冠状动脉CT 该数据集的实用性已由中国武汉同济医院的一名高级放射科医生确认，他在1月至4月的疾病暴发期间对大量COVID-19患者进行了诊断和治疗。 发布此数据集后，我们收到了一些反馈，表达了对该数据集可用性的担忧。 主要问题概述如下。 首先，将原始CT图像放入纸张中后，这些图像的质量会下降，这可能会使诊断决策的准确性降低。 质量下降包括：损失了Hounsfield单位（HU）值； 每个像素的位数减少； 图像的分辨率降低。 其次，原始的CT扫描包含一系列CT切片，但是当放入论文中时，只选择了几个关键切片，这也可能对诊断产生负面影响。 我们就这两个问题咨询了同济医院的放射科医生。 放射科医生认为，这些问题引起的问题不会显着影响诊断决策的准确性。 首先，经验丰富的放射科医生能够根据低质量的CT图像做出准确的诊断。 例如，给定由智能手机拍摄的原始CT图像照片，尽管照片中的CT图像质量比原始CT图像低得多，但是有经验的放射科医生仅通过查看照片即可做出准确的诊断。 同样，论文中的CT图像与原始CT图像之间的质量差距不会在很大程度上损害诊断的准确性。 其次，虽然最好读取一系列CT切片，但通常单

NGSIM US-101数据集平滑 描述 NGSIM US-101数据集平滑功能使用提供了众所周知的轨迹NGSIM US-101数据集的低噪点和平滑版本。 平滑过程分为两个步骤，该过程包括：首先，平滑X和Y值，然后相对于平滑的X，Y值重新计算速度和加速度。 表中的内容 NGSIM US-101数据集 自2005年发布以来，NGSIM US 101数据集一直是研究人员进行轨迹预测的最终开源数据集。包括[1-3]在内的许多研究人员都指出数据集中存在噪声，这主要是由于其具有是从位于加利福尼亚州洛杉矶的俯瞰好莱坞高速公路的建筑物上安装的8台摄像机的视频录像中自动提取的，也称为美国南行101。用于提取NGSIM US-101数据集的软件称为NG-VIDEO软件。 另外，NGSIM文档明确指出： 尚未对数据集进行准确性评估 [我们不对数据完整性提出任何要求。 提供的数据可能存在差距 我们发现，绘制加

中国传统山水画数据集 文章标题：“利用生成的对抗网络进行端到端的中国山水画创作” ArXiv： ： 抽象的：当前基于GAN的艺术生成方法由于依赖条件输入而产生非原创的艺术作品。在这里，我们提出GAN（SAPGAN），这是第一个无需条件输入就能从头到尾生成中国山水画的模型。 SAPGAN由两个GAN组成：SketchGAN（用于生成边缘贴图）和PaintGAN（用于随后的边缘到绘画转换）。我们的模型是在从未用于生成研究的中国传统山水画的新数据集上进行训练的。一项242人的视觉图灵测试研究表明，SAPGAN绘画被误认为是人类艺术品，其频率为55％，明显优于基线GAN。我们的工作为真正的机器原创艺术创作奠定了基础。 素描和绘画GAN与基准模型相比： 在这里，我们提供了用于训练“素描和绘画” GAN模型的数据集。数据集包含2,192幅高质量的中国传统山水画。来自以下来源的所有绘画尺寸均为512x5

这些数据集包含10个要素，其中“价格（美元）”是相关要素。目的是我们必须使用不同的回归算法来预测钻石的价格。 file/opensearch/documents/92937/Diamond Price Prediction.csv

Heart Disease Dataset is provided by Hungarian Institute of Cardiology,University Hospital, Zurich,University Hospital, Basel and Long Beach and Cleveland Clinic Foundation.本数据集由匈牙利心脏病研究所，瑞士苏黎世大学医院，瑞士巴塞尔大学医院和长滩和克里夫兰临床基金会提供。 heart-disease.cost heartdisease.delay heartdisease.expense heart-disease.group heart-disease.names heartdisease_ask-detrano heartdisease_ask-detrano (2) heartdisease_processed.cleveland.data heartdisease_cleve.mod heartdisease_cleveland.data heartdisease_long-beach-va.data heartdisease_new.data heartdisease_processed.hungarian.data heartdisease_processed.switzerland .data heartdisease_processed.va.data heartdisease_switzerland.data heartdisease_hungarian.data

This book will be your definitive guide to batch and stream data processing with Apache Flink. The book begins by introducing the Apache Flink ecosystem, setting it up and using the DataSet and DataStream API for processing batch and streaming datasets. Bringing the power of SQL to Flink, this book will then explore the Table API for querying and manipulating data. In the latter half of the book, readers will get to learn the remaining ecosystem of Apache Flink to achieve complex tasks such as event processing, machine learning, and graph processing. The final part of the book would consist of topics such as scaling Flink solutions, performance optimization, and integrating Flink with other tools such as Hadoop, ElasticSearch, Cassandra, and Kafka.

The dataset is from MICCAI 2019 Challenge. 本数据集由MICCAI 2019出品。 leftventricleimage_test_datasets.zip TestData_LVQuan19_Description.pdf

RKNN DataSet 批处理Python文件

Fashion-MNIST 数据集，是Kaggle上热门的数据集，放在代码MNIST_data子目录可直接使用在Keras的数据集加载的函数中。

用c#做的读取excel文件，用dataset实现的，datatable