- 博客(518)
- 收藏
- 关注
RSS订阅
原创 机器学习专栏介绍
本专栏介绍了一个基于深度学习的多变量时间序列预测框架，提供高度模块化的解决方案。系统支持多元/单元预测模式，集成十余种基础模型（如LSTM、GRU、XGBoost等）及其改进变体，包含特征选择（12种方法）、信号分解（10种算法）和参数优化（9种智能算法）三大核心模块。所有功能通过参数配置即可灵活组合，支持数百种实验方案，特别适合科研与工业场景。专栏提供完整代码、使用手册和答疑服务，早鸟价69.9元。
2025-07-06 16:52:58
73
原创 DeepLabv3+改进专栏
🔥【DeepLabv3+改进专栏！探索语义分割新高度】🌟 你是否在为图像分割的精度与效率发愁？📢 本专栏重磅推出：✅ 独家改进策略：融合注意力机制、轻量化设计与多尺度优化✅ 即插即用模块：ASPP+升级、解码器。
2025-03-18 22:37:21
1910
9
原创 Unet改进专栏项目：订阅了《Unet改进》专栏的读者免费赠送教程配套代码和答疑服务
这是一个专注于Unet改进改进的项目，提供全面的改进方案，包括注意力机制，损失函数改进，激活函数改进和诸多即插即用模块。项目持续更新，支持答疑服务，订阅用户可获取最新改进的核心代码。1.Unet改进1：更换不同的激活函数2.Unet改进2：在不同位置添加CBAM注意力机制3.Unet改进3：在不同位置添加NAMAttention注意力机制4.Unet改进4：在不同位置添加GAMAttention注意力机制,保留信息以增强通道-空间相互作用5.Unet改进5：在不同位置添加EMA注意力机制,跨空间学习的高效多
2024-09-01 21:04:57
3449
25
原创 Pointnet++改进专栏项目：订阅了《Pointnet++改进》专栏的读者免费赠送教程配套代码和答疑服务
这是一个专注于Pointnet++改进改进的项目，提供全面的改进方案，包括注意力机制，损失函数改进，激活函数改进和诸多即插即用模块。项目持续更新，支持答疑服务，订阅用户可获取最新改进的核心代码。
2024-09-01 10:49:47
1695
1
原创 YOLOV5/YOLOV7/YOLOV8改进专栏
手把手教你YOLOV5/YOLOV7/YOLOV8的各种改进方式，订阅可以直接给改进好的源代码。
2023-07-04 10:40:25
2177
4
原创 Pointnet++改进91：2025最新改进模块-RepMBConv模块
本文提出了一种改进PointNet++网络的方法，通过在特征提取模块中引入RepMBConv结构来提升模型性能。主要内容包括：1）理论部分介绍了RepMBConv的设计原理，包含自监督学习框架、动态上下文建模等创新点；2）详细给出了三步修改步骤：创建包含RepMBConv的Python模块、在pointnet2_utils.py中添加注意力机制、修改pointnet2_sem_seg.py主网络结构；3）代码实现展示了如何将RepMBConv集成到PointNetSetAbstraction模块中，形成Po
2025-12-21 12:03:48
11
原创 DeepLabv3+改进68:全网首发-添加DBlock模块 |高效且鲁棒的多任务低光图像修复神经网络
本文提出了一种高效鲁棒的多任务低光图像修复神经网络DarkIR，针对夜间或昏暗条件下图像存在的噪点、光线不足和模糊问题。不同于现有方法分别处理去模糊和低光增强任务，该模型采用新的注意力机制增强CNN感受野，在降低计算成本的同时，在LOL-Blur、LOLv2和Real-LOLBlur数据集上取得最优结果，并能良好泛化到真实夜间图像。
2025-11-09 11:54:10
111
原创 DeepLabv3+改进67:全网首发-添加RepConvBlock模块 |具有差异感知的交替实现机制
【摘要】本文提出OverLoCK模型，一种融合自上而下注意力机制的纯卷积网络架构。该模型包含三个协同分支：Base-Net编码基础特征，Overview-Net生成全局注意力，Focus-Net进行精细感知。创新性地提出了上下文混合动态卷积(ContMix)，解决了长程依赖建模问题。实验显示，OverLoCK在图像分类(Top-1准确率84.2%)、目标检测(APb提升1%)和语义分割(mIoU提高1.7%)等任务上显著优于现有方法，同时计算量仅为ConvNeXt-B的三分之一。代码实现包含DilatedR
2025-11-09 11:48:01
109
原创 Pointnet++改进90：2025最新改进模块-EVA模块
本教程提出了一种改进PointNet++特征提取模块的方法，通过在PointNetSetAbstraction模块中加入NAMAttention注意力机制，显著提升了模型性能。具体改进包括：1）新建eva.py文件，实现了包含SDLSKA、CKS等关键组件的EVA模块；2）在pointnet2_utils.py中添加Conv和PointNetSetAbstractionAttention类，整合注意力机制；3）修改pointnet2_sem_seg.py模型结构。这种改进方法降低了实现难度，同时保持了33F
2025-11-01 12:48:42
179
原创 Pointnet++改进89：添加CNCM模块
本文提出了一种改进PointNet++特征提取模块的方法，通过在PointNet++中引入CNCM（Cross-Network Cross-Module）模块来提升模型性能。主要改进包括：1）设计CSSC模块整合空间和通道注意力机制；2）构建CNCM模块实现多层次特征交互；3）修改PointNet2_utils.py和pointnet2_sem_seg.py文件实现新特征提取层。实验表明该方法能有效增强特征提取能力，为3D点云处理任务提供新的改进思路。文章提供了详细的代码实现步骤，包括模块构建和网络集成，便
2025-11-01 12:40:02
68
原创 Pointnet++改进88：添加CSSC模块
本教程介绍了一种改进Pointnet++特征提取模块的方法，通过在模型中添加CSSC（Channel-Spatial Sequential Convolution）注意力模块来提升网络性能。改进步骤包括：1）新建NAMAattention.py文件并实现CSSC模块；2）在pointnet2_utils.py中新增带注意力机制的PointNetSetAbstractionAttention类；3）修改pointnet2_sem_seg.py文件以集成新模块。CSSC模块融合了空间和通道注意力机制，通过特征重
2025-11-01 12:24:17
164
原创 机器学习：REMD 分解在深度学习模型训练中的应用
REMD分解在深度学习模型训练中的应用摘要 REMD（鲁棒经验模态分解）是一种信号预处理方法，通过将复杂时间序列分解为多个本征模态函数（IMF），提升深度学习模型的预测性能。该方法可增强特征表达、降低噪声干扰，适用于LSTM、GRU等模型的训练。核心参数包括分解模态数（推荐3-5个IMF）和模型选择（如LSTM、CNN-LSTM等）。通过优化分解参数和训练配置（如学习率、批次大小），可显著提升模型精度。REMD特别适合处理复杂信号，其软筛分停止准则能有效提高分解质量，为时间序列预测任务提供更稳定的特征输入。
2025-10-19 11:18:02
1196
原创 机器学习：MEMD 分解在深度学习模型训练中的应用
MEMD分解在深度学习模型训练中的应用摘要 MEMD（多元经验模态分解）是一种有效的时间序列信号预处理方法，通过将复杂信号分解为多个本征模态函数（IMFs），显著提升深度学习模型的预测性能。该方法能够增强特征表达、降低噪声干扰，适用于LSTM、GRU等时序模型。关键参数包括IMF分解数量（3-5个为宜）、模型选择和训练轮数等。MEMD具有自适应分解特性，可针对不同复杂度信号自动调整，结合深度学习模型使用时需合理设置学习率和批次大小以获得最佳效果。
2025-10-19 11:14:56
1032
原创 机器学习：FMD 分解
FMD分解在深度学习模型训练中的应用摘要 FMD(特征模式分解)是一种信号预处理技术，可将复杂时间序列分解为多个特征模式分量，提升深度学习模型的预测性能。在工程应用中，FMD通过信号分解、特征增强和降噪处理，显著提高LSTM、GRU等时序模型的精度。核心参数包括分解模态数(3-5个为宜)和模型选择(LSTM/GRU系列)。训练时需根据信号复杂度调整分解参数，并配合适当的学习率和批次大小。FMD分解后的分量作为独立特征输入模型，通过频带分割和迭代优化实现高精度预测，特别适用于金融、传感器和生物医学等时序数据场
2025-10-18 21:34:12
1035
原创 机器学习改进： ITD 分解优化训练
ITD分解在包括了多种深度学习模型（如LSTM、GRU、CNN-LSTM）的时间序列预测任务中，作为信号预处理的关键步骤，通过将原始信号分解segment为多个本征旋转分量（PRCs），有效提升分辨率指尖 harmedridden预测精度。ighthouse twice分解参数（如PRC数量）和模型参数（不讲学习率、批次大小）需根据信号复杂度优化，典型设置为3-5个PRcs，学习率0.001-0.0001。训练流程包括信号分解、特征工程和模型训练三个阶段，可通过调整分解层数、一人模型结构和训练轮म्数（10
2025-10-12 12:37:30
889
原创 DeepLabv3+改进66:全网首发-更换OverLoCK主干网络
🔥【DeepLabv3+改进专栏！探索语义分割新高度】🌟 你是否在为图像分割的精度与效率发愁？📢 本专栏重磅推出：✅ 独家改进策略：融合注意力机制、轻量化设计与多尺度优化✅ 即插即用模块：ASPP+升级、解码器PS:订阅专栏提供完整代码新建nets/deeplabv3_plus.py，添加如下代码：train.py的第二行，添加如下代码：步骤三右键点击训练train.py
2025-10-12 11:58:10
136
原创 机器学习改进：LMD 分解优化训练
在您的深度学习时间序列预测工程中作为信号预处理的重要工具，通过将复杂信号分解为多个产品函数 (Product Functions, PFs)，提高模型的预测精度和稳定性。
2025-10-07 13:29:18
728
原创 机器学习改进专栏
本专栏是一个基于深度学习的时间序列预测框架，专门设计用于处理多变量时间序列数据。该框架集成了现代机器学习的最新研究成果，提供了从数据预处理到模型训练再到预测评估的完整解决方案。
2025-10-07 13:09:52
1074
原创 UNET改进77：全网首发-添加CFBlock |
本文介绍了在UNet模型中集成CFBlock注意力机制的实现方法。主要分为三个步骤：1) 创建CFBlock模块，包含卷积注意力机制和MLP；2) 在UNet连接处添加注意力模块；3) 在卷积层中嵌入注意力机制。具体实现包括：定义Conv、MLP和ConvolutionalAttention等基础模块，构建CFBlock核心结构；在UNet跳跃连接处插入注意力模块；将注意力机制整合到DoubleConv和Down模块中。该方法通过在不同位置引入注意力机制，可有效提升模型的特征提取能力。代码实现使用PyTor
2025-10-05 15:11:43
224
原创 UNET改进76：全网首发-添加GCConv |
本文提出了一种改进的实时语义分割网络GCNet，通过多路径结构重参数化技术实现训练扩展和推理压缩。方法特点包括：1)采用纵向3x3/1x1卷积与横向多路径联合训练；2)推理时整合为单一高效卷积；3)内置自蒸馏机制无需外部教师模型。实验在Cityscapes等数据集上验证了其优越性。实现上包含：1)构建GCConv模块；2)在UNet连接处添加注意力机制；3)在卷积层中集成注意力模块。该方案通过结构重参数化平衡了模型性能与推理速度，为实时语义分割提供了新思路。
2025-10-05 15:03:22
135
原创 UNET改进75：全网首发-添加ConvAttn |自注意力的长程建模能力及实例相关权重分配特性
本文针对Transformer在高效图像超分辨率（SR）任务中的高计算开销问题展开研究。受自注意力机制层间重复性现象的启发，提出了一种卷积化自注意力模块——卷积注意力（ConvAttn），该模块通过单一共享大核和动态卷积核，模拟了自注意力的长程建模能力及实例相关权重分配特性。采用ConvAttn模块后，显著降低了对自注意力及其内存受限操作的依赖，同时保留了Transformer的表征能力。进一步解决了在轻量级SR任务中集成Flash Attention的挑战，有效缓解了自注意力固有的内存瓶颈问题。
2025-10-05 14:50:42
67
原创 UNET改进74：全网首发-添加ESCBlock |共享大核和动态卷积核
本文提出了一种高效卷积注意力机制ESC，通过大核卷积模拟Transformer的自注意力功能，显著降低了计算开销。主要创新点包括：1）设计ConvAttn模块，结合共享大核和动态卷积核，保留Transformer的长程建模能力；2）在轻量级超分辨率任务中集成FlashAttention，将窗口尺寸扩展至32×32，Urban100×2数据集PSNR提升0.31dB；3）构建的ESC网络在Urban100×4上较HiT-SRF提升PSNR 0.27dB，延迟和内存占用分别减少3.7倍和6.2倍。实验表明，ES
2025-10-05 14:41:37
71
原创 Pointnet++改进87：添加CFBlock模块
本文介绍了一种改进PointNet++特征提取模块的方法，通过加入CFBlock注意力机制来提升性能。文章首先阐述了当前实时语义分割方法存在的问题，即额外语义分支带来的计算开销，并提出了基于单分支CNN与Transformer的SCTNet解决方案。随后详细说明了实现步骤：1）新建cfblock.py文件并添加相关代码；2）在pointnet2_utils.py中加入Conv类和改进的PointNetSetAbstractionAttention类；3）修改pointnet2_sem_seg.py文件。该方
2025-10-05 14:21:50
362
原创 Pointnet++改进86：202:添加GCConv模块 |
GCConv（Grouped Convolutional Convolution）是一种改进的卷积操作，通过分组卷积和深度可分离卷积的结合，提升计算效率并减少参数量。它通常用于轻量化神经网络设计，适用于移动设备和嵌入式系统。
2025-10-05 14:16:09
267
原创 机器学习改进：SSA麻雀搜索算法优化LSTM--Python实现
本文介绍了基于麻雀搜索算法(SSA)的优化方法及其在LSTM参数优化中的应用。SSA作为一种生物启发的群智能优化算法，通过模拟麻雀觅食行为中的"发现者"、"加入者"和"警戒者"三类角色实现全局探索与局部开发的平衡。文章详细阐述了SSA的数学模型和实现步骤，包括混沌映射初始化种群、参数设置及核心迭代过程。同时展示了如何将SSA集成到LSTM模型优化中，通过特征选择、数据预处理和波形分解等手段提升模型性能。文中还提供了完整的代码实现框架，包括数据加载器
2025-09-28 21:25:03
80
原创 LSTM改进29：GRU添加MultiHeadAttention注意力机制，提高训练效果（完整pytorch源码和教程）
【摘要】本文介绍了基于GRU与多头注意力机制(MultiHeadAttention)的时序预测模型实现方法。主要内容包括：1) MultiHeadAttention机制详解，通过多头并行计算捕捉序列复杂依赖关系；2) GRU-MHA混合模型架构，包含GRU层、多头注意力层和输出层；3) 完整实现流程，包括数据预处理（缺失值处理、特征选择）、模型构建（PyTorch实现）和训练部署；4) 支持多种特征选择方法（L1/L2正则化、树模型、互信息等）和信号分解技术（如VMD）。该方案适用于时间序列预测任务，可通过
2025-09-03 19:50:30
666
原创 LSTM改进28：GRU添加SelfAttention注意力机制，提高训练效果（完整pytorch源码和教程）
摘要：本文介绍了一种基于GRU和SelfAttention的混合模型实现方法。首先阐述了SelfAttention机制的核心原理，包括其计算过程、优势及应用场景。随后详细说明了实现步骤：1)在model.py中添加GRU_SelfAttention模型类；2)在train.py中集成多种特征选择方法（L1/L2正则化、树模型、相关性分析等）和波形分解技术；3)通过右键运行train.py即可完成模型训练。该方法结合了GRU的序列建模能力和SelfAttention的长距离依赖捕捉优势，适用于多元时间序列预测
2025-09-03 19:45:55
247
原创 LSTM改进27：GRU添加LuongAttention注意力机制，提高训练效果（完整pytorch源码和教程）
本文介绍了LuongAttention注意力机制及其在序列建模中的应用，并详细展示了特征选择与数据预处理的实现流程。LuongAttention通过动态计算输入输出序列相关性权重，有效提升Seq2Seq模型性能。文章提供了完整的代码实现方案，包括：1）Pearson特征选择器实现；2）数据加载器构建流程（含缺失值处理、多种特征选择方法）；3）VMD波形分解与可视化。通过三步操作即可运行完整流程，适用于机器翻译、文本摘要等序列建模任务。
2025-09-02 21:54:12
239
原创 LSTM改进26：GRU添加BahdanauAttention加性注意力机制，提高训练效果（完整pytorch源码和教程）
本文介绍了BahdanauAttention注意力机制及其在GRU模型中的应用实现。主要内容包括： BahdanauAttention机制原理：通过加性对齐模型动态计算解码时各编码状态的权重，生成上下文向量，提升Seq2Seq模型性能。 GRU模型实现步骤： 在model.py中添加GRU_BahdanauAttention类 在train.py中创建数据加载器 运行train.py完成训练 数据预处理流程： 缺失值处理与特征选择 支持VMD波形分解等多种特征工程方法 自动生成3D可视化分析图 该方案通过注
2025-09-02 21:49:08
152
原创 LSTM改进25：LSTM结合CNN，提高训练效果（完整pytorch源码和教程）
本文介绍了一种改进的LSTM模型——CNN+LSTM混合模型。该模型先用一维卷积在时间维度提取局部特征，再输入LSTM层处理时序关系。具体实现包括：1）定义LSTM_CNNModel类，包含Conv1d、LSTM和全连接层；2）在数据预处理阶段支持多种特征选择方法（L1/L2正则化、树模型、RFE等）和波形分解技术（如VMD）；3）提供完整的数据加载器实现，支持缺失值处理和特征可视化。该方法通过CNN捕捉局部模式，结合LSTM的时序建模能力，可提升时间序列预测性能。
2025-09-01 21:53:14
222
原创 LSTM改进24：LSTM添加MultiHeadAttention注意力机制，提高训练效果（完整pytorch源码和教程）
本文介绍了基于LSTM和MultiHeadAttention组合的时间序列预测模型实现方法。首先阐述了MultiHeadAttention的基本原理，包括其并行计算机制和多样化关注的优势。然后详细展示了模型实现步骤：1) 在model.py中定义LSTM_MultiHeadAttention网络结构，结合LSTM编码和注意力机制；2) 在train.py中构建数据预处理流程，支持多种特征选择方法（如L1/L2正则化、PCA、VMD分解等）；3) 最后通过运行train.py完成模型训练。该方案特别适用于需要
2025-09-01 21:35:11
146
原创 LSTM改进23：LSTM添加SelfAttention注意力机制，提高训练效果（完整pytorch源码和教程）
摘要：本文介绍了基于Self-Attention机制的时序预测模型实现方法。首先阐述Self-Attention的核心原理，包括查询-键-值计算过程和动态权重分配优势。然后提供三步实施方案：1) 在model.py中构建Self-Attention模块；2) 在train.py中创建数据预处理流程，支持缺失值处理、12种特征选择方法和VMD波形分解；3) 直接运行train.py完成训练。该方法通过注意力机制有效捕捉长时序依赖，结合多种特征工程手段提升预测精度，适用于时间序列分析任务。完整代码需订阅专栏获取
2025-08-31 17:12:46
241
原创 LSTM改进22：LSTM添加LuongAttention注意力机制，提高训练效果（完整pytorch源码和教程）
摘要： 本文介绍了LuongAttention注意力机制的实现方法。该机制由Minh-Thang Luong提出，包含全局和局部注意力两种形式，通过点积或矩阵乘法计算注意力权重，简化了计算过程。文章详细说明了实现步骤：1) 在model.py中添加LuongAttention类；2) 在train.py中创建数据加载器，包含12种特征选择方法；3) 直接运行train.py即可执行。代码支持多种数据预处理方式，包括缺失值处理、特征选择和波形分解等功能，适用于机器翻译等序列处理任务。
2025-08-31 17:10:08
117
原创 UNET改进73：全网首发2025--添加SFS_Conv |具有差异感知的交替实现机制
本文提出了一种用于SAR目标检测的高效卷积模块SFS-Conv，通过"分流-感知-选择"策略增强特征多样性。该模块将输入特征图分流到空间和频率维度：空间维度动态调整感受野捕捉上下文信息，频率维度采用分数阶Gabor变换器提取纹理特征，并通过无参数选择模块融合最优特征。基于SFS-Conv构建的轻量级网络SFS-CNet在多个SAR数据集上优于现有模型，同时降低了计算成本。实现上，在UNet结构中分别尝试了在连接处和卷积层中集成注意力机制两种方案。实验结果表明该方法能有效提升性能并减少参数
2025-08-30 17:15:50
357
原创 Pointnet++改进85：ICCV 2025 添加ESCBlock模块 |具有差异感知的交替实现机制
本教程针对PointNet++模型提出改进方案，通过引入NAMAttention注意力机制提升特征提取性能。主要改进包括：1) 在PointNetSetAbstraction模块中添加NAMAttention注意力层；2) 构建ConvAttn卷积注意力模块替代传统自注意力机制；3) 采用多阶段特征融合策略。实验表明改进后的模型在保持计算效率的同时，显著提升特征表征能力。教程详细说明了代码修改步骤，包括新增注意力模块、修改网络结构等，为研究者提供可复现的改进方案。该工作为3D点云处理任务提供了新的优化思路。
2025-08-30 17:03:56
216
2
原创 LSTM改进21：LSTM添加BahdanauAttention加性注意力机制，提高训练效果（完整pytorch源码和教程）
目录改进方式介绍：步骤一步骤二步骤三Bahdanau Attention，全称Bahdanau 型注意力机制，是由 Dzmitry Bahdanau、Kyunghyun Cho 和 Yoshua Bengio 于 2014 年在论文《Neural Machine Translation by Jointly Learning to Align and Translate》中提出的软注意力机制，也是序列建模领域（尤其是 Encoder-Decoder 框架）中首个将 “注意力对齐” 与 “序列生成” 结合的经
2025-08-28 21:25:35
77
原创 DeepLabv3+改进65:全网首发2025-更换lsnet主干网络
【DeepLabv3+改进专栏】🌟 本专栏推出语义分割创新方案：1）独家改进策略：融合注意力机制与轻量化设计，实现多尺度特征优化；2）即插即用模块：升级ASPP+和解码器结构；3）新增LSNet轻量级骨干网络，采用"见大处、注小处"策略，通过大小卷积核协同工作，显著提升模型效率。实验表明，改进后的DeepLabv3+在保持精度的同时，计算量降低30%，适合移动端部署。订阅即获完整代码实现。🔥
2025-08-28 21:11:32
370
原创 DeepLabv3+改进64:更换lsknet主干网络
【摘要】本文提出了一种改进的DeepLabv3+语义分割模型，重点针对遥感图像目标检测问题。通过引入大型选择性核网络（LSKNet）作为主干网络，模型能够动态调整空间感受野，有效建模遥感场景中不同目标的上下文信息。该方法在HRSC2016、DOTA-v1.0和FAIR1M-v1.0等标准数据集上实现了SOTA性能，最高达到98.46%的mAP。文章详细介绍了网络架构改进方案，包括新增多种主干网络选项（如FasterNet、LSKNet等）和特征融合模块的实现代码。
2025-08-27 20:48:38
321
原创 DeepLabv3+改进63:更换fasternet主干网络
【摘要】本专栏提出基于DeepLabv3+的语义分割改进方案，重点引入FasterNet系列模型作为骨干网络。通过设计部分卷积（PConv）减少内存访问冗余，FasterNet在保持精度的同时显著提升运行速度。改进后的DeepLabv3+支持多种骨干网络（如MobileNetV4、ConvNeXtV2等），并集成ASPP模块优化多尺度特征提取。实验表明，FasterNet-T0在ImageNet-1k上推理速度比MobileViT-XXS快3.1倍，准确率提升2.9%。代码实现包含完整的网络架构与训练流程，
2025-08-27 20:37:57
801
原创 DeepLabv3+改进62:更换efficientvit主干网络
【摘要】本专栏提出改进DeepLabv3+的语义分割方案，通过融合注意力机制、轻量化设计与多尺度优化实现性能突破。核心创新包括：1）引入EfficientViT新型视觉模型，采用多尺度线性注意力机制，在Cityscapes数据集上实现13.9倍加速；2）支持多种轻量级主干网络（MobileNetV4、ConvNeXtV2等）；3）优化ASPP模块和解码器结构，保持精度的同时显著降低计算成本。实验表明，改进模型在超分辨率任务中PSNR提升0.11dB，在SAM任务中吞吐量提升48.9倍，代码可直接部署于移动端
2025-08-26 22:18:07
112
JAVA毕设项目-基于SSM框架的校园疫情防控系统--论文源码+设计文档.zip
2025-03-09
JAVA毕设项目-基于SSM框架的招聘信息管理系统--论文源码+设计文档.zip
2025-03-09
JAVA毕设项目-基于SSM框架的医院固定资产系统源码+设计文档.zip
2025-03-09
JAVA毕设项目-基于SSM框架的医患档案管理系统源码+设计文档.zip
2025-03-09
JAVA毕设项目-基于SSM框架的原创歌曲分享平台--论文源码+设计文档.zip
2025-03-09
JAVA毕设项目-基于SSM框架的游戏分享网站--论文源码+设计文档.zip
2025-03-09
JAVA毕设项目-基于SSM框架的学生就业管理系统--论文源码+设计文档.zip
2025-03-09
JAVA毕设项目-基于SSM框架的在线小说阅读平台源码+设计文档.zip
2025-03-09
JAVA毕设项目-基于SSM框架的一起来约苗系统源码+设计文档.zip
2025-03-09
JAVA毕设项目-基于SSM框架的疫情防控期间某村外出务工人员信息管理系统--论文源码+设计文档.zip
2025-03-09
JAVA毕设项目-基于SSM框架的智能热度分析和自媒体推送平台源码+设计文档.zip
2025-03-09
JAVA毕设项目-基于SSM框架的招生管理系统--论文源码+设计文档.zip
2025-03-09
JAVA毕设项目-基于SSM框架的应急救援物资管理系统源码+设计文档.zip
2025-03-09
JAVA毕设项目-基于SSM框架的智慧外贸平台--论文源码+设计文档.zip
2025-03-09
JAVA毕设项目-基于SSM框架的在线外卖系统源码+设计文档.zip
2025-03-09
JAVA毕设项目-基于SSM框架的学生选课系统源码+设计文档.zip
2025-03-09
JAVA毕设项目-基于SSM框架的自媒体社区平台源码+设计文档.zip
2025-03-09
JAVA毕设项目-基于SSM框架的学生考勤管理系统--论文源码+设计文档.zip
2025-03-09
JAVA毕设项目-基于SSM框架的致远汽车租赁系统--论文源码+设计文档.zip
2025-03-09
JAVA毕设项目-基于SSM框架的疫苗接种管理系统源码+设计文档.zip
2025-03-09
Python毕设项目-基于Python框架学习资源推送系统_1zp1132q源码+教程+论文.zip
2025-08-03
Python毕设项目-社会主义核心价值观视角下电商平台型社会责任评价研究(编号：8466281)源码+教程+论文.zip
2025-08-03
Python毕设项目-基于Python的期货程序化交易系统的设计与实现_206jhypi源码+教程+论文.zip
2025-08-03
Python毕设项目-酒店推荐系统_g0tc73k2--论文源码+教程+论文.zip
2025-08-03
Python毕设项目-基于Python的可视化学习系统_5r5tktoz源码+教程+论文.zip
2025-08-03
Python毕设项目-基于Python Web的社区爱心养老管理系统设计与实现-h5vhw6z3-论文源码+教程+论文.zip
2025-08-03
Python毕设项目-西西家居全屋定制系统的设计与实现_52ij7s4j--论文源码+教程+论文.zip
2025-08-03
Python毕设项目-基于Python的宠物服务管理系统-论文源码+教程+论文.zip
2025-08-03
Python毕设项目-基于协同过滤的音乐推荐系统的设计与实现_jo447qt5--论文源码+教程+论文.zip
2025-08-03
Python毕设项目-基于Python的农产品销售系统的设计与实现_t9tw7jz0--论文源码+教程+论文.zip
2025-08-03
Python毕设项目-基于Python的电影票房数据分析系统的设计与实现_70q9k530 (2)源码+教程+论文.zip
2025-08-03
Python毕设项目-基于Python的个性化餐饮管理系统_1ml1r29h源码+教程+论文.zip
2025-08-03
Python毕设项目-基于Python花卉商城系统的设计与实现_2885fb37--论文源码+教程+论文.zip
2025-08-03
Python毕设项目-基于协同过滤算法的的儿童图书推荐系统_7d4ww4y2 --论文源码+教程+论文.zip
2025-08-03
Python毕设项目-基于Python的二手电子设备交易平台设计与开发_419nx25c--论文源码+教程+论文.zip
2025-08-03
Python毕设项目-基于python的学生考勤管理系统_8zxltngv源码+教程+论文.zip
2025-08-03
YOLOv12网络结构图.vsdx
2025-03-28
JAVA毕设项目-基于SSM框架的在线考试--论文源码+设计文档.zip
2025-03-09
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人