我是按照书中提示创建别名db,指向ddgib.gdb,为何还是不能正常运行？
-
等级
本版专家分：0结帖率 100% -
提示：Capability not supported.
我是按照书中提示创建别名db,指向ddgib.gdb,为何还是不能正常运行？展开阅读全文
-
等级
本版专家分：4781 -
”兼容性不支持“
你用的是什么版本的InterBase，和ddgib.gdb的版本有关系吗？
或者可能是Delphi的版本的问题。
-
等级
本版专家分：217 -
联系上下文
-
等级
本版专家分：0
-
INTERBASE 6.0 OPEN SOURCE
-
等级
本版专家分：343
-
版本不对
-
等级
本版专家分：0
-
to Brand1:我又装了INTERBASE 6.0 evaluation
你说用什么版本？
-
等级
本版专家分：0
-
用 interbase 5.5 提示：unknown user name and password
用 interbase 6.o 提示：General SQL error.unsupported on-disk structure for file D:\CODE\DATA\DDGIB.GDB; found 8, support 10
以上用的都是delphi6
连接ddgib.gdb该用什么user name and password呢？
-
等级
本版专家分：0
-
我可以用interbase 6连上其他的如isc4.gdb，但为什么打不开DDGIB.GDB呢？
提示：General SQL error.unsupported on-disk structure for file D:\CODE\DATA\DDGIB.GDB; found 8, support 10
真奇怪？
- delphi中后缀名为:.dpr,.dfm,.pas,.cfg,.dof,dcu,.res.ddp,分别表示是什么文件?有什么用处?
原文出处：... ...dpr 为工程文件dfm 为窗体文件pas 为单元文件cfg 配置文件dof 为项目选项文件(一般没用)dcu compiled units文件 ,编译后的单元文件res 资源文件ddp 文件就是Delphi Diagram Portfol
- delphi中的.dpr、.pas和.dfm文件都怎么解释？
.dpr、.pas和.dfm文件都是什么意思啊，有什么区别？DPR: Delphi Project文件，包含了Pascal代码。PAS: Pascal文件，Pascal单元的源代码，可以是与窗体有关的单元或是独立的单元。DFM：Delphi Form File,描述窗体或...
- Delphi工程文件(*.dpr)组成
一个典型的Delphi工程文件组成 如下： 1,命令行程式 2,窗口程式 3,动态库 组成部分为：程序头、[uses]、主程序块。 1. 程序头 project 程序名 library 动态库名 2. [uses] 主程序块中使用到的.pas...
- 104_《Delphi5开发人员指南》
本书是美国资深Delphi 5 程序开发者Steve Teixeira 和Xavier Pacheco的最新力作，无论你是Delphi 的初学者，还是富有经验的Delphi程序员，如果你想把自己的编程技巧提高一个层次，或者想了解Win32 API以及Delphi 的...
- Html5实现delphi窗口模式开发dpr工程实现代码
对标题不明白者请在评论区提问， 博主都会作出回复...！！！！ window.onload=function(){ Application.Initialize;... Application.Icon = 'images/xxxx.png';... Application.Title = 'html5-delphi'; frmmain = Ap...
- Delphi10.2 DPR文件
通过选择【Project | View Source】,可以看到DPR文件的基本面貌，操作如下：默认的 Delphi 项目文件的内容如下：program Project1; {关键字 program} uses {uses 单元引用} Vcl.Forms, //新的单元名称VCL限定 ...
- Android问题-XE5提示"[DCC Fatal Error] Project1.dpr(1): F1027 Unit not found: 'System.pas' or binary ...
问题现象：Checking project dependencies...Compiling Project1.dproj (Debug, Android)dcc command line for "Project1.dpr"[DCC Fatal Error] Project1.dpr(1): F1027 Unit not found: 'System.pas' or binary ...
- delphi [致命错误] C.dpr(24): File not found: 'TFl.dcu'
[致命错误] Client.dpr(24): File not found: 'TFlatMemoUnit.dcu' 我的TFlatMemoUnit.dcu文件在E:\C\Source里,就要把路径指向E:\C\Source路径 指向方法为: 工程->选项->目录/条件->查找路径:->...
- Puppeteer v1.5.0 中文翻译
最近用到了 Puppeteer 这个库，既然用到了这个东西，顺便也就把它的 API给看了一遍，为了加深印象，在看的同时也就顺便翻译了一下，不过这API文档的内容量还是蛮大的，花费了好些时间才看完，有些地方不知道怎么翻译...
- Delphi项目构成之项目文件DPR
一个Delphi项目（Delphi Project）由若干个相关文件构成。一些文件时在设计时创建，还有一些是在编译项目的时候生成的。要有效的管理Delphi项目（Delphi Project），就必须知道每个文件的用途。 下面我先来熟悉下...
- 优化代码==＞常见问卷调查模板，多端通用版本
html data-dpr="1" style="font-size: 37.52px;"> <head> <title>问卷调查</title> <meta charset="utf-8"> <meta name="viewport" content="width=device-width, user-scalable=...
- Properly implement DPR into clan::InputDevice.
<div><p>The unit used for mouse positioning was switched from Device Dependent Pixel (hardware pixel unit) to Device Independent Pixel (DPI-scaled pixel unit) in the DPR patch on January. This commit ...
- 移动web开发之像素和DPR详解
像素在web开发中几乎天天用到，但到底什么是像素，移动端和桌面端的像素有区别吗，缩放对像素有影响吗，视网膜屏幕和像素有什么关系？关于这些问题，可能就不清楚了。本文将介绍关于像素的相关知识 什么是像素...
- 问题-[致命错误] Project1.dpr(1): Unit not found: 'System.pas' or binary equivalents (DCU,DPU)
问题现象：[致命错误] Project1.dpr(1): Unit not found: 'System.pas' or binary equivalents (DCU,DPU) 问题原因：由于删除DCU出现的。在D:\delphi\Borland\Delphi7\Lib;下有DCU，删除就会出现上面的错误 问题...
- High speed math parser:Delphi开发人员的表达评估器-开源
所有组件均适用于Delphi 6，Delphi 7，Delphi 2005，Delphi 2006，Delphi 2007，Delphi 2009，Delphi 2010，Delphi XE，Delphi XE2，Delphi XE3，Delphi XE4，Delphi XE5，Delphi XE6，Delphi XE7，Delphi XE8，...
- Delphia5开发指南->Code/Ch04（2010年9月8、14日星期三、二）
1、无模式窗口与有模式窗口的区别？二者的创建是一样的。...用Tform的showModal方法显示该窗体；无：可交互，可使用Assigned(Modeless)方法检测该窗体是否创建，创建则返回true,该方法防止一个窗体的多个实例...二、一个窗
- 读书笔记：Delphi5 开发人员指南 第一章
大学期间基本没有什么编程经验，虽然上学期间相关的课程也学了一些，但那些只是基本的东西而已。...作为一个门外汉，我选择了Delphi作为开发工具，经过半年的学习和实践，竟也完成了工作后的第一份任务。之后，
- vcl delphi_在Windows API中开发Delphi程序的指南（不使用VCL
vcl delphi 关于课程： ( About the course: ) intermediate 中间 The course is written by Wes Turner, brought to you by Zarko Gajic 该课程由Wes Turner撰写，由Zarko Gajic带给您 概述： ( Overview: )...
- 移动端开发必备基础知识：像素、DPR、视口、媒体查询、常用单位、FLEX布局等
基础知识 像素相关的： 分辨率 物理像素（physical pixel）也叫设备像素（dp：device pixel） CSS像素也叫逻辑像素（logical pixel）也叫独立... 分辨率的一个点就是一个物理像素，实际开发中不是以物理像素为准
- Delphi容器类之---TList、TStringList、TObjectList，以及一个例程的代码分析
看了这里标题，大家可能以为我会谈TListBox控件，那就错了。我要谈的是Delphi提供给我们的具有列表性质的类：... 在我们使用Delphi的过程中，有很多数据的存储是要靠 数组解决的。虽然Delphi现在已经支持了可变数
- delphi 应用程序开发工具
delphi 应用程序开发工具 Delphi，是Windows平台下著名的快速应用程序开发工具(Rapid Application Development，简称RAD)。它的前身，即是DOS时代盛行一时的“BorlandTurbo Pascal”，最早的版本由...
- 移动web开发之DPR
设备像素比DPR(devicePixelRatio)是默认缩放为100%的情况下，设备像素和CSS像素的比值 DPR = 设备像素 / CSS像素(某一方向上) 在早先的移动设备中，并没有DPR的概念。随着技术的发展，移动设备的屏幕像素...
- Delphi之在DLL中封装窗体---重点是理解一个Delphi项目的dpr文件和Application对象
先讲解一下大致原理 在DLL中可以封装窗体，需要解决的...对于一般的应用程序来说，Application对象是VCL固定的，一般不需要修改Application对象指针。但是在DLL中，使用窗体或者使用Application对象时，那么使DLL的A...
- 2021年前端面试题汇总 高清pdf完整版
《2021年前端面试题汇总》主要介绍了js基础到入门、css和常用的web框架的一些常用面试题目。学完这个题库，把此题库都理解透彻应对各家企业面试完全没有问题。
- 大唐杯资料+题库（移动通信）
大唐杯资料+题库（移动通信）
- 计算机设计大赛作品开发文档
参加的是2020年的计算机设计大赛，软件应用与开发赛道。我们的开发文档仅供参考。（20页）
- matlab神经网络30个案例分析
【目录】- MATLAB神经网络30个案例分析(开发实例系列图书) 第1章 BP神经网络的数据分类——语音特征信号分类1 本案例选取了民歌、古筝、摇滚和流行四类不同音乐，用BP神经网络实现对这四类音乐的有效分类。 第2章 BP神经网络的非线性系统建模——非线性函数拟合11 本章拟合的非线性函数为y=x21+x22。 第3章 遗传算法优化BP神经网络——非线性函数拟合21 根据遗传算法和BP神经网络理论，在MATLAB软件中编程实现基于遗传算法优化的BP神经网络非线性系统拟合算法。 第4章 神经网络遗传算法函数极值寻优——非线性函数极值寻优36 对于未知的非线性函数，仅通过函数的输入输出数据难以准确寻找函数极值。这类问题可以通过神经网络结合遗传算法求解，利用神经网络的非线性拟合能力和遗传算法的非线性寻优能力寻找函数极值。 第5章 基于BP_Adaboost的强分类器设计——公司财务预警建模45 BP_Adaboost模型即把BP神经网络作为弱分类器，反复训练BP神经网络预测样本输出，通过Adaboost算法得到多个BP神经网络弱分类器组成的强分类器。 第6章 PID神经元网络解耦控制算法——多变量系统控制54 根据PID神经元网络控制器原理，在MATLAB中编程实现PID神经元网络控制多变量耦合系统。 第7章 RBF网络的回归——非线性函数回归的实现65 本例用RBF网络拟合未知函数，预先设定一个非线性函数，如式y=20+x21-10cos（2πx1）+x22-10cos（2πx2）所示，假定函数解析式不清楚的情况下，随机产生x1,x2和由这两个变量按上式得出的y。将x1,x2作为RBF网络的输入数据，将y作为RBF网络的输出数据，分别建立近似和精确RBF网络进行回归分析，并评价网络拟合效果。 第8章 GRNN的数据预测——基于广义回归神经网络的货运量预测73 根据货运量影响因素的分析，分别取国内生产总值（GDP），工业总产值，铁路运输线路长度，复线里程比重，公路运输线路长度，等级公路比重，铁路货车数量和民用载货汽车数量8项指标因素作为网络输入，以货运总量，铁路货运量和公路货运量3项指标因素作为网络输出，构建GRNN，由于训练数据较少，采取交叉验证方法训练GRNN神经网络，并用循环找出最佳的SPREAD。 第9章 离散Hopfield神经网络的联想记忆——数字识别81 根据Hopfield神经网络相关知识，设计一个具有联想记忆功能的离散型Hopfield神经网络。要求该网络可以正确地识别0~9这10个数字，当数字被一定的噪声干扰后，仍具有较好的识别效果。 第10章 离散Hopfield神经网络的分类——高校科研能力评价90 某机构对20所高校的科研能力进行了调研和评价，试根据调研结果中较为重要的11个评价指标的数据，并结合离散Hopfield神经网络的联想记忆能力，建立离散Hopfield高校科研能力评价模型。 第11章 连续Hopfield神经网络的优化——旅行商问题优化计算100 现对于一个城市数量为10的TSP问题，要求设计一个可以对其进行组合优化的连续型Hopfield神经网络模型，利用该模型可以快速地找到最优（或近似最优）的一条路线。 第12章 SVM的数据分类预测——意大利葡萄酒种类识别112 将这178个样本的50%做为训练集,另50%做为测试集,用训练集对SVM进行训练可以得到分类模型,再用得到的模型对测试集进行类别标签预测。 第13章 SVM的参数优化——如何更好的提升分类器的性能122 本章要解决的问题就是仅仅利用训练集找到分类的最佳参数，不但能够高准确率的预测训练集而且要合理的预测测试集，使得测试集的分类准确率也维持在一个较高水平，即使得得到的SVM分类器的学习能力和推广能力保持一个平衡，避免过学习和欠学习状况发生。 第14章 SVM的回归预测分析——上证指数开盘指数预测133 对上证指数从1990.12.20-2009.08.19每日的开盘数进行回归分析。 第15章 SVM的信息粒化时序回归预测——上证指数开盘指数变化趋势和变化空间预测141 在这个案例里面我们将利用SVM对进行模糊信息粒化后的上证每日的开盘指数进行变化趋势和变化空间的预测。 若您对此书内容有任何疑问，可以凭在线交流卡登录中文论坛与作者交流。 第16章 自组织竞争网络在模式分类中的应用——患者癌症发病预测153 本案例中给出了一个含有60个个体基因表达水平的样本。每个样本中测量了114个基因特征，其中前20个样本是癌症病人的基因表达水平的样本(其中还可能有子类), 中间的20个样本是正常人的基因表达信息样本, 余下的20个样本是待检测的样本(未知它们是否正常)。以下将设法找出癌症与正常样本在基因表达水平上的区别，建立竞争网络模型去预测待检测样本是癌症还是正常样本。 第17章SOM神经网络的数据分类——柴油机故障诊断159 本案例中给出了一个含有8个故障样本的数据集。每个故障样本中有8个特征，分别是前面提及过的：最大压力(P1)、次最大压力(P2)、波形幅度(P3)、上升沿宽度(P4)、波形宽度(P5)、最大余波的宽度(P6)、波形的面积(P7)、起喷压力(P8)，使用SOM网络进行故障诊断。 第18章Elman神经网络的数据预测——电力负荷预测模型研究170 根据负荷的历史数据，选定反馈神经网络的输入、输出节点，来反映电力系统负荷运行的内在规律，从而达到预测未来时段负荷的目的。 第19章 概率神经网络的分类预测——基于PNN的变压器故障诊断176 本案例在对油中溶解气体分析法进行深入分析后，以改良三比值法为基础，建立基于概率神经网络的故障诊断模型。 第20章 神经网络变量筛选——基于BP的神经网络变量筛选183 本例将结合BP神经网络应用平均影响值（MIV，Mean Impact Value）方法来说明如何使用神经网络来筛选变量，找到对结果有较大影响的输入项，继而实现使用神经网络进行变量筛选。 第21章 LVQ神经网络的分类——乳腺肿瘤诊断188 威斯康星大学医学院经过多年的收集和整理，建立了一个乳腺肿瘤病灶组织的细胞核显微图像数据库。数据库中包含了细胞核图像的10个量化特征（细胞核半径、质地、周长、面积、光滑性、紧密度、凹陷度、凹陷点数、对称度、断裂度），这些特征与肿瘤的性质有密切的关系。因此，需要建立一个确定的模型来描述数据库中各个量化特征与肿瘤性质的关系，从而可以根据细胞核显微图像的量化特征诊断乳腺肿瘤是良性还是恶性。 第22章 LVQ神经网络的预测——人脸朝向识别198 现采集到一组人脸朝向不同角度时的图像，图像来自不同的10个人，每人5幅图像，人脸的朝向分别为：左方、左前方、前方、右前方和右方。试创建一个LVQ神经网络，对任意给出的人脸图像进行朝向预测和识别。 第23章 小波神经网络的时间序列预测——短时交通流量预测208 根据小波神经网络原理在MATLAB环境中编程实现基于小波神经网络的短时交通流量预测。 第24章 模糊神经网络的预测算法——嘉陵江水质评价218 根据模糊神经网络原理，在MATLAB中编程实现基于模糊神经网络的水质评价算法。 第25章 广义神经网络的聚类算法——网络入侵聚类229 模糊聚类虽然能够对数据聚类挖掘，但是由于网络入侵特征数据维数较多，不同入侵类别间的数据差别较小，不少入侵模式不能被准确分类。本案例采用结合模糊聚类和广义神经网络回归的聚类算法对入侵数据进行分类。 第26章 粒子群优化算法的寻优算法——非线性函数极值寻优236 根据PSO算法原理，在MATLAB中编程实现基于PSO算法的函数极值寻优算法。 第27章 遗传算法优化计算——建模自变量降维243 在第21章中，建立模型时选用的每个样本（即病例）数据包括10个量化特征（细胞核半径、质地、周长、面积、光滑性、紧密度、凹陷度、凹陷点数、对称度、断裂度）的平均值、10个量化特征的标准差和10个量化特征的最坏值（各特征的3个最大数据的平均值）共30个数据。明显，这30个输入自变量相互之间存在一定的关系，并非相互独立的，因此，为了缩短建模时间、提高建模精度，有必要将30个输入自变量中起主要影响因素的自变量筛选出来参与最终的建模。 第28章 基于灰色神经网络的预测算法研究——订单需求预测258 根据灰色神经网络原理，在MATLAB中编程实现基于灰色神经网络的订单需求预测。 第29章 基于Kohonen网络的聚类算法——网络入侵聚类268 根据Kohonen网络原理，在MATLAB软件中编程实现基于Kohonen网络的网络入侵分类算法。 第30章 神经网络GUI的实现——基于GUI的神经网络拟合、模式识别、聚类277 为了便于使用MATLAB编程的新用户，快速地利用神经网络解决实际问题，MATLAB提供了一个基于神经网络工具箱的图形用户界面。考虑到图形用户界面带来的方便和神经网络在数据拟合、模式识别、聚类各个领域的应用，MATLAB R2009a提供了三种神经网络拟合工具箱（拟合工具箱/模式识别工具箱/聚类工具箱）。
- VSCode launch.json配置详细教程
主要介绍了vscode 的node.js debugger 的 launch.json 配置详情,本文通过实例代码给大家介绍的非常详细，对大家的学习或工作具有一定的参考借鉴价值，需要的朋友可以参考下
- Microsoft Visual C++ 2015-2019 运行库合集，包含32位64位
Microsoft Visual C++ 2015-2019 运行库合集，32位64位都有，解决缺失dll包问题。