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？
Fish length and otolith size of in Nemipterus randalli Russel, 1986 (Actinopterygii: Perciformes: Nemipteridae) collected from Gökova Bay, Turkey|鱼类学数据集|耳石分析数据集
收藏Mendeley Data2024-01-31 更新2024-06-28 收录
下载链接：
http://siba-ese.unisalento.it/index.php/thalassiasal/article/view/21473/18210
下载链接
链接失效反馈资源简介：
Otoliths have been proved an appropriate tool to identify fish species, and they have been in use in studies of prey-predator relationships, population dynamics and ichthyo-archaeology. In addition, the fish otoliths are frequently used to decide age and size of the teleost fishes. The relationships between otolith measurements (length, width, and weight) and fish length and weight were calculated for Randall's threadfin bream, Nemipterus randalli collected from Gökova Bay, Turkey. Otolith length, width and weight were shown to be good indicators of the length of fish, but the best indicator was the otolith length. Sizes of the left and right otoliths were found not be significantly different.
创建时间：
2024-01-31
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
flames-and-smoke-datasets
该仓库总结了多个公开的火焰和烟雾数据集，包括DFS、D-Fire dataset、FASDD、FLAME、BoWFire、VisiFire、fire-smoke-detect-yolov4、Forest Fire等数据集。每个数据集都有详细的描述，包括数据来源、图像数量、标注信息等。
github 收录
Wind Turbine Data
该数据集包含风力涡轮机的运行数据，包括风速、风向、发电量等参数。数据记录了多个风力涡轮机在不同时间点的运行状态，适用于风能研究和风力发电系统的优化分析。
www.kaggle.com 收录
THCHS-30
“THCHS30是由清华大学语音与语言技术中心（CSLT）发布的开放式汉语语音数据库。原始录音是2002年在清华大学国家重点实验室的朱晓燕教授的指导下，由王东完成的。清华大学计算机科学系智能与系统，原名“TCMSD”，意思是“清华连续普通话语音数据库”，时隔13年出版，由王东博士发起，并得到了教授的支持。朱小燕。我们希望为语音识别领域的新研究人员提供一个玩具数据库。因此，该数据库对学术用户完全免费。整个软件包包含建立中文语音识别所需的全套语音和语言资源系统。”
OpenDataLab 收录
World Values Survey (WVS)
世界价值观调查（World Values Survey, WVS）是一个跨国的、长期的学术调查项目，旨在研究全球不同国家和地区的社会、政治和文化价值观的变化。该调查涵盖了从1981年至今的多个波次，每次调查都包含一系列关于个人价值观、社会规范、政治态度、宗教信仰、家庭观念等方面的问题。数据集包括了来自全球100多个国家和地区的调查结果，提供了丰富的社会科学研究数据。
www.worldvaluessurvey.org 收录
学生课堂行为数据集 (SCB-dataset3)
学生课堂行为数据集(SCB-dataset3)由成都东软学院创建，包含5686张图像和45578个标签，重点关注六种行为：举手、阅读、写作、使用手机、低头和趴桌。数据集覆盖从幼儿园到大学的不同场景，通过YOLOv5、YOLOv7和YOLOv8算法评估，平均精度达到80.3%。该数据集旨在为学生行为检测研究提供坚实基础，解决教育领域中学生行为数据集的缺乏问题。
arXiv 收录