Industry表 无限分级
//表结构: ID Name ParentID IsRoot
//如果用类表示如下:
public class Industry
{
public string ID{get;set;}
public string Name{get;set;}
// 关键是如何关联
//该怎么写关联 [global::System.Data.Linq.Mapping.AssociationAttribute()]
public Industry Parent{get;set;}
//该怎么写关联
public EntitySet<Industry> Childs{get;set;}
}
/*
Linq to sql 该怎么做?
还是Linq to sql 不能这么做? 还是有什么其他的办法?
求教...!
Linq to sql 没用过.........都是用ado.net............Linq to sql 用的不顺手啊,都是自己摸,有些实在是摸不出来啊!
*/
using System;
using System.Collections.Generic;
using System.ComponentModel;
using System.Data;
using System.Drawing;
using System.Linq;
using System.Text;
using System.Windows.Forms;
namespace WindowsFormsApplication1
{
public partial class Form1 : Form
{
DataClasses1DataContext dataContext = new DataClasses1DataContext();
public Form1()
{
InitializeComponent();
addTree(0, (TreeNode)null);
treeView1.ExpandAll();
}
public void addTree(int parentID, TreeNode pNode)
{
IQueryable<tree> query = from q in dataContext.tree where q.parentid == parentID select q;
foreach (var g in query)
{
TreeNode treeNode = new TreeNode();
if (pNode == null)
{
treeNode.Text = g.nodeid.ToString();
treeNode.Name = g.nodeid.ToString();
treeView1.Nodes.Add(treeNode);
addTree(Int32.Parse(g.nodeid.ToString()), treeNode);//递归
}
else
{
treeNode.Text = g.nodeid.ToString();
treeNode.Name = g.nodeid.ToString();
pNode.Nodes.Add(treeNode);
addTree(Int32.Parse(g.nodeid.ToString()), treeNode);//递归
}
}
}
}
}
//谢谢给代码,但是这个不是我想要的...我的要求不只是显示在treeview
//我要返回的就是一个Industry对象
DataClasses1DataContext dc= new DataClasses1DataContext();
Industry industry = dc.Industry.SingleOrDefault(d => d.ID.Equals("001")) // 给他一个ID,返回一个Industry
industry.Parent.Name //能够获取到他的父行业
industry.Childs //能够获取到他的子行业
//用Linq to sql 的应该知道,延时加载,关键是属性[Parent,Childs]不知道怎么关联,当调用到Parent和Childs时候,自动去查询数据库,而不要重新写代码判断.
//估计Linq to Sql 不支持一个表这种关联的功能吧
有没有人知道啦
Linq To Sql 如何实现这样一个Industry类:
public class Industry
{
public string ID{get;set;}
public string Name{get;set;}
// 关键是如何关联
//该怎么写关联 [global::System.Data.Linq.Mapping.AssociationAttribute()]
public Industry Parent{get;set;}
//该怎么写关联
public EntitySet<Industry> Childs{get;set;}
}
public class Industry
{
private static PropertyChangingEventArgs emptyChangingEventArgs = new PropertyChangingEventArgs(String.Empty);
public event PropertyChangingEventHandler PropertyChanging;
partial void OnCreated();
public Industry()
{
//
// Summary:
// Initializes a new instance of the System.Data.Linq.EntitySet<TEntity> class
// while supplying handlers for add and remove operations.
//
// Parameters:
// onAdd:
// Delegate for System.Data.Linq.EntitySet<TEntity>.Add(TEntity).
//
// onRemove:
// Delegate for System.Data.Linq.EntitySet<TEntity>.Remove(TEntity).
this._Items = new EntitySet<Industry>(new Action<Industry>(this.attach_Industrys), new Action<Industry>(this.detach_Industrys));
OnCreated();
}
public string ID{get;set;}
public string Name{get;set;}
//该怎么写关联 [global::System.Data.Linq.Mapping.AssociationAttribute()]
public Industry Parent{get;set;}
//该怎么写关联
public List<Industry> Childs{get;set;}
protected virtual void SendPropertyChanging()
{
if ((this.PropertyChanging != null))
{
this.PropertyChanging(this, emptyChangingEventArgs);
}
}
private void attach_Industrys(Industry entity)
{
this.SendPropertyChanging();
entity.Parent = this;
}
private void detach_Industrys(Industry entity)
{
this.SendPropertyChanging();
entity.Parent = null;
}
}
前几天看了老赵的Translate方式解决多表关联后产生实体类型问题，但多数据量时还是不太妥当，所以最后还是用老的方法，建立一个实体类来解决这个问题 首先我让实体类和ＬＩＮＱ表类型名称一样，只是加了个后缀用来...
预览效果图： 数据库结构： id(int) classname(string) parentid(int) sort(int用于显示与排序) 1 家居 0 1 2 家电 0 2 3 沙发 1 1 4 某... 3 1 ... 10 ...红色 4 1 ...sort...
vs2008提供非常好的设计工具来进行数据库和...添加新项选择 linq to sql classes这个选项就OK了 在这之前你的vs2008应该先打开服务器对象窗口用来建立数据库链接。如果没有的话选择--视图--服务器窗口（server exp...
LINQ to SQL 是 .NET Framework 3.5 版的一个组件，提供了用于将关系数据作为对象管理的运行时基础结构。 语言集成查询 (LINQ) 是 Visual Studio 2008 和 .NET Framework 3.5 版中引入的一项创新功能，它在...
操作树的示意图： 控制器代码： using Dw.Business; using Dw.Entity; using Dw.Utilities; using System; using System.Collections.Generic; using System.Linq; using System.Text; using Syst...
1 usingSystem;2 usingSystem.Collections;3 usingSystem.Collections.Generic;4 usingSystem.Configuration;5 usingSystem.Data;6 usingSystem.Data.OleDb;7 usingSystem.Web;...9 usingSystem.Linq;...
Dataset用法实践之三 dataset与LINQ使用 csharpsamples中有各种例子，是最好的教材。 http://www.yesky.com/96/1924596_2.shtml<br /> ADO.NET是.Net FrameWork SDK中用以操作数据库的类库的总称...
using System; using System.Collections....using System.Linq; using System.Web; using System.Text; using System.Data; using System.Collections; using System.Web.UI; using
在本文开始之前，我们首先有必要了解一下什么是RSS，以及RSS的使用规则。 第一节 RSS 2.0规范 本节来源：http://blogs.law.harvard.edu/tech/rss 译文来源：...
目录(?)[+] 原文地址：... MongoDB的内部构造《MongoDB The Definitive Guide》 MongoDB的官方文档基本是how to do的介绍，而关于how it worked却少之又少，本人也刚买了《MongoDB TheDefinitive Guid
数据库设计方法和原则 11 个重要的数据库设计规则 来源: 开源中国社区 英文原文： 11 Important Database designing rules 简介 在您开始阅读这篇文章之前，我得明确地告诉您，我并不是一个数据库设计...
在本文开始之前，我们首先有必要了解一下什么是RSS，以及RSS的使用规则。 第一节 RSS 2.0规范 本节来源：http://blogs.law.harvard.edu/tech/rss 译文来源：...
https://docs.microsoft.com/zh-cn/aspnet/mvc/overview/getting-started/introduction/getting-started 开发工具：Visual Studio 2017 ...获得类型...
来源链接 ... 新手翻译,看到一些好文,将其转过来,希望能对大家起到一点点的帮助. 1,为什么我们需要动态创建菜单: ...如果我们只是需要创建一个只有几个页面的网站,那么用静态菜单就可以。 但是如果...
相关文章内容索引： ORM查询语言（OQL）简介--概念篇 ORM查询语言（OQL）简介--实例篇 ... 我们在前一篇《ORM查询语言（OQL）简介--概念篇》中了解到，SQL跟ORM的关系，ORM会自动生成SQL语句并执行，但普通的O...
asp.net 求助编辑百科名片 ...ASP 是一项微软公司的技术，是一种使嵌入网页中的脚本可由因特网服务器执行的服务器端脚本技术。 指 Active Server Pages（动态服务器页面） ，运行于 IIS 之中的程序 。...
.net 开发人员的瓶颈和职业发展 现在社会比前几年浮躁了,越来越多的人抱怨薪水低,高薪工作不好找; 诚然这有CPI的压力,可是也有很多人没有认清自己的职业发展. ...很多.net程序员个各种纠结,想拿高薪又拿不到,想...
... MongoDB的内部构造《MongoDB The Definitive Guide》 ...MongoDB的官方文档基本是how to do的介绍，而关于how it worked却少之又少，本人也刚买了《MongoDB TheDefinitive Guide》的影印版，还...
关于SQL语句 (2011-12-29) CLR的执行模型 (2011-8-1) CLR类型基础 (2011-8-15) 基元类型、引用类型和值类型 (2011-8-26) 类型和成员基础 (2011-9-18) 常量和字段 (2011-10-6) 方法 (201...
MongoDB的内部构造《MongoDB The Definitive Guide》 MongoDB的官方文档基本是how to do的介绍，而关于how it worked却少之又少，本人也刚买了《MongoDB TheDefinitive Guide》的影印版，...
【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）。
Microsoft Visual C++ 2015-2019 运行库合集，32位64位都有，解决缺失dll包问题。
首先学习Python的基础知识，然后使用Python来控制Excel，做数据处理。 Excel使用者、Python爱好者、数据处理人员、办公人员等 第1章 python基础 1.1 什么是python？ 1.2 为什么要学习用Python处理Excel表格？ 1.3 手把手教你安装python程序 1.3.1 下载python 1.3.2 安装python 1.3.3 验证是否安装成功 1.4 安装Python集成开发工具PyCharm 1.4.1 下载 1.4.2 安装 1.5 Python的输入与输出
互联网+创新创业大赛国赛金奖——“慧淬”，商业计划书 互联网+创新创业大赛国赛金奖——“慧淬”，商业计划书
Java系列技术之必学工具Maven是在JavaWeb入门课程的后续课程，也是以后课程里都要用的实用级工具，所以大家一定要学会，Maven 是目前在生产环境下多框架、多模块整合开发的项目自动化构建工具，是我们学习Java的技术人必须要学会的一个工具, 大型项目开发过程中不可或缺的重要工具。 这里将带着大家了解 Maven 的作用，常用命令，配置依赖，以及依赖的范围、依赖的传递性、依赖的排除、生命周期等重要概念，以及继承、聚合、部署的 Maven 配置。全部配置操作，手把手演示操作，绝对能提升大家的实际操作能力！
MATLAB信号处理详解 结合MATLAB最新版本系统地介绍信号处理及现代信号处理或者非平稳信号处理(包括信号处理、阵列信号处理、时频分析及高阶谱分析)的基本理论及在工程应用中的一些基本方法；详细地介绍MATlLAB工具箱函数的用法；最后结合一些应用实例，说明基于MATLAB进行分析与设计的方法。 《MATLAB信号处理》首次将信号处理涉及的各种MATLAB工具箱全面加以说明分析，简明扼要地介绍相关领域的基本概念和基本理论，重在讲述有关基本理论和物理背景，避开繁复的推导和中间过程，结合编程应用介绍工具箱函数的功能及用法，并且通过各种应用实例阐述如何利用MATLAB工具箱来解决工程应用问题。
该资源是针对这次肺炎疫情写个Python大数据分析系列博客，包括网络爬虫、可视化分析、GIS地图显示、情感分析、舆情分析、主题挖掘、威胁情报溯源、知识图谱、预测预警及AI和NLP应用等。希望该系列线上远程教学对您有所帮助，也希望早点战胜病毒，武汉加油、湖北加油、全国加油。待到疫情结束樱花盛开，这座英雄的城市等你们来。 基础性资源，希望对您有所帮助。 详见内容： [Pyhon疫情大数据分析] 三.新闻信息抓取及词云可视化、文本聚类和LDA主题模型文本挖掘 https://blog.csdn.net/Eastmount/article/details/104698926 [Pyhon疫情大数据分析] 二.PyEcharts绘制全国各地区、某省各城市疫情地图及可视化分析 https://blog.csdn.net/Eastmount/article/details/104437215 [Pyhon疫情大数据分析] 一.腾讯实时数据爬取、Matplotlib和Seaborn可视化分析全国各地区、某省各城市、新增趋势 https://blog.csdn.net/Eastmount/article/details/104298388 --------------------------------------------------------------- By：Eastmount CSDN
注重实践，剔除繁琐的理论，通过案例讲解我们常用的知识点，各个知识点之间相对独立，不用担心某一个知识点学不会而耽搁学其他的知识点。轻轻松松入门Git。 通过课程，同学们能够掌握Git的常见的基本用法
这个视频主要讲了laravel5.6版本 路由 控制器 请求响应 模型 视图 。。。太多了，详细的看目录就行了，基本上框架开发常用的功能都讲了。应该算是目前比较详细的框架教程了 学会基础的laravel框架的使用
这本面试手册包含了Java基础、Java集合、JVM、Spring、Spring Boot、Spring Cloud、Mysql、Redis、RabbitMQ、Dubbo、Netty、分布式及架构设计等方面的技术点。内容难度参差，满足初中高级Java工程师的面试需求。
