有没有相关的论文或文献参考？
这个数据集是基于什么背景创建的？
数据集的作者是谁？
能帮我联系到这个数据集的作者吗？
这个数据集如何下载？
江门市麻二村实施清单及办理项基本信息|行政管理数据集|信用信息数据集
收藏开放广东2023-10-11 更新2024-02-29 收录
下载链接：
https://gddata.gd.gov.cn/opdata/base/collect?chooseValue=collectForm
下载链接
链接失效反馈资源简介：
该数据包含了2019年起江门市麻二村实施清单及办理项基本信息，指本市行政部门详细记录了江门市麻二村实施清单及办理项基本信息。并根据《关于做好全省信用信息归集工作的通知》规则进行数据清洗整理，提高江门市麻二村实施清单及办理项基本信息的时效性和准确性。
提供机构：
江门市
创建时间：
2022-11-30
数据主题
5,000+
优质数据集
54 个
任务类型
进入经典数据集
热门数据集
SVAMP
在解决基础应用数学问题时，模型往往主要依赖于浅层启发式方法，而非进行深度推理。因此，一个更具挑战性且经过可靠评估的SVAMP数据集被引入。该数据集改编自现有的数据集，用于评估模型在数学问题解决和推理能力方面的敏感性，其难度保持在相当于小学四年级的水平。
github 收录
中国区域地面气象要素驱动数据集 v2.0（1951-2024）
中国区域地面气象要素驱动数据集（China Meteorological Forcing Data，以下简称 CMFD）是为支撑中国区域陆面、水文、生态等领域研究而研发的一套高精度、高分辨率、长时间序列数据产品。本页面发布的 CMFD 2.0 包含了近地面气温、气压、比湿、全风速、向下短波辐射通量、向下长波辐射通量、降水率等气象要素，时间分辨率为 3 小时，水平空间分辨率为 0.1°，时间长度为 74 年（1951~2024 年），覆盖了 70°E~140°E，15°N~55°N 空间范围内的陆地区域。CMFD 2.0 融合了欧洲中期天气预报中心 ERA5 再分析数据与气象台站观测数据，并在辐射、降水数据产品中集成了采用人工智能技术制作的 ISCCP-ITP-CNN 和 TPHiPr 数据产品，其数据精度较 CMFD 的上一代产品有显著提升。 CMFD 历经十余年的发展，其间发布了多个重要版本。2019 年发布的 CMFD 1.6 是完全采用传统数据融合技术制作的最后一个 CMFD 版本，而本次发布的 CMFD 2.0 则是 CMFD 转向人工智能技术制作的首个版本。此版本与 1.6 版具有相同的时空分辨率和基础变量集，但在其它诸多方面存在大幅改进。除集成了采用人工智能技术制作的辐射和降水数据外，在制作 CMFD 2.0 的过程中，研发团队尽可能采用单一来源的再分析数据作为输入并引入气象台站迁址信息，显著缓解了 CMFD 1.6 中因多源数据拼接和气象台站迁址而产生的虚假气候突变。同时，CMFD 2.0 数据的时间长度从 CMFD 1.6 的 40 年大幅扩展到了 74 年，并将继续向后延伸。CMFD 2.0 的网格空间范围虽然与 CMFD 1.6 相同，但其有效数据扩展到了中国之外，能够更好地支持跨境区域研究。为方便用户使用，CMFD 2.0 还在基础变量集之外提供了若干衍生变量，包括近地面相对湿度、雨雪分离降水产品等。此外，CMFD 2.0 摒弃了 CMFD 1.6 中通过 scale_factor 和 add_offset 参数将实型数据化为整型数据的压缩技术，转而直接将实型数据压缩存储于 NetCDF4 格式文件中，从而消除了用户使用数据时进行解压换算的困扰。 本数据集原定版本号为 1.7，但鉴于本数据集从输入数据到研制技术都较上一代数据产品有了大幅的改变，故将其版本号重新定义为 2.0。
国家青藏高原科学数据中心 收录
Solar Radiation Data
该数据集包含全球多个地点的太阳辐射数据，涵盖了不同时间段和气象条件下的辐射强度。数据包括直接辐射、散射辐射和总辐射等指标，适用于太阳能资源评估和气候研究。
www.nrel.gov 收录
CampusGuard
CampusGuard数据集专门针对校园环境中的学生行为进行标注与分类，旨在为改进YOLOv8模型提供丰富的训练样本。该数据集包含五个主要类别，分别是“使用手机”、“未佩戴头盔”、“睡觉”、“三人组行为”和“暴力行为”。这些类别不仅涵盖了课堂内外的常见行为，还反映了校园安全与学生行为管理的多样性。
github 收录
鱼类目标检测数据集
本数据集专为改进YOLOv8的鱼类目标检测系统而设计，包含了丰富的鱼类图像数据，旨在为研究人员和开发者提供一个高质量的训练基础。数据集的总图像数量达到了7480张，涵盖了30个不同的鱼类类别，展现了水生生态系统的多样性和复杂性。这些图像不仅为模型训练提供了充足的样本，还确保了模型在实际应用中的泛化能力。
github 收录