保证服务器、客户机用户名及密码一致，服务器端可以不使用这个用户登录，客户端必须以此用户登录。可使用“运行”程序，直接输入IP地址，如\\192.168.5.45直接登录服务器，目的是在服务器的某系统文件当中记录当前...
Server端必须先安装好Excel 2010 开启Microsoft管理控制台（执行 - >输入 mmc-32 / mmc-64） //端看是32bit 还是 64bit 的元件 档案 - >新增嵌入式管理单元 - >选择“元件服务” 主控台根目录 - >...
：无法在服务器上启动调试(Unable to start debugging on the Web server)原因1：IIS的应用程序设置并没有使用集成windows认证，打开windows集成认证选项原因2：检查IIS中的"保持HTTP连接"选项，确保该选项为选中...
1、 大家知道目前流行的分布式核心技术主要有三种（也即三种组件模型）：微软的DCOM/COM+、OMG的CORBA、SUN的EJB。Borland公司的透明中介引擎MIDAS（BCB6以后改名为DataSnap）可以使用的通讯协议有以下几种：...
分布式组件对象Distribute Component Object Model(DCOM)的配置 上海博达数据通信有限公司 VOIP项目部 龚超一． 进程内组件（DLL）的配置1） 组件端(Component)或服务器端(Server)的配置(远程)
Java基础部分 基础部分的顺序：基本语法，类相关的语法，内部类的语法，继承相关的语法，异常的语法，线程的语法，集合的语法，io的语法，虚拟机方面的语法。 1、一个".java"源文件中是否可以包括多个类（不是内部...
<!--google_ad_client = "pub-2947489232296736";/* 728x15, 创建于 08-4-23MSDN */google_ad_slot = "3624277373";google_ad_width = 728;google_ad_height = 15;//--><script type="text/javascript"
win2003 服务器设置 完全版 作者：冰盾防火墙 网站：www.bingdun.com 日期：2014-08-29 第一步： 一、先关闭不需要的端口 我比较小心，先关了端口。只开了3389 21 80 1433（MYSQL）有些...
Java就业面试问题汇总
基于其宣传的“安全中心”等功能，本人于近期对两台计算机进实施了升级。正当升级后的新鲜感尚未完全消失时，麻烦来了。我以前开发的ＤＯＣＭ远程查询系统跑不动了，每当客户端要访问服务端时，ＤＣＯＭ安全
计算机"端口"是英文port的译义，可以认为是计算机与外界通讯交流的出口。其中硬件领域的端口又称接口，如：USB端口、串行端口等。软件领域的端口一般指网络中面向连接服务和无连接服务的通信协议端口，是一种抽象的...
目录1. Java 基础部分 101、一个".java"源文件中是否可以包括多个类（不是内部类）？有什么限制？ 102、Java 有没有goto? 103、说说&和&... 104、在 JAVA 中如何跳出当前的多重嵌套循环...
WEB 服务器软件配置和安全配置方案转自：http://blog.dic123.com/article.asp?id=190一、系统的安装 １、按照Windows2003安装光盘的提示安装，默认情况下2003没有把IIS6.0安装在系统里面。２、IIS6.0的安装 开始...
1、面向对象的特征有哪些方面(1)抽象：抽象就是忽略一个主题中与当前目标无关的那些方面，以便更充分地注意与当前目标有关的方面。抽象并不打算了解全部问题，而只是选择其中的一...
装sql、serv-U、McAfee ，打补丁 <br />基本设置1.禁用的4个服务：Help and Support、Print Spooler、Server、Workstation。 2.删除所有盘符的默认共享、清除除administrators和SYSTEM组外的所有...
cmd命令 路由tsadmin.exe Administrator 终端服务管理器 (XP不可用)tscon.exe 粘贴用户会话到终端对话tsdiscon.exe 断开终端服务的用户tskill.exe 杀掉终端服务tsprof.exe 用终端服务得出查询结果tsshutdn.exe 关闭...
题外话：这几篇是很早以前写的了，写的不好，先发上来给大家看看 开发一个基于DCOM的局域网聊天室 关键词：Delphi / 接口 / OLE&COM&DCOM / Win32 在前面的几篇文章中我们已经探讨了不少基于微软COM的...
目录 内存调优 一、通用优化 二、堆内存调优涉及参数 三、非堆内存调优涉及参数 GC调优 一、通用调优参数 二、垃圾收集器的组合策略 三、各垃圾收集器调优 1. Serial收集器 ...3.自旋锁...
用.net做B/S结构的系统，您是用几层结构来开发，每一层之间的关系以及为什么要这样分层？ 答： 从下至上分别为：数据访问层、业务逻辑层（又或成为领域层）、表示层 数据访问层：有时候也称为是持久层，其...
2019独角兽企业重金招聘Python工程师标准>>> ...
用.net做B/S结构的系统，您是用几层结构来开发，每一层之间的关系以及为什么要这样分层？答： 从下至上分别为：数据访问层、业务逻辑层（又或成为领域层）、表示层数据访问层：有时候也称为是持久层，其功能主要是...
有感:应聘Java笔试时可能出现问题及其答案前段时间因为要参加一个笔试，在准备期间在网上找到了两条关于笔试题目的文章，其中一篇为<<有感:应聘Java笔试时可能出现问题>>，还有一篇忘了...
opc服务器机器windows7旗舰版，IP 192.168.100.51，opc server软件KEPServerEx 4.5 opc客户端机器windows7旗舰版，IP192.168.100.52，opc client软件 SMSAlarm 7.23 opc组件OPC Core Components Redistributable ...
恭喜，你的机器没有任何问题。 2短：常规错误，请进入CMOS Setup，重新设置不正确的选项。 1长1短：内存或主板出错。换一条内存试试，若还是不行，只好更换主板。 1长2短：显示器或显示卡错误。 1长3短：键盘...
1、一个".java"源文件中是否可以包括多个类（不是内部类）？有什么限制？ 可以有多个类，但只能有一个public的类，并且public的类名必须与文件名相一致。 2、Java有没有goto? java中的保留字，现在没有在java中...
说明，为了减轻大家的负担和节省大家的时间，一些过时知识点和被笔试概率极低的题目不再被收录和分析。 回答问题的思路：先正面叙述一些基本的核心知识，然后描述一些特殊的东西，最后再来一些锦上添花的东西。要...
2021华中杯第一问配套思路，内涵第一问处理后的可读数据，输出结果，可视化图片，RGB转换函数。（R语言代码） 声明：只可自己使用，不可商用。违者必究。 具体思路见：https://tjxwz.blog.csdn.net/article/details/116310441
【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）。
全面介绍ArcGIS for JavaScript 开发 让大家学会ArcGIS for JavaScript 开发
不管是html／css，还是bootstrap，这些是让你能够设计网页的。然而网站大部分是动态的，需要持续的更新和维护，所以只是网页是无法实现动态网站的，我们需要把这些静态的网页和我们的数据库建立连接。使用wordpress制作的网站，模板就是连接前端网页和数据库的桥梁，所以这套视频我们就是教你学会模板制作的。 掌握wordpress模板结构，把之前制作的网页制作为一个wordpress模板
