通过查阅大量ICD-10标准整理的最全疾病分类标准，主要包括手术、肿瘤、损伤、中医等部分内容，可以作为区域医疗标准。对于所有内容均为人工校验过，保证质量！2013年10月份整理完成！
2021-11-24 20:37:23
1.65MB
1
固定资产分类与代码(GBT14885-2010)固定资产分类与代码(GBT14885-2010)
2021-11-14 09:33:17
143KB
1
使用卫星图像和卷积神经网络比较城市环境
该存储库包含与该论文相关的代码，该论文。 本文的稍作修改的版本出现在中的会议。
该存储库包含本文中介绍的数据处理，模型训练和分析的Python实现：
用于构建城市环境土地利用分类的培训和评估数据集的代码位于文件夹中
本文使用的卷积神经网络分类器的Keras实现以及分类文件夹中的Keras实用程序，用于数据提取和多GPU训练（带有TensorFlow后端）
用于训练和验证模型以及产生分析结果和图表数据的代码位于文件夹中的笔记本中。
在以监督方式对卷积网络分类器进行卫星数据训练后，可通过研究为每个卫星图像提取的特征，将其用于比较许多城市的城市街区（城市环境）。
引文
如果您使用本文中的代码，数据或分析结果，我们恳请您引用上面的文章为：
利用卷积网络和卫星图像大规模识别城市环境中的模式。 A. Toni Albert，J。Kaur和MC Gonz
2021-11-09 14:32:31
23.55MB
1
matlab遥感分类代码CNN-AL-MRF
这就是《Hyperspectral
Image
Classification
with
Convolutional
Neural
Network
and
Active
Learning》的代码。
如果您使用此代码，请在您的工作中引用以下论文。
[1]
曹向勇，姚敬，徐宗本，孟德宇。
具有卷积神经网络和主动学习的高光谱图像分类。
IEEE
地球科学与遥感学报，2020
年。()
[2]
H.
Bi、F.
Xu、Z.
Wei、Y.
Xue
和
Z.
Xu，一种用于最小监督
polsar
图像分类的主动深度学习方法。
IEEE
地球科学与遥感学报，2019
年。
在
Windows
中安装
Matconvnet
请按照网站上的说明进行操作：。
再现结果
重现第四部分的实验结果。
D(1)，请跑
matlab
CNN_AL_MRF_main.m
接触：
如果您有任何问题，欢迎与我联系（
/
）。
2021-10-30 15:25:58
8.28MB
1
内容：其中包含2002、2011、2017三年国民经济行业分类和代码的MySQL文件，每一个表的格式如下：例如第一列是“ A0111 ”，那么第二列就是“ 农、林、牧、渔业·农业·谷物及其他作物的种植·谷物的种植 ”，三年的行业代码和分类做了汇总统计，每一个代码分为四级结构，“门类·大类·中类·小类”。
适用人群：需要对数据进行行业维度的清洗和标准化的大数据技术人员。
2021-10-29 09:04:25
44KB
内容：压缩包有6个excel文件，分别对应2002,2011,2017年三年的国民经济行业分类与代码表，每一年的表有两个，其中一个是国家统计局发的原版，另一个是经过处理的简化版。简化版表格共有两列，其中一列是编码，另一列是编码对应的名称，比如第一列是”“A”，对应的第二列就是“农、林、牧、渔业”。
适用人群：需要做行业维度的数据分析和数据清洗的相关技术人员，需要国民经济行业分类与代码excel表的人员。
使用场景：主要用于行业分类和编码的标准化。
2021-10-28 20:11:50
325KB
决策树分类matlab代码应用机器学习和数据科学食谱-面向初学者的数据科学编码训练营
使用Python，R和MATLAB的应用机器学习和数据科学
适用于应用机器学习和数据科学的Python，R和MATLAB代码列表
应用机器学习和数据科学的7个步骤：
通过编码分类学习：
分类：
数据分析：
数据科学：
数据可视化：
机器学习食谱：
熊猫：
Python：
SKLEARN：
监督学习：
表格数据分析：
端到端数据科学食谱：
应用统计：
套袋乐团：
促进合奏：
CatBoost：
聚类：
数据分析：
数据科学：
数据可视化：
决策树：
LightGBM：
机器学习食谱：
多类别分类：
神经网络：
Python机器学习：
Python机器学习速成课程：
R分类：
R对于初学者：
R
for
Business
Analytics：
R
for
Data
Science：
用于数据可视化的R：
适用于Excel用户的R：
R机器学习：
R机器学习速成课程：
R回归：
回归：
XGBOOST：
有抱负的数据科学家的项目组合项目：表格文本和图像数据分析以及Python和R
@中的时间序列预测
西澳大
2021-10-19 16:49:27
1KB
1