能获取选择部分的值，如何获取为选择部分的呢？
-
版主 -
String[] ids=request.getParameterValues("slcuser");
能获取选择部分的值，如何获取为选择部分的呢？展开阅读全文
-
等级
本版专家分：67868勋章
-
- 签到新秀 累计签到获取，不积跬步，无以至千里，继续坚持！
-
-
红花
2016年3月 Java大版内专家分月排行榜第一
2016年2月 Java大版内专家分月排行榜第一
2015年11月 Java大版内专家分月排行榜第一
2015年10月 Java大版内专家分月排行榜第一
2014年8月 Java大版内专家分月排行榜第一
2014年7月 Java大版内专家分月排行榜第一
2014年5月 Java大版内专家分月排行榜第一
-
-
黄花
2016年1月 Java大版内专家分月排行榜第二
2015年12月 Java大版内专家分月排行榜第二
2015年8月 Java大版内专家分月排行榜第二
2015年3月 Java大版内专家分月排行榜第二
2015年1月 Java大版内专家分月排行榜第二
2014年12月 Java大版内专家分月排行榜第二
2014年11月 Java大版内专家分月排行榜第二
2014年6月 Java大版内专家分月排行榜第二
2014年4月 Java大版内专家分月排行榜第二
2014年1月 Java大版内专家分月排行榜第二
2013年11月 Java大版内专家分月排行榜第二
-
-
蓝花
2015年9月 Java大版内专家分月排行榜第三
2015年6月 Java大版内专家分月排行榜第三
2015年5月 Java大版内专家分月排行榜第三
2015年2月 Java大版内专家分月排行榜第三
2014年3月 Java大版内专家分月排行榜第三
2013年12月 Java大版内专家分月排行榜第三
-
-
隐藏放 下拉框所有值 后台取出所有剔除 那个选中的。
-
等级
本版专家分：67868勋章
-
- 签到新秀 累计签到获取，不积跬步，无以至千里，继续坚持！
-
-
红花
2016年3月 Java大版内专家分月排行榜第一
2016年2月 Java大版内专家分月排行榜第一
2015年11月 Java大版内专家分月排行榜第一
2015年10月 Java大版内专家分月排行榜第一
2014年8月 Java大版内专家分月排行榜第一
2014年7月 Java大版内专家分月排行榜第一
2014年5月 Java大版内专家分月排行榜第一
-
-
黄花
2016年1月 Java大版内专家分月排行榜第二
2015年12月 Java大版内专家分月排行榜第二
2015年8月 Java大版内专家分月排行榜第二
2015年3月 Java大版内专家分月排行榜第二
2015年1月 Java大版内专家分月排行榜第二
2014年12月 Java大版内专家分月排行榜第二
2014年11月 Java大版内专家分月排行榜第二
2014年6月 Java大版内专家分月排行榜第二
2014年4月 Java大版内专家分月排行榜第二
2014年1月 Java大版内专家分月排行榜第二
2013年11月 Java大版内专家分月排行榜第二
-
-
蓝花
2015年9月 Java大版内专家分月排行榜第三
2015年6月 Java大版内专家分月排行榜第三
2015年5月 Java大版内专家分月排行榜第三
2015年2月 Java大版内专家分月排行榜第三
2014年3月 Java大版内专家分月排行榜第三
2013年12月 Java大版内专家分月排行榜第三
-
-
你页面显示的时候放一个隐藏的就放下拉的值，后台处理和js 没关系。
- [二]在jsp中使用foreach用于"显示复选框"，初始化下拉框、复选框、下拉复选框，获取复选框勾选的值【$.ajax...
JDK1.7+Tomcat7.0+Eclipse+SSM+Bootstrap（含Bootstrap Table） 【心情很复杂，来一首“预谋”——专为“bug与我的相互伤害”做的歌——"反正它都不...两个forEach数据遍历相同的数据在复选框打钩jsp页面复选框更...
- Struts2 表单和非表单标签
学习内容Struts 2表单标签 Struts 2非表单标签能力目标 熟练使用Struts 2表单标签开发表单 熟练使用Struts 2非表单标签 本章简介上一...非表单标签主要包含一些常用的功能标签，例如显示日期或树形菜单。熟练使用S
- JSP 三讲
教学活动首页 基本内容 第 3 章 JSP 内置对象 教学目的与要求：通过本章的学习让学生了解JSP 内置对象的基本关系；理解session对象的方法，...掌握request对象获取信息，request 对象处理汉字信息，...
- 表单与表单中的数据提取
JSP处理表单提交的数据 表单（Form）是实现...在Web程序设计中，处理表单提交的数据是获取Web数据的主要方法，今天，我们来看一看Servlet中是怎样处理来自表单的数据的。 表单数据的提交方法有两种Post...
- 集成 Jenkins 和 TestNG 实现自助式自动化测试平台
转自：... ...集成 Jenkins 和 TestNG 实现自助式自动化测试平台 ...本文介绍了如何使用 Jenkins 和 TestNG 实现满足复杂测试需求的”自助式”自动化测试平台。该方案以 Je
- Ext基础
本章简介Ext JS是用于开发 RIA （富客户端）的Ajax应用，是使用JavaScript编写的、与后台技术无关的前端Ajax框架，主要用于创建前端用户界面。...最初，Ext JS基于YUI技术，从UI界面中 CSS样式的应用到数据解析中的异常...
- 前端基础HTML和css总结
超文本标记语言，不是编程语言 软件架构： 1. C/S: Client/Server 客户端/服务器端 * 在用户本地有一个客户端程序，在远程有一个服务器端程序 * 如：QQ，迅雷… * 优点： \1.... * 缺点： ...
- 7月26日--HTML和CSS
1.html和css的关系 ...内容就是网页制作者放在页面上想要让用户浏览的信息，可以包含文字、图片、视频等。 2.CSS样式是表现。...如：鼠标滑过弹出下拉菜单。或鼠标滑过表格的背景颜色改变。还有焦
- 文章收录1
网站地图(Build090324)：(2013-8-2 15:50:47) 1. 网站地图-网站地图-网站地图-网站地图-网站地图-网站地图-网站地图-网站地图-网站地图-网站地图-@title 2. @title 3. Hive Metastore 代码简析 ...
- Ext JS+Android+SSH整合开发Web与移动SNS
本文选自《人人都玩开心网：Ext JS+Android+SSH整合开发Web与移动SNS》一书 前 言 互联网的发展，就是一个不断上演奇迹的过程。10年前就开始在Internet上流行的Web应用，在见证了一个个奇迹之后，依然作为最主流的...
- Java实现面向对象编程
抽象和封装... 10 1.1用面向对象设计电子宠物系统... 14 1.1.1为什么使用面向对象... 14 1.1.2使用面向对象进行设计... 15 1.2通过创建对象实现领养宠物功能... 17 1.2.1创建类的对象... 17 1.2.2构造方法及其...
- Java 最全面的面试题675道
2019年Java面试675道题 目录 java基础、语法 30 001_Java跨平台原理（字节码文件、虚拟机） 30 002_Java的安全性 31 003_Java三大版本 32 004_什么是JVM？什么是JDK？ 什么是JRE？...007_ i++和++i的...
- 那么试着分析下对应的VO类是否存在问题
NC技巧知识积累博客分类： 用友NC Eclipse配置管理数据结构脚本应用服务器.1、单据部分 NC开发涉及到的知识点多且琐碎，鉴于用友本身没有非常详细的文档且UAP平台本身的缺陷，造成我们开发人员经常会碰到许多...
- Java笔试题
JAVASE 部分 1、从以下选项中选择出三个正确的标识符 (Choose three)? A. IDoLikeTheLongNameClass B. $byte C. const D. _ok E. 3_case 答：ABD 2、以下哪两段代码可以正常编译通过 (Choose two)? A. ...
- JavaWeb项目笔记包括jsp的用法selevt,HTML5
-------------------《认识HTML5》----------------- 1 <>生成的快捷键 是table键 ctrl+D是直接复制一行 2 <h1>-<h6> 标题 字体由大到小 <p> 段落 <br> 换行标签 <...em...
- 2020-09-08
java web 的基础知识 Java web List item javaweb 使用Java开发基于互联网的/软件项目 软件架构 1. C/S:： Client/Server 客户端/服务器端 在用户本地有一个客户端程序，在远程你有一个服务端程序。...
- Html那些事
HTML标签 1、<!DOCTYPE> 声明位于文档中的最前面的位置，处于 <html> 标签之前。此标签可告知浏览器文档使用哪种 HTML 或 XHTML 规范。 <!DOCTYPEhtml PUBLIC"-//W3C//DTD XHTML 1.0 Strict//EN...
- JavaWeb阶段总结
文字排版类标签 标题标签：h1~h6 横线标签：hr 换行标签：br 段落标签：p 图片标签img 属性： ... alt：图片显示不出来的时候，给的文字提示信息 ...属性type：circle/square/di...
- Java面试题（一）&100家大公司java笔试题汇总
Java考试题 ... 抽象方法的body部分必须用一对大括号{ }包住 C． 声明抽象方法，大括号可有可无 D． 声明抽象方法不可写出大括号 2.如下代码 public class Test { public int aMethod() { static int i ...
- DOM编程
DOM模型和HTML元素 访问HTML元素 根据ID访问HTML元素 通过 document.getElementByID(idVal) 访问文档中id属性值为idVal的HTML元素。 <!DOCTYPE html> <html> <head> <meta ...
- NC开发笔记——二开知识点
用友集团ERP客户化开发系列丛书 NC客户化开发进阶 培训教程 ...本教程是用友软件股份有限公司内部培训资料，只限于用友公司内部开发应用，任何人未经过事先书面许可不得扩大本教程的使用范围。...版权所有?翻制必
- 面试题综合
优化数据库1.数据库查询使用索引2.查询数据不使用*,使用具体字段3.语句大写4.使用exists代替in,not exists代替not in5....gt;=代替>6.尽量使用commit,因为会释放一些资源 例如* 回滚段上用于回复的数据* 被程序...
- 100家大公司java笔试题汇总
NHN CHINA公司笔试题1．在这写代码Var array1 = [10,20];Var array2 = [8,5];Var result = array1.add(array2);Alert(result);输出结果18，25 2．...lt;...gt;...input type=”text” name=”username” value=...
- Visio_2016
visio_2016下载安装，亲测可用，不需要破解，而且无秘钥。简单方便实用
- VMware虚拟机从入门到精通
虚拟机就是一个软件，模拟一个电脑来使用。让初级的小白也能学会使用虚拟机，并且能够精通。本课程由浅入深，详细讲解了虚拟机的安装导入使用，用黑客喜欢的KALI系统进行导入演示。 帮助计算机专业学生快速掌握虚拟机的用法，帮助想学习黑客技术的同学搭建学习环境。
- 2020美赛O奖论文.zip
包含2020美赛所有题目的所有O奖论文，A题8篇，B题5篇，C题6篇，D题7篇，E题5篇，F题6篇。
- 2020年美赛C题O奖论文（含6篇）
2020年美赛C题O奖论文（含6篇）
- 奥特曼大全及关系明细.pdf
此文档有详细奥特曼大全及关系明细
- 虚幻4开发入门
UnrealEngine向来以一流效果和难以上手而著称，本课程就是帮助你跨过入门的这道门槛，能够上手掌握这个国际一流的3D引擎。 通过本课程的学习，你讲可以掌握Unreal引擎开发的基础知识，包括Unreal编辑器的基本使用，Gameplay Framework，以及C++&Blueprint;两种开发模式。
- 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）。