolov5 # download command/URL (optional) download: bash data/scripts/get_voc.sh # train and val data as 1) directory: path/images/, 2) file: path/images.txt, or 3) list: [path1/images/, path2/images/] train: ../VOC/ima