非模式窗体中的可编辑控件无法响应LEFT、RIGHT、UP、DOWN、HOME、END、CTRL+V等按键的解决办法！ 非模式窗体由于没有自己的消息循环，造成无法响应以上按键事件，后来使用向非模式窗体添加TApplicationEvent控件...
demo1： Hook Hotkey系统热键 UnitFormMain.h private: ATOM HotKeyStart, HotKeyEnd; void __fastcall WndProc(Messages::TMessage &Message);...void __fastcall TFormMain::FormCre...
摘要：利用Delphi6自己开发的后台程序，在官方提供的SetPoint V...关键字：Delphi、Windows API、消息、钩子、四向（横向）滚轮、灵貂（多媒体）、LX5、罗技Ｌogz、热键、剪贴板、配置文件。 ██████████
您好！ 很高兴您正在使用我的作品。我选择了Borland公司的产品Delphi ，“NotePad 2003”是我用Delphi编制的一个Windows下的字处理应用程序。目前NotePad 2003 是Delphi的1.0版，它完全可以替代Windows自带的...
通过COM接口调用远程桌面，将... 一、主程序： unit uMain; interface ... Winapi.Windows, Winapi.Messages, System.SysUtils, System.Variants, System.Classes, Vcl.Graphics, Vcl.Controls, Vcl.Forms, Vcl....
1TColor中支持的颜色常量（unit Graphics）： ...
WebBrowser 操作记要 ...WebBrowser1.GoHome; //到浏览器默认主页 WebBrowser1.Refresh; //刷新 WebBrowser1.GoBack; //后退 WebBrowser1.GoForward; //前进 WebBrowser1.Navigate('...'); //打开指定页面 ...
列表的操作ListBox1.Items.LoadFromFile(ExtractFilePath(Application.ExeName)+aaa.txt);ListBox1.Items.Add(Edit1.Text); //添加了一个项目ListBox1.Items.SaveToFile(ExtractFilePath(Application.ExeName)+aaa....
从大禹治水看构件与集成 大禹治水 在远古的尧、舜时代，黄河流域经常发生了大水灾，洪水横流，五谷不收，家破人亡。所以尧派鲧去治水，鲧沿用了过去的传统法子，水来土挡，用土筑堤，堵塞漏洞。...
先人的DELPHI基础开发技巧导读： 关键字 先人的DELPHI基础开发技巧 出处 ◇[DELPHI]网络邻居复制文件 uses shellapi; copyfile(pchar(newfile.txt),pchar(//computername/direction/targer.txt),false);...
◇[DELPHI]网络邻居复制文件 uses shellapi; copyfile(pchar(newfile.txt),pchar(//computername/direction/targer.txt),false); ◇[DELPHI]产生鼠标拖动效果 通过MouseMove事件、DragOver事件、EndDrag事件实现...
摘自http://www.zahui.com/html/2/5733.htm◇[DELPHI]网络...copyfile(pchar(newfile.txt),pchar(//computername/direction/targer.txt),false);◇[DELPHI]产生鼠标拖动效果通过MouseMove事件、DragOver事件、EndDrag
◇[DELPHI]网络邻居复制文件uses shellapi;copyfile(pchar(newfile.txt),pchar(//computername/direction/targer.txt),false);◇[DELPHI]产生鼠标拖动效果通过MouseMove事件、DragOver事件、EndDrag事件实现，例如在...
? ◇[DELPHI]网络邻居复制文件uses shellapi;copyfile(pchar(newfile.txt),pchar(//computername/direction/targer.txt),false);◇[DELPHI]产生鼠标拖动效果通过MouseMove事件、DragOver事件、EndDrag事件实现，例如...
◇[DELPHI]网络邻居复制文件uses shellapi;copyfile(pchar(newfile.txt),pchar(//computername/direction/targer.txt),false);◇[DELPHI]产生鼠标拖动效果通过MouseMove事件、DragOver事件、EndDrag事件实现，例如在...
◇[DELPHI]网络邻居复制文件uses shellapi;copyfile(pchar(newfile.txt),pchar(//computername/direction/targer.txt),false);◇[DELPHI]产生鼠标拖动效果通过MouseMove事件、DragOver事件、EndDrag事件实现，例如在...
课程模仿现有一款人气较高的飞行射击类游戏进行同步学习设计，采用标准C++以及OpenGL ES2.0可编程管线技术进行开发设计，课程详细的介绍了一款游戏的制作过程，以及编码过程，从设计到编码，到完成交付，三维立体的展示一款游戏的开发过程，设计细节，实现细节，在实战中学习，结合理论讲解，使得学员能在实战中得到锻炼，积累经验，升华自己。 完成一款飞行射击类游戏，通过实战，掌握一款射击类游戏的组成，掌握OpenGL ES2.0可编程管线技术。
共三个文件，其中前两个为 MATLAB R2019b 软件安装包的分卷压缩文件，将两个压缩包下载至同一个文件目录下随意解压一个即可；第三个为软件jihuo所需要的文件。
深入浅出Lua学习 深入浅出Lua学习
tipdm_C_CarsAnalysis_src 泰迪杯C组题答题原始代码 这个原始码为参赛者时做数据分析使用，由于其仅作为工具使用，并且加之时间缩短，所以没有做过多的性能优化。 日后会抽空改进算法，转化为效率。
在企业级项目开发中一个非常重要的设计就是如何有效地管理内存资源。在C语言中，关于内存管理的知识点比较多，如函数变量、作用域、指针、堆 、栈、 常量区、全局静态区、要想真正掌握和理解C语言，就必须先精通C语言内存管理机制。 黄老师精选内存相关知识点，循序渐进，最后以一个复杂的内存池设计实现贯穿对整个课程知识要点，让学员真正透彻理解C语言内存管理！
资源说明： 数据集主要包括6类图片：硬纸板、纸、塑料瓶、玻璃瓶、铜制品、不可回收垃圾 代码运行说明： 1、 安装运行项目所需的python模块，包括tensorflow | numpy | keras | cv2 2、 train.py用于训练垃圾分类模型，由于训练的数据量过于庞大，因此不一并上传 3、 predict.py用于预测垃圾的类别，首先运行predict.py，然后输入需要预测的文件路径，即可得到结果。
《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）
酒店管理系统分为前台和后台两个部分，其中后台供管理员管理系统之用，包括客房类型设置模块、客房设置模块以及操作员设置三个子模块，具体的功能模块如下。
客房类型设置模块：该模块用来管理酒店的所有客房类型，包括新增客房类型、编辑已有客房类型、删除客房类型等功能。
客房设置模块：该模块用来管理酒店的所有客房信息，包括新增客房、编辑已有客房、删除客房等功能。
操作员设置模块：该模块用来管理酒店的操作员信息，包括新增操作员、编辑已有操作员信息、删除操作信息等功能。
系统前台供酒店所有工作人员使用，包括入住登记模块、结账模块、预定模块、客户管理模块以及业务统计五个模块。具体的功能模块如下。
入住登记模块：该模块用来登记客户的入住信息，其中入住信息包括登记信息、客人信息以及费用信息三部分。
结账模块：该模块用来处理客户的退房信息，只需要知道客户所住的房间号码，就能进行退房结账。
预定模块：该模块用来处理客户的预定信息，除了可以新增预定信息外，还可以对已有的预定信息进行管理。
客户管理模块：该模块用来管理客户的登记信息，包括新增客户信息、编译已有客户信息、删除客户信息等功能。
业务统计模块：该模块用来统计酒店的客房出租率，并且已图形报表的形式来显示出租率信息。
本系统的开发工具具体如下。
系统开发平台：MyEclipse 6.5。
数据库管理系统软件：MySQL 5.0。
java开发包：JDK 5.0以上。
Web服务器：Tomcat 6.0。
本系统采用MVC架构模式开发，具体技术如下。
AJAX框架：使用ExtJS技术开发
显示层：使用JSP技术开发
数据访问层：使用DAO模式开发
持久层：使用Hibernate框架开发
首页访问地址 ：http://localhost:8080/JavaPrj_9/首页配置 页面 修改 打开web.xml
修改 即可
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）
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）。
本套Java视频完全针对初级学员，课堂实录，自发布以来，好评如潮！Java视频中注重与学生互动，讲授幽默诙谐、细致入微，覆盖Java基础所有核心知识点，同类Java视频中也是代码量大、案例多、实战性强的。同时，本Java视频教程注重技术原理剖析，深入JDK源码，辅以代码实战贯穿始终，用实践驱动理论，并辅以必要的代码练习。 通过20的课程学习，使学员掌握java核心语法、面向对象思想编程、异常处理、IO流、集合类、多线程、网络编程等。
介绍R语言的绘图基础，如固有颜色、RGB取色、主题调色板介绍，文字字体、颜色、大小等参数详解，点样式、颜色、大小等参数详解，线条样式、颜色、粗细等参数详解；详细介绍R低级绘图函数：标题、图例、坐标轴、网格线、点、线等；后介绍了R绘图函数：散点图、线图、箱线图、散点图矩阵、气泡图等。 通过此课程，了解R语言的绘图基础，熟练运用R低级绘图函数，熟练运用R高级绘图函数绘制图形
