详细介绍及样例数据：https://blog.csdn.net/m0_65541699/article/details/144520322

详细介绍及样例数据：https://blog.csdn.net/samLi0620/article/details/144519878

样本图：blog.csdn.net/FL1623863129/article/details/144516816 文件放服务器下载，请务必到电脑端资源预览或者资源详情查看然后下载 数据集格式：labelme格式(不包含mask文件，仅仅包含jpg图片和对应的json文件) 图片数量(jpg文件个数)：1099 标注数量(json文件个数)：1099 标注类别数：3 标注类别名称:["brokenpart","brokeninsulator","insulator"] 每个类别标注的框数： brokenpart count = 943 brokeninsulator count = 750 insulator count = 717 使用标注工具：labelme=5.5.0 标注规则：对类别进行画多边形框polygon 重要说明：可以将数据集用labelme打开编辑，json数据集需自己转成mask或者yolo格式或者coco格式作语义分割或者实例分割 特别声明：本数据集不对训练的模型或者权重文件精度作任何保证，数据集只提供准确且合理标注

样本图：电力场景输电线本体分割数据集labelme格式1629张1类别 文件放服务器下载，请务必到电脑端资源预览或者资源详情查看然后下载 数据集格式：labelme格式(不包含mask文件，仅仅包含jpg图片和对应的json文件) 图片数量(jpg文件个数)：1629 标注数量(json文件个数)：1629 标注类别数：1 标注类别名称:["csv_ct"] 每个类别标注的框数： csv_ct count = 1936 使用标注工具：labelme=5.5.0 标注规则：对类别进行画多边形框polygon 重要说明：可以将数据集用labelme打开编辑，json数据集需自己转成mask或者yolo格式或者coco格式作语义分割或者实例分割 特别声明：本数据集不对训练的模型或者权重文件精度作任何保证，数据集只提供准确且合理标注

省级立项申报书：教学改革、教科规项目、教学成果、课程建设、课思政等-最新出炉.zip

stata空间权重矩阵构建，stata计算空间权重矩阵代码哦，01矩阵 经济距离矩阵 地理距离-最新出炉.zip stata空间权重矩阵构建，出stata计算空间权重矩阵代码哦，都是我自己写论文 过程中学习制作的，准确可靠！里面备注都写的很详细，配有示例数据，跟着跑一遍就可以 学会啦！不但可计算最常见的0 1矩阵，反距离矩阵，经济距离矩阵以及经济地理矩阵等 四种矩阵，还可以计算门槛地理距离二元化矩阵，门槛地理反距离矩阵以及社会经济属性权 重矩阵。操作写的很详细，并且有演示数据，还赠送shp文件哦，跟着跑一遍就可以学会 哦，准确可靠 ！十分适合小白的学习。有问题可以下面留言评论！我会一一解答的。[l oveliness] 空间权重矩阵构建.do

如何自主生成空间权重矩阵：案例数据和Stata代码-最新出炉 可根据自己对需求生成权重矩阵（根据ArcGIS中导出的省份数据和经纬度数据），包含案例数据和Stata代码 邻接矩阵 反距离和反距离平方矩阵 经济距离矩阵 经济地理嵌套权重矩阵 门槛地理距离二元矩阵 门槛地理反距离矩阵 社会经济属性权重矩阵 此外，还可提供如下矩阵数据（xlsx）： 2364个县域地理距离权重矩阵 285个地级市空间权重矩阵（地理距离矩阵、反距离矩阵） 31个省空间权重矩阵（邻接矩阵、公路地理距离矩阵、铁路地理距离矩阵、经济空间权重矩阵） 获得空间计量经济学案例数据dta和相应do文件代码，可用于空间计量分析

拖拉机的三维模型，可以放到gazebo中加载

2000-2023年《中国工业经济》上市公司数字经济产业分组数据-最新出炉.zip 样本数量：60000多条观测值 数据主体：全部A股上市公司 数据格式：年度面板数据 Excel Dta 注意：没有剔除，有（是否ST）（是否金融业）变量 原始数据+运行代码+最终结果+参考文献

2003-2024年地级市数字基础设施词频统计数据+Stata整理含说明-最新出炉.zip 数据年份：2003-2024 数据范围：284市 文件格式：Dta格式（使用Stata打开）、Xlsx格式（使用Excel打开)

学术科研使用的中国城市空气质量指数（2024-2013年）-最新出炉.zip 数据区间：201301-202404 时间跨度：月度数据 包含指标：统计月度、地区编码ID、城市代码、城市名称、AQI 、R范围、空气质量等级、PM2.5、PM10、SO2、CO、NO2、O3

以科学的方法收集市场资料，并运用统计分析的方法对所收集的资料进行分析研究，发现市场机会，为企业管理者提供科学决策所必要的信息依据。

使用方法见压缩包内，源码参考文章 https://blog.csdn.net/yilvyangguang520/article/details/144512159

PA100K人员属性图像数据集

煤和传送带（皮带）识别数据集，使用yolov9格式标注，能精准识别皮带和煤，平均识别率高达99.5% 图片可以查看https://backend.blog.csdn.net/article/details/144511910

煤和传送带（皮带）识别数据集，使用yolov8格式标注，能精准识别皮带和煤，平均识别率高达99.5% 图片可以查看https://backend.blog.csdn.net/article/details/144511910

煤和传送带（皮带）识别数据集，使用VOC格式标注，能精准识别皮带和煤，平均识别率高达99.5% 图片可以查看https://backend.blog.csdn.net/article/details/144511910

煤和传送带（皮带）识别数据集，使用coco格式标注，能精准识别皮带和煤，平均识别率高达99.5% 图片可以查看https://backend.blog.csdn.net/article/details/144511910

轮胎识别数据集，可对生产流水线里的轮胎图片标注，支持yolov11格式的标注，一共785张采集图片 图片可通过博文查看：https://backend.blog.csdn.net/article/details/144511095

轮胎识别数据集，可对生产流水线里的轮胎图片标注，支持yolov9格式的标注，一共785张采集图片 图片可通过博文查看：https://backend.blog.csdn.net/article/details/144511095

轮胎识别数据集，可对生产流水线里的轮胎图片标注，支持yolov8格式的标注，一共785张采集图片 图片可通过博文查看：https://backend.blog.csdn.net/article/details/144511095

轮胎识别数据集，可对生产流水线里的轮胎图片标注，支持yolov5pytorch格式的标注，一共785张采集图片 图片可通过博文查看：https://backend.blog.csdn.net/article/details/144511095

轮胎识别数据集，可对生产流水线里的轮胎图片标注，支持yolov7pytorch格式的标注，一共785张采集图片 图片可通过博文查看：https://backend.blog.csdn.net/article/details/144511095

轮胎识别数据集，可对生产流水线里的轮胎图片标注，支持coco json格式的标注，一共785张采集图片 图片可通过博文查看：https://backend.blog.csdn.net/article/details/144511095

轮胎识别数据集，可对生产流水线里的轮胎图片标注，支持voc xml格式的标注，一共785张采集图片 图片可通过博文查看：https://backend.blog.csdn.net/article/details/144511095

轮胎识别数据集，可对生产流水线里的轮胎图片标注，voc xml格式的标注，一共3829张采集图片 （灰度处理过的） 图片内容可以查看 这篇博文： https://backend.blog.csdn.net/article/details/144507717

轮胎识别数据集，可对生产流水线里的轮胎图片标注，coco json格式的标注，一共3829张采集图片 （灰度处理过的） 图片内容可以查看 这篇博文： https://backend.blog.csdn.net/article/details/144507717

轮胎识别数据集，可对生产流水线里的轮胎图片标注，yolov7格式的标注，一共3829张采集图片 （灰度处理过的） 图片内容可以查看 这篇博文： https://backend.blog.csdn.net/article/details/144507717

轮胎识别数据集，可对生产流水线里的轮胎图片标注，yolov5格式的标注，一共3829张采集图片 （灰度处理过的） 图片内容可以查看 这篇博文： https://backend.blog.csdn.net/article/details/144507717

轮胎识别数据集，可对生产流水线里的轮胎图片标注，yolov8格式的标注，一共3829张采集图片 （灰度处理过的） 图片内容可以查看 这篇博文： https://backend.blog.csdn.net/article/details/144507717

轮胎识别数据集，可对生产流水线里的轮胎图片标注，yolov9格式的标注，一共3829张采集图片 （灰度处理过的） 图片内容可以查看 这篇博文： https://backend.blog.csdn.net/article/details/144507717

轮胎识别数据集，可对生产流水线里的轮胎图片标注，yolov11格式的标注，一共3829张采集图片 （灰度处理过的） 图片内容可以查看 这篇博文： https://backend.blog.csdn.net/article/details/144507717

传送带,皮带破损检测数据集，针对700张原始图片进行yolov11格式的标注，可识别传送带上的破损缺陷, 图片和标注内容可查看博文： https://backend.blog.csdn.net/article/details/144506784

传送带,皮带破损检测数据集，针对700张原始图片进行yolov5pytorch格式的标注，可识别传送带上的破损缺陷, 图片和标注内容可查看博文： https://backend.blog.csdn.net/article/details/144506784

传送带,皮带破损检测数据集，针对700张原始图片进行yolov9格式的标注，可识别传送带上的破损缺陷, 图片和标注内容可查看博文： https://backend.blog.csdn.net/article/details/144506784

传送带,皮带破损检测数据集，针对700张原始图片进行yolov8格式的标注，可识别传送带上的破损缺陷, 图片和标注内容可查看博文： https://backend.blog.csdn.net/article/details/144506784

详细介绍及样例数据：https://blog.csdn.net/m0_65541699/article/details/144506932

传送带,皮带破损检测数据集，针对700张原始图片进行voc格式的标注，可识别传送带上的破损缺陷, 图片和标注内容可查看博文： https://backend.blog.csdn.net/article/details/144506784

传送带,皮带破损检测数据集，针对700张原始图片进行coco json格式的标注，可识别传送带上的破损缺陷, 图片和标注内容可查看博文： https://backend.blog.csdn.net/article/details/144506784

传送带,皮带破损检测数据集，针对700张原始图片进行yolov7pytorch格式的标注，可识别传送带上的破损缺陷, 图片和标注内容可查看博文： https://backend.blog.csdn.net/article/details/144506784

中国八大林业工程空间区划数据集是我国生态保护与建设的重要基础数据资源，涵盖了国家级重点实施的八大林业工程的空间分布与区划信息。该数据集包括8项林业工程的总体空间区划汇总及每个单独工程的详细 shp 文件，能够为生态保护、林业发展、环境规划等领域提供关键支持。 本资源包含： 三北防护林体系建设工程 太行山绿化工程 辽河流域防护林体系建设工程 黄河中游防护林体系建设工程 淮河太湖流域防护林体系建设工程 长江中上游防护林体系建设工程 珠江流域防护林体系建设工程 沿海防护林体系建设工程 共8个防护林工程的单一shp文件

一、数据介绍 数据名称：上市公司-融资约束2000-2022年（KZ、SA、WW、FC指数） 数据年份：2000-2022年 样本数量：57221条 数据格式：面板数据 二、指标说明 共计14个指标：年份、股票代码、股票简称、行业名称、行业代码、省份、城市、区县、区县代码、上市状态、SA指数、KZ指数、WW指数、FC指数 三、数据文件 上市公司-融资约束2000-2022年（KZ、SA、WW、FC指数）.dta； 上市公司-融资约束2000-2022年（KZ、SA、WW、FC指数）.csv

该数据集是通过在贷款批准预测数据集上训练的深度学习模型生成的数据，旨在使用借款人信息预测贷款批准结果，它通过模拟真实贷款审批场景，帮助金融机构评估借款人风险。 id 样本ID person_age 借款人年龄（岁） person_income 借款人年收入（美元） person_home_ownership 借款人房屋拥有情况，取值为：RENT（租房）、OWN（拥有）、MORTGAGE（按揭）、OTHER（其他） person_emp_length 借款人工作年限（年） loan_intent 贷款意图，取值包括：EDUCATION（教育）、MEDICAL（医疗）、PERSONAL（个人消费）、VENTURE（创业）、DEBTCONSOLIDATION（债务整合）、HOMEIMPROVEMENT（家庭改善） loan_grade 贷款信用等级，从A到G表示不同的信用等级，一般来说A是最好的，依次递减 loan_amnt 贷款金额（美元） loan_int_rate 贷款利率（百分比） loan_percent_income 贷款金额占收入的比例 cb_person_default_on_file 是否有违约记录（Y：有，N：无） cb_person_cred_hist_length 信用历史长度（年） loan_status 是否获得贷款批准（0：未获得，1：获得）

该数据集研究了心理健康与各种人口、学术和生活方式因素之间的联系。它包括性别,年龄,学习压力,学习满意度,睡眠时间,饮食习惯,是否有过自杀的念头,学习时间,经济压力,精神疾病家族史,是否抑郁字段。

此数据集包含计算机科学学生的信息。它包括学生 ID、姓名、性别、年龄、GPA、专业、感兴趣的领域、承担的项目以及 Python、SQL 和 Java 技能等属性。该数据集旨在提供对计算机科学领域学生的学业成绩、职业抱负和技术技能的见解。 Student ID：每个学生的唯一标识符。 Name：学生的姓名。 Gender（性别）：学生的性别。 Age：学生的年龄。 GPA： 学生的平均绩点。 Major： 计算机科学的研究领域。 Interested Domain： 计算机科学领域内感兴趣的领域。 Projects：学生完成的值得注意的项目。 Python：Python 编程的熟练程度。 SQL：SQL 查询的熟练程度。 Java：精通 Java 编程。

数据集共有10929 条数据，其中包含了6990条非垃圾短信和3939条垃圾短信。每条数据都包含了短信的文本内容和相应的标签。

全球2000强榜单采用四个指标来衡量全球最大的公司：销售额、利润、资产和市值。 数据字段包含：排名、企业名称、销售额、利润、资产总额、市值、所属行业、成立年份、总部所在地、国家、首席执行官、员工数量。

一、数据介绍 数据名称：上市公司-对外投资情况 数据年份：2008-2022年 样本数量：21280个 二、数据用途 投资策略与风险分析：通过分析投资项目、规模和地域分布，揭示企业国际化战略、风险分散程度，有助于评估企业风险承受能力与盈利预期。 市场趋势预测：基于投资数据，可以洞察不同行业的发展趋势、市场扩张动向，为预测市场供需、竞争格局提供重要参考。 经济关联度研究：通过对投资数据的整合，可以分析国际经济关系、资本流动，揭示国际贸易、产业链条等对宏观经济稳定性的影响。 三、数据指标 年份 股票代码 股票简称 行业代码 行业名称 省份 城市 区县 上市状态 对外投资总额 其中-其他上市公司股权投资 其中-委托理财 其中-证券投资 其中-非上市金融企业及拟上市公司股权投资 - 四、数据概览 变量分为3列.csv 上市公司-对外投资情况(2008-2022年).dta上市公司-对外投资情况(2008-2022年).xlsx

一、数据介绍 数据名称：工业机器人安装密度 数据范围：31个省份 数据年份：2006-2023年 数据样本：558条 原始来源：IFR国际机器人联合会 二、数据指标 年份 省份代码 省份 所属地域 工业机器人安装密度 三、参考文献 [1]康茜,林光华.工业机器人与农民工就业:替代抑或促进[J].山西财经大学学报,2021,43(02):43-56. [2]芦婷婷,祝志勇.人工智能是否会降低劳动收入份额——基于固定效应模型和面板分位数模型的检验[J].山西财经大学学报,2021,43(11):29-41. [3]闫雪凌,朱博楷,马超.工业机器人使用与制造业就业:来自中国的证据[J].统计研究,2020,37(01):74-87. [4]王永钦,董雯.机器人的兴起如何影响中国劳动力市场?——来自制造业上市公司的证据[J].经济研究,2020,55(10):159-175.

爱尔兰锚地气象浮标网络站收集了实时的气象和海洋数据，包括大气压力、气温、露点温度、风速和风向、海表温度、波浪周期和波高，以及相对湿度等参数。这些数据不仅涵盖了多个时间点的实时情况，还包括历史数据，用户可以选择站点、时间段、参数和输出文件类型进行下载。高级下载功能还允许用户定义感兴趣的区域，并选择网络中的特定浮标。通过这些数据，用户可以更好地了解爱尔兰海域的气象和海洋状况，有助于航海、渔业、气象预报等领域的研究和决策。 数据说明 收集的参数包括日期时间（yyyy-mm-ddThh:mm:ss.sss）、大气压力（mbar）、气温（摄氏度）、露点温度（摄氏度）、风速（节）、最大阵风风速（节）、风向（真北度）、海表温度（摄氏度）、波浪周期（秒）、波高（米）和相对湿度（％）。 M2、M3、M4、M5 和 M6 的实时数据可用。 M1、FS1 和原始 M4 空间位置的历史数据可用。下载服务的用户可以选择站点、时间段、参数和输出文件类型。高级下载允许用户定义感兴趣的边界框区域，选择网络中的一个或多个浮标。'NaN' 或 '-999' 描述了缺失或不可用的数据。

数据说明 字段 说明 Player_Age 球员年龄（单位：年） Player_Weight 运动员的体重（单位：kg） Player_Height 球员身高（单位：cm） Previous_Injuries 之前是否受过伤（是：1，否：0） Training_Intensity 训练强度（区间：[0,1]） Recovery_Time 从伤病中恢复所需的天数（区间：1-6天） Likelihood_of_Injury 受伤(1)或不受伤(0)的可能性 问题描述 运动员受伤风险的影响因素分析 伤病恢复时间与其他因素的关联分析 特征相关性分析 特征重要性分析 建模与预测

橙子好的和坏的检测数据集，针对8909张原始图片（未进行任何图片增强）进行coco格式的标注，可识别新鲜的橙子和放变质的橙子 图片可参考博文：https://backend.blog.csdn.net/article/details/144497920的描述和展示

橙子好的和坏的检测数据集，针对8909张原始图片（未进行任何图片增强）进行voc格式的标注，可识别新鲜的橙子和放变质的橙子 图片可参考博文：https://backend.blog.csdn.net/article/details/144497920的描述和展示

数据集为池塘溶解氧时间序列数据，采集方式是通过采集设备每隔半小时在水面一下0.2米记录一次。 数据各列说明: Temp：水温 ◦C EC：导电率 µS/cm PH：PH值 turbidity：浊度 NTU Chl-a：叶绿素a浓度 µg/L DO：溶解氧含量 mg/L

小麦锈病分类(棕锈病+健康) 2011张原始图片未标记

配种算法 TLDR: 我对算法不关心，直接告诉我全部配方[docs.qq.com] 1、每只帕鲁都有一个“繁殖力”的值，子代是什么帕鲁，取决于 向下取整(父母的繁殖力之和 + 1) / 2) 最接近的值. 帕鲁繁殖力参考[docs.qq.com] 2、如果计算结果距离临近两个帕鲁的差相同，则取 IndexOrder 小的帕鲁。 3、另外，有些特殊帕鲁只能从固定的搭配产生，不遵循上面的繁殖力规则： 特殊配种组合[docs.qq.com] 3.1、塔主，用BUG抓到的塔主繁殖力都是9999，所以按照配种公式，后代永远是皮皮鸡；塔主可作为特殊配种组合的父母 ，如：暴电熊（塔主）+佩克龙=波鲁杰克斯 举几个例子， 棉悠悠和幻悦蝶 (1470+ 490 + 1 ) / 2 = 980.5，向下取整为 980，云海鹿的繁殖力就是 980，所以他们两个能生出云海鹿 捣蛋猫和幻悦蝶 (1460+ 490 + 1 ) / 2 = 975.5，向下取整为 975，最接近975的还是云海鹿（980），所以他们两个能生出云海鹿 假如两个帕鲁繁殖力计算后最终结果为 985， 985 到云海鹿(980)和踏春兔

背景描述 本数据集由 开普敦大学 (University of Cape Town) 提供，研究了注意缺陷/多动障碍（ADHD）症状与南非大学生学术表现及适应之间的关系。研究重点包括： ADHD 症状与学术表现/适应的关联。 注意缺陷与多动-冲动 ADHD 症状簇对学术表现/适应的独立影响。 ADHD 与抑郁症、焦虑症等共病对学术表现/适应的综合影响。 此纵向研究的数据来源于 2023 年第一学期的南非一年级本科生，数据收集分三次进行。 数据说明 字段类型 说明 社会人口学变量 包括性别、年龄、社会经济背景等 心理学变量 自报告 ADHD 症状、抑郁、焦虑、风险性饮酒行为 学术表现 高中学术表现数据，第一学期 GPA（平均绩点） 学术适应 学生对学术适应情况的自我报告 数据来源 开普敦大学 (University of Cape Town) 问题描述 心理学与教育学研究： 探讨 ADHD 对学术成功的影响机制。 干预策略开发： 设计针对 ADHD 学生的学术支持计划。 精神健康共病分析： ADHD 与其他常见精神障碍（如抑郁和焦虑）的联合影响。 学术适应研究： 帮助学生更好地适应

背景描述 帕金森病是一种影响运动控制的进行性神经系统疾病。它是全球最常见的神经退行性疾病之一，主要影响老年人群。早期诊断和治疗对于控制症状和减缓疾病进展至关重要。该帕金森病数据集提供了丰富的临床和声学语音测量集合，以帮助开发用于早期检测、进展监测和治疗优化的 AI 模型。 数据说明 患者信息： 姓名 （患者 ID）：每个患者的唯一标识符。 状态：指示个体是否被诊断患有帕金森病（1 表示阳性，0 表示阴性）。 声学特性： MDVP （Hz）：平均人声基频。 MDVP （Hz）：最大人声基频。 MDVP （Hz）：最小人声基频。 MDVP （%）、MDVP （Abs）、MDVP 、MDVP 、抖动：DDP：频率变化（抖动）的各种度量。 MDVP 、 MDVP （dB）、 Shimmer 、 Shimmer 、 Shimmer：DDA：振幅变化（微光）的各种度量。 NHR（噪声与谐波比）：测量噪声与语音中音调成分的比例。 HNR（谐波噪声比）：量化语音中谐波与噪声的比率。 其他临床特征： RPDE （Recurrence Period Density Entropy）：语音的非线性动

背景描述 食管癌仍然是全球最具侵袭性的癌症之一，死亡率很高，对早期发现和有效治疗提出了重大挑战。为了支持全球抗击这种疾病，我们推出了一个关于食管癌的综合临床数据集。该数据集包括患者人口统计、临床数据和癌症特定属性，可用于开发用于检测、预后和治疗计划的 AI 模型。 数据说明 1. 患者人口统计： 患者条形码： 唯一的患者标识符。 组织源站点： 指示组织样本来源站点的代码。 诊断年龄： 促进基于年龄的发病率和结果研究。 性别： 支持对疾病进展进行性别特异性分析。 已验证知情同意： 指示是否获得知情同意。 2. 医疗和临床史： ICD-10 和 ICD-O-3 代码： 提供部位和组织学的国际疾病分类代码，对于了解肿瘤特征（例如鳞状细胞癌、腺癌）至关重要。 合并症： 包括有关可能影响治疗结果的其他慢性疾病（如胃食管反流病 （GERD）的信息。 吸烟状况： 对于评估吸烟对食管癌风险和预后的影响至关重要。 3. 癌症特异性数据： 肿瘤位置： 确定受影响的食管部分（例如，上部、中部或下部）。 组织学： 详细说明癌症的类型（例如，鳞状细胞癌、腺癌）。 癌症分期： 描述诊断时癌症的分期（0 至 I

数据集侧重于衰老过程中人体皮肤中 microRNA （miRNA） 的表达。该数据集旨在探索 miRNA 表达如何随着个体年龄的增长而变化及其对皮肤衰老和相关状况的潜在影响。它包括来自年轻人和老年人的 miRNA 表达谱，提供了对 miRNA 在衰老皮肤中的调节作用的见解。 数据来源 GEO (Gene Expression Omnibus) 问题描述 年轻人（30 岁以下）和老年人（60 岁以上）的皮肤活检 该数据集为研究皮肤衰老中 miRNA 调控及其与年龄相关疾病和病症的潜在联系的研究人员提供了有价值的信息。