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？
DCSMM2018 - D7C2 - Risque de modification de l'habitat "Roches et récifs biogènes circalittoraux côtiers"
收藏Mendeley Data2024-01-31 更新2024-06-28 收录
下载链接：
https://sextant.ifremer.fr/record/f04c5e93-8837-4180-9ce7-5e185fba55c9/
下载链接
链接失效反馈资源简介：
Le risque que l’étendue spatiale d’un habitat benthique soit modifié par une condition hydrographique constitue l’un des critères de définition de l’impact d’une modification permanente des conditions hydrographiques sur les écosystèmes marins dans le cadre de la DCSMM (D7C2). Le bon état écologique de ce descripteur est atteint lorsqu'une modification permanente des conditions hydrographiques ne nuit pas aux écosystèmes marins.L’évaluation du critère s’appuie sur 22 grands types d’habitats benthiques. Elle a été réalisée sur 15 unités marines de rapportage issues du découpage des 4 sous-régions marines Manche-Mer du Nord, Mers Celtiques, Golfe de Gascogne et Méditerranée Occidentale, suivant le zonage DCE et la profondeur bathymétrique à la limite des 200m. L’unité de mesure est l’étendue de chaque type d’habitat subissant des effets néfastes, en kilomètres carrés ou en proportion de l’étendue naturelle totale de l’habitat dans la zone d’évaluation. Les données sont présentées sous la forme de fichiers de type tif. Conformément à l'avis donné dans la guidance 14, aucun jugement sur le statut "Bon état écologique" n'est requis.
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
中国劳动力动态调查
“中国劳动力动态调查” （China Labor-force Dynamics Survey，简称 CLDS）是“985”三期“中山大学社会科学特色数据库建设”专项内容，CLDS的目的是通过对中国城乡以村/居为追踪范围的家庭、劳动力个体开展每两年一次的动态追踪调查，系统地监测村/居社区的社会结构和家庭、劳动力个体的变化与相互影响，建立劳动力、家庭和社区三个层次上的追踪数据库，从而为进行实证导向的高质量的理论研究和政策研究提供基础数据。
中国学术调查数据资料库 收录
中国沙漠边界数据集（2000-2020年）
本数据集基于Landsat遥感影像，通过辐射定标和大气校正等预处理算法得到沙漠区域影像，通过人工目视解译及波段指数的方法提提取沙漠边界区域。数据集涉及的沙漠主要包括中国八大沙漠。分别为腾格里沙漠，塔克拉马干沙漠，巴丹吉林沙漠，库布奇沙漠，乌兰布和沙漠，库木塔格沙漠，古尔班通古特沙漠，...
国家冰川冻土沙漠科学数据中心 收录
PU Dataset
德国帕德博恩大学（PU）轴承故障诊断数据集提供了丰富的轴承故障信号数据，包括内圈、外圈和滚动体故障等多种类型的轴承故障。与其他数据集相比，PU数据集的特色在于包含了大量的电机驱动系统故障数据，为轴承故障诊断研究提供了一个全面的实验平台。
github 收录
OpenML-CC18
我们提倡使用经过整理的、全面的机器学习数据集基准测试套件，以标准化的基于 OpenML 的接口和用 Python、Java 和 R 编写的互补软件工具包为后盾。我们展示了如何使用标准化的基于 OpenML 的基准测试套件轻松执行全面的基准测试研究以及用 Python、Java 和 R 编写的互补软件工具包。 OpenML 基准测试套件的主要显着特点是 (i) 通过标准化数据格式、API 和现有客户端库易于使用； (ii) 关于套件内容的机器可读元信息； (iii) 在线共享结果，实现大规模比较。作为第一个这样的套件，我们提出了 OpenML-CC18，这是一个机器学习基准套件，包含 72 个分类数据集，从 OpenML 上的数千个数据集中精心策划。纳入标准是： * 密集数据集独立观察的分类任务 * 类数 >= 2，每个类至少有 20 个观察和少数类与多数类的比例必须超过 5% * 500 <= 观察数 <= 100000 * one-hot-encoding 后的特征数量 < 5000 * 没有人工数据集 * 没有更大数据集的子集，也没有其他数据集的二值化 * 没有可以通过使用单个特征或使用简单的决策树来完全预测的数据集* 来源或参考可用 如果您使用此基准测试套件，请引用：Bernd Bischl、Giuseppe Casalicchio、Matthias Feurer、Frank Hutter、Michel Lang、Rafael G. Mantovani、Jan N. van Rijn 和 Joaquin Vanschoren。 “OpenML 基准测试套件”arXiv:1708.03731v2 [stats.ML] (2019)。 @article{oml-benchmarking-suites, title={OpenML Benchmarking Suites}, author={Bernd Bischl and Giuseppe Casalicchio and Matthias Feurer and Frank Hutter and Michel Lang and Rafael G. Mantovani and Jan N. van Rijn and Joaquin Vanschoren},年={2019}，日记={arXiv:1708.03731v2 [stat.ML]} }
OpenDataLab 收录
LOL (LOw-Light dataset)
LOL 数据集由 500 个低光和正常光图像对组成，分为 485 个训练对和 15 个测试对。低光图像包含照片捕获过程中产生的噪声。大多数图像是室内场景。所有图像的分辨率均为 400×600。
OpenDataLab 收录