8类水果图片数据集（每类100张图片左右）['橘子'，'菠萝'，'苹果'，'木瓜'，'火龙果'，'香蕉'，'樱桃'，'芒果']从谷歌图像的网络删除和清理。数据被分成3个文件夹：train(80%)、test(10%)和val(10%)。

内容：20套总结汇报ppt模板，各种各样风格ppt模板都有，实用，方便； 适合：适合需要总结汇报类型的入群使用下载； 场景：不管是大学学生，还是工作者都可以使用；

自然语言处理数据集-52万件商品一千多个类目，近150 万用户，近800 万条评论评分数据

轴类零件的加工工艺规程示例素材.ppt

键鼠hook，MessageBox Hook，更改 MessageBox 按钮文本，更改弹窗按钮文本

模拟文件管理器程序，实现控制台对文件和文件夹的管理操作。适合Java初学者，练习学习I/0输入输出，使用了IO中的File类、字符流和集合ArrayList等基础Java知识

Android实现益智类游戏《旋转积木》视频教程（附PPT+源码）.rar

ML-EM算法  EM算法（Expectation Maximization Algorithm，期望极大算法）是一种解决优化问题的迭代算法，用于求解含有隐变量的概率模型参数的极大似然估计（MLE）或极大后验概率估计（MAP）。EM算法是一种比较通用的参数估计算法，被广泛用于支持向量机（SMO算法）、朴素贝叶斯、GMM（高斯混合模型）、K-means（K均值聚类）和HMM（隐马尔可夫模型）的参数估计。 理解EM算法（例子）   在统计学中，概率用于在已知一些参数的情况下，预测接下来的所得到的结果；而似然性则是用于在已知某些观测所得到的结果时，对有关事物的性质的参数进行估计。   EM算法和极大似然估计的前提是一样的，都要假设数据总体的分布，如果不知道数据分布，是无法使用EM算法的。 三硬币模型   假设有3枚硬币A，B，C，这些硬币正面出现的概率分别是π \piπ，p pp和q qq。进行如下掷硬币试验：先掷硬币A，根据其结果选出硬币B或硬币C，正面选硬币B，反面选硬币C；然后掷选出的硬币，掷硬币的结果，正面记作1，反面记作0；独立重复n此试验，观测结果： 1 , 1 , 0 ,

对"http://www.codeproject.com/Articles/13852/BasicExcel-A-Class-to-Read-and-Write-to-Microsoft"中提供的"BasicExcel - A Class to Read and Write to Microsoft Excel"做了完善, 去掉了读excel文件的代码,完善了写excel文件的代码,可以快速的生成大的excel文件,增加了设置列宽和合并单元的功能。附上BasicExcel的原代码及完善后的代码及例子(BasicExcel_demo_vc.rar)。

计算机投稿样本 计算机应用研究 Application Research of Computers 无线传感器网络