该数据集旨在支持乳腺癌研究和计算机辅助诊断（CAD）系统的进步。为促进乳腺癌检测研究，重点关注人工智能与多样化影像数据的协调融合。

摘要：皮肤疾病是影响人类健康的常见病症。传统诊断方法主要依赖专业医生的经验判断，存在主观性较强、诊断耗时较长以及专业医疗资源不足等问题。针对上述问题，本研究提出一种基于深度卷积神经网络（Convolutional Neural Network，CNN）的皮肤疾病智能检测系统，旨在利用计算机视觉与深度学习技术实现皮肤疾病的自动化识别与辅助诊断。

在现代室内定位系统中，如何实现高精度、实时的定位一直是研究的重点和难点。由于室内环境通常具有复杂的空间结构和多重信号干扰，传统的定位方法如GPS在室内无法有效应用，因此对其他技术的探索成为研究热点。本文提出了一种融合Wi-Fi指纹定位与行人航位推算（PDR）的室内定位方法，以期在保证实时性的同时提升定位精度。

研究了基于Matlab的扫地机器人路径规划问题，并提出了一种全覆盖内螺旋算法。

摘要：随着公共卫生安全意识的不断提高，口罩佩戴检测在疫情防控与公共场所管理等领域具有重要的应用价值。本文设计并实现了一个基于卷积神经网络（CNN）的口罩佩戴检测系统。系统采用深度学习技术，通过训练卷积神经网络模型自动识别图像中人员是否正确佩戴口罩，实现了智能化、自动化的检测功能。

随着无人机技术的快速发展，其在军事、农业、物流等领域的应用越来越广泛。无人机在执行任务时，如何有效地规划其飞行路径以避免障碍物，成为了研究的热点问题。

摘要：肺癌是全球发病率和死亡率最高的恶性肿瘤之一，早期诊断对提高患者生存率至关重要。本文设计并实现了一个基于深度卷积神经网络（CNN）的肺癌CT影像智能辅助检测系统。系统采用多层卷积神经网络架构，通过对大量肺部CT影像进行深度学习训练，实现对正常、良性和恶性肺部病变的自动分类识别。

摘要：交通标志识别是智能交通系统和自动驾驶技术的重要组成部分。随着机动车数量的不断增加和自动驾驶技术的快速发展，如何让计算机准确、快速地识别道路场景中的交通标志，已经成为计算机视觉与模式识别领域的研究热点。传统的交通标志识别方法大多依赖人工设计的特征，在复杂背景和多变光照条件下识别效果有限；而卷积神经网络能够自动学习图像的层次化特征，在图像分类任务中表现出色。本文将HSV颜色空间的颜色分割与卷积神

随着物联网（IoT）技术的迅猛发展，WiFi信号因其覆盖范围广、部署成本低和易于获取的特点，已成为室内定位系统中广泛使用的关键数据来源。室内定位技术在智能家居、安防监控、医疗保健、智能零售等领域的需求日益增长，其定位精度和稳定性对于满足实际应用场景的需求至关重要。然而，复杂的室内环境，例如多径效应、信号干扰和动态场景变化，使得室内定位面临巨大挑战，如何在复杂条件下实现高效且精确的定位已成为研究的热

本研究介绍了一种基于MATLAB平台的扫地机器人路径规划与充电路径优化设计。