用VB怎样得到金碟软件的数据库(就是一个连接),然后往里写数据!第一个答对全分!

huangjianyou 2003-05-11 03:47:09
想把另一个考勤数据放进去金碟软件的工资里,怎样才能够啊?
...全文
173 14 打赏 收藏 转发到动态 举报
写回复
用AI写文章
14 条回复
切换为时间正序
请发表友善的回复…
发表回复
huangjianyou 2003-05-14
  • 打赏
  • 举报
回复
结贴,没有得到太满意的答复,不能全给一个人分,不过abeginner的建议是最好的。
hsn1982 2003-05-13
  • 打赏
  • 举报
回复
如果没有得到金碟的许可,这样做是非法的。
还是建议楼主与金碟联系
huangjianyou 2003-05-13
  • 打赏
  • 举报
回复
还有谁知啊?告诉我好吗?快结帖了。找不得答案也得结帖。
huangjianyou 2003-05-12
  • 打赏
  • 举报
回复
abeginner,你是用什么破解软件的?告诉我好吗?
bingxuehuiren 2003-05-11
  • 打赏
  • 举报
回复
用友原来也是ACCESS后来升级成了SQL.你查一下就应该道是什么库了呀.
bingxuehuiren 2003-05-11
  • 打赏
  • 举报
回复
这个就没用友好了,用友的库我们可以随时改,随便改.当然只要不改错了.
一年级小学生 2003-05-11
  • 打赏
  • 举报
回复
这个我知道阿。金蝶用的是ACCESS数据库,只是把MDB改了名字而已。我曾经用破解工具把它的库打开了。
huangjianyou 2003-05-11
  • 打赏
  • 举报
回复
不是SQL SERVER吧,我安装了这个软件,SQL SERVER我也会,应该不是。谁知道是什么数据库啊?
lihonggen0 2003-05-11
  • 打赏
  • 举报
回复
我见过的金碟软件的数据库是SQL SERVER的,

你可以在SQL SERVER上创建用户,必须用户名、密码正确才能连接
huangjianyou 2003-05-11
  • 打赏
  • 举报
回复
就是不知它用什么数据库才问你们大侠啊,知道就不用问了。我不想联系金碟,你们有谁知道怎样连接数据就告诉我吧,我等着呢。
hsn1982 2003-05-11
  • 打赏
  • 举报
回复
首先要知道它是用的什么数剧库,还要知道用户名及密码。
这样可能就行了。
我没用过金碟软件,不是很清楚它是用什么库的。如果楼主有这需要,可以与金碟客服联系下。
huangjianyou 2003-05-11
  • 打赏
  • 举报
回复
有数据库登陆密码又怎样连接啊?
自由之眼 2003-05-11
  • 打赏
  • 举报
回复
同意楼上。
确实,金碟软件的数据库是加密的,除非你有破解工具。或者向金碟索要数据库登陆用户密码。否则...,好像不行了。
hsn1982 2003-05-11
  • 打赏
  • 举报
回复
如果你是金碟软件的注册用户,可以要求金碟软件帮你这个忙。但是可能要收费。
金碟软件的数剧库是有用户密码的,一般是没法连上的。除非金碟软件为你提供了接口。
内容概要:本文围绕“阶梯碳下考虑P2G-CCS与供需灵活响应的IES优化调度”展开,基于Matlab平台构建综合能源系统(IES)在阶梯式碳交易机制下的优化调度模型。研究深度融合电制气(P2G)与碳捕集、利用与封存(CCS)技术,结合需求侧灵活响应机制,旨在提升系统的低碳运行能力与经济性。通过建立多能流耦合的优化模型,协调电力、天然气、热力等多种能源形式的协同调度,有效降低系统碳排放强度,并借助YALIMIP工具包调用求解器进行高效求解。文档提供了完整的代码实现、模型构建流程与结果分析方法,涵盖从问题建模到仿真实现的全过程,具备较强的可复现性与科研参考价值。; 适合人群:具备电力系统、能源系统或优化建模相关背景的研究生、高校教师及工程技术人员,尤其适合从事综合能源系统、碳减排策略、P2G与CCS技术集成研究的专业人员,需熟练掌握Matlab编程与基本的数学规划知识。; 使用场景及目标:①用于研究阶梯式碳交易政策下综合能源系统的低碳经济调度策略;②支撑P2G-CCS技术与需求响应机制在IES中的仿真集成与性能评估;③作为撰高水平学术论文(如EI/SCI收录)的技术基础与复现资源,推动碳中和背景下能源系统优化方向的创新研究。; 阅读建议:建议结合百度网盘提供的完整代码与资料包,按照模块逐步调试程序,重点理解目标函数的设计逻辑、碳交易成本的建模方式、约束条件的数学表达及求解器的配置方法,同时关注多能耦合设备的建模细节,配合公众号“荔枝科研社”获取持续的技术支持与案例拓展。
内容概要:本文系统研究了基于卷积神经网络(CNN)与支持向量机(SVM)融合的CNN-SVM混合模型在数据分类预测中的应用,尤其聚焦于工业故障识别领域。通过Matlab平台实现,该方法首先利用CNN强大的多层次特征提取能力对原始输入数据进行深度特征学习,自动捕获关键局部模式与空间结构信息,随后将提取的高层特征作为输入传递至SVM分类器,借助SVM在高维空间中小样本条件下卓越的分类性能与泛化能力完成最终判别任务。文中详尽阐述了模型的整体架构设计、网络参数配置、训练优化流程及特征迁移机制,充分结合了深度学习在特征表达上的优势与传统机器学习在分类决策上的稳健性。实验部分通过实际故障数据集验证了该混合模型相较于单一CNN或SVM模型在分类准确率、鲁棒性和抗过拟合能力方面的显著提升,证明了其在复杂故障诊断任务中的有效性与先进性; 适合人群:具备一定机器学习与深度学习理论基础,熟悉Matlab编程环境,从事故障诊断、模式识别、智能制造、电力系统监控或工业数据分析等相关领域的研究生、科研人员及工程技术开发者; 使用场景及目标:① 应用于旋转机械、电力设备、航空航天等领域的多类别故障识别与状态监测;② 掌握深度特征提取与传统分类器融合的技术路径,提升小样本、高噪声环境下数据分类的精度与可靠性;③ 为撰高水平学术论文、开展科研项目或工程实践提供可复现的算法框架与完整代码支持; 阅读建议:读者应深入理解CNN与SVM的协同工作机制,重点分析特征提取层与分类层之间的接口设计,建议动手运行并调试所提供的Matlab代码,尝试在不同数据集上进行迁移实验与参数调优,以全面掌握该混合模型的应用技巧与优化策略。

7,789

社区成员

发帖
与我相关
我的任务
社区描述
VB 基础类
社区管理员
  • VB基础类社区
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告
暂无公告

试试用AI创作助手写篇文章吧