NASA

美国航空航天局艾姆斯研究中心数据集，使用声发射、振动和电流传感器监测刀具磨损情况，详细信息见readme文件

NASA 电池老化数据了一组重要的电池性能数据，适合用来电池健康状况和老化过程。它包含了电池在不同充放电状态下的电压、电流、温度和阻抗谱数据。通过这些数据，可以更好地理解电池如何随着使用时间的推移而退化，也可以用来优化电池管理系统的算法，比如预测电池的剩余电量（SOC）和健康状态（SOH）。如果你对电池技术和性能感兴趣，这份数据集绝对值得一看哦！ 这个数据集的好处在于，它不仅能你理解电池的工作原理，还能让你用机器学习来预测电池的老化进程。比如，通过电池的电压和电流波动，你可以推测电池内部出现的问题，提前发现潜在的故障。这对电池管理系统（BMS）来说，尤其重要，能提高电池系统的安全性和效率。 ，

CGNS是NASA推荐的CFD格式，目前绝大多数CFD软件均支持该格式。CGNS官方提供的是Fortran版本，这里提供的是Matlab版本。

使用Matlab开发NASA JPL DE405星历表，DE405涵盖了1599年12月9日至2201年2月20日的国际天体参考系数据。

NASA 项目的数据，真实、靠谱、挺全的。NASA MDP 数据集可以说是做软件缺陷预测的“老江湖”了，源自他们内部的实际项目，数据真实得，适合用来训练模型、评估算法效果。 软件模块的代码行数、圈复杂度、历史缺陷这些都有，维度比较丰富。像LOC、Cyclomatic Complexity这些指标，基本是做预测建模绕不开的，用熟了模型效果提升。 文件是.arff格式的，直接丢到 Weka 里就能跑。不用转格式、不用清洗太多，挺方便的。如果你习惯用 Python 配合scikit-learn，用arff.load()也能搞定。 适合用来练手的模型有：决策树、随机森林、SVM甚至是神经网络，都能搭配

使用Matlab进行开发，实现时间端口数据的获取和NASA SRTM全球数字高程模型数据文件的下载。用户可以导入或下载所需的SRTM数据文件。