一类带交错扩散项的S-K-T竞争模型非平凡平衡解的存在性和稳定性，倪维明，吴雅萍，本文主要研究在一维空间中一类带交错扩散的竞争方程组非常数平衡解的存在性和稳定性.当交错扩散率趋于无穷,自扩散率在一个常数附�

生态植物竞争分析 BIOL Ecology 2300有关植物竞争的数据和统计分析。 比较和分析了两个物种之间的植物生物量，以量化在不同植物密度下的种间/种内竞争。 @作者本杰明·安 技术领域 带有tidyverse的R Studio 3.4.4 与基于植物的实验有关的实验工具和技术 发射 可以在R Studio中查看R脚本。 可以使用标准图像（JPG，PNG等）阅读器查看图 目录 目的 实验设计 数据可视化 统计分析 目的 在农业领域，植物竞争动态是轮作，间作，生物病虫害防治和其他适应性策略的基本原理。 了解竞争动态以及种间竞争或种间竞争更强，可以塑造未来的农业技术。 实验设计 在该实验中，分析了小麦（小麦）和萝卜（萝卜）之间种内和种间竞争的影响。 种植不同密度的萝卜和小麦芽，并在五周后比较了小麦的生物量。 为了测试种内和种间竞争，使用了多个实验组。 对照组由两个小麦幼苗组成。 模拟种

算法竞赛概论 算法竞赛入门经典（紫书） 这个仓库是将我在读紫书的过程中敲的代码push到Git仓库进行保存使用的。

2016-ccf-data-mining-competition text classfication 大数据精准营销中搜狗用户画像挖掘 rank61/880 2016-ccf-data-mining-competition 大数据精准营销中搜狗用户画像挖掘 竞赛简介 在现代广告投放系统中，多层级成体系的用户画像构建算法是实现精准广告投放的基础技术之一。其中，基于人口属性的广告定向技术是普遍适用于品牌展示广告和精准竞价广告的关键性技术。人口属性包括自然人的性别、年龄、学历等基本属性。 在搜索竞价广告系统中，用户通过在搜索引擎输入具体的查询词来获取相关信息。因此，用户的历史查询词与用户的基本属性及潜在需求有密切的关系。 举例如下： 1、 年龄在19岁至23岁区间的自然人会有较多的搜索行为与大学生活、社交等主题有关 2、 男性相比女性会在军事、汽车等主题有更多的搜索行为 3、 高学历人群会更

本文介绍了印象数据以及来自网易云音乐的相应用户，创作者和音乐内容卡数据。 该数据集由INFORMS和NetEase Cloud Music的收入管理和定价（RMP）部分共同提供，以支持运营管理中的数据驱动研究。 该数据包含2019年11月1日至2019年11月30日随机抽样的2,085,533用户的超过5700万印象的音乐内容卡印象。对于每次印象，该数据为用户提供了对所推荐音乐内容的响应措施，例如点击，喜欢和跟随。 此外，数据集还包含有关每个用户，每个内容创建者和印象样本中每个内容的信息。

Competition-Resources-for-Ruijie 这里存放的是锐捷网络技能大赛使用到的公共资料 下载前注意事项： 点击下载的时候可能会出现 raw.githubusercontent.com’s server IP address could not be found 无法下载的问题，这是DNS的解析问题，本人写了一篇解决这个问题的方法供大家参考！！！ 解决方法链接地址： 由于Github上无法储存很大的东西，下面给出永久百度网盘链接 云平台镜像/虚拟机镜像 链接： 提取码：R9SI JCOS平台搭建及Fuel镜像 链接： 提取码：R9S1 ODL软件定义网络集成工具 链接： 提取码：19li 无限地勘系统 链接： 提取码：19li 注意： ​ 本项目和其他两个项目一年之内会持续更新 ​ 本项目的维护截至日期2021年10月1日 其余两个项目: 项目一： 全国各省市网络技

OSIC肺纤维化竞赛（贝叶斯模型） 介绍 OSIC肺纤维化进展竞赛是一项Kaggle竞赛，您需要完成预测FVC（强制肺活量）的任务，FVC与下一个146周的强制呼气量（FEV）测试中呼出的空气总量有关。 您将获得CT扫描图像，以了解过去几周的第一次相遇，元数据和信息。 方法 CT扫描处理 我们确定一个遮罩，以区分图像中的其他实体和肺部。 我用两种方法做到这一点：1）简单的像素阈值区分和2）KMeans聚类。 应用了进一步的图像处理（例如腐蚀和膨胀）以进一步区分这两个区域。 然后将识别出的蒙版应用于原始图像，以获得孤立的肺部图像。 这些操作的结果如下所示： 隔离肺部后，从生成的图像中确定像素统计信息，以用作后续模型中的特征。 确定了诸如均值，方差，偏斜和峰度之类的统计信息。 贝叶斯建模 使用马尔可夫链蒙特卡洛（MCMC）采样方法和变分推断来估计模型的参数。 生成模型是分层的，这意味着信息

1. 提交文件的格式为UTF-8编码的CSV文件 2. 所有图片预测的结果保存在csv格式文件中，缺失行会导致评测失败 3. 文件内容要求严格按照列的排布格式，

2018全国高校云计算应用创新大赛 最终排名：1 repo为技能赛的赛题一： 购物篮数据集 记录数 项目数 最短长度 最长长度 平均长度 1,692,082 5,267,656 1 71,472 177 用户数据集 用户数 项目数 最短长度 最长长度 平均长度 330,244 1,080,203 4 1,195 130 采用的频繁项集挖掘算法为PFP-Growth 比赛相关信息点 项目结构 　　本项目用scala语言编写，用maven组织。代码结构如下。 项目src/main/AR目录下存放源代码文件。 main文件夹中存放频繁项集挖掘与关联规则生成与关联规则匹配与推荐分值计算这两个模块的代码。 util包里FPTree、AssociationRules是频繁项集挖掘所必须的数据结构，FPNewDef是基于mllib的FP-Growth算法的优化版本。 conf文件夹包含一个Conf类用于

本次竞赛要解决的问题是，通过识别图片中的鲸鱼尾巴，实现对鲸鱼种类的分类，属于一个多分类问题 提供的数据集包括9850张训练图片（4251个种类）和15610张测试图片。 这是本人第一次参加的比赛，最终以0.45426的分数，排名45th/528，top9% 环境说明： tensorflow-gpu:1.4.1 keras-gpu:2.0.5 文件说明： input: notebook文件需要的输入 humpback-whale-identification-model-files: Whale Recognition Model with score 0.78563.ipynb需要的文件 train.csv: 原始训练集标注文件 train_aug.csv: Keras_lb_0.38_to_0.42_cut_aug.py使用的经过裁剪，以及数据增强后的训练集标准文