创建 查询 使用
继承关系等。
在DHTML中 分别是代表什么？
-
等级
本版专家分：0结帖率 96.77% -
有没有一本系统的介绍这些接口的书
创建 查询 使用
继承关系等。
在DHTML中 分别是代表什么？展开阅读全文
- 从一个窗口句柄获取IWebBrowser2和IHTMLDocument2接口
本文提供了2个接口。 测试例子：调用之前请确保打开IE浏览器，运行程序，点击第一按钮，可以改变网页背景色，点击第二个按钮可以让网页转到百度首页 已将源代码上传：免积分下载地址 ...
- IHTMLDocument2 IE浏览器编程
执行script: IHTMLDocument2 *pHTMLDocument=NULL;...(pHTMLDocument = (IHTMLDocument2*)m_Ie.get_Document())) //获取 IHTMLDocument2 的接口指针 return; CString sScript = L"window.open(\'http
- firame标签: IHTMLElement -> IHTMLFrameBase2 -> IHTMLWindow2 -> IHTMLDocument2 跨域访问
获得iframe标签的元素指针 CComPtr<IHTMLElement> spAdIframe = ... CComQIPtr<IHTMLFrameBase2> spFrameBase2 = spAdIframe;...IHTMLWindow2> spIframeWindow2 = NULL; hr = spFrameBase2-&...
- 获取IWebBrowser2指针的两种方法
在Internet Explorer编程中，获取WebBrowser指针通常是一件很重要的事情，因为有了WebBrowser指针，我们就有了对IE完整的控制权。我们就可以对IE浏览器为所欲为了，想干什么都可以。比方说获取或者设置DOM控件的...
- 利用IHTMLWindow2 的get_document 返回E_ACCESSDENIED 解决方法
获得iframe标签的元素指针 CComPtr spAdIframe = ... CComQIPtr spFrameBase2 = spAdIframe; CComPtr spIframeWindow2 = NULL; hr = spFrameBase2->get_contentWindow...由此可得到iframe元素对应的IHTMLWindow2指
- 获取IWebBrowser2指针的方法（一）
获取IWebBrowser2指针的方法
- 使用IWebBrowser2操控浏览器页面测试（IE）
测试一下在IE浏览器界面中插入代码测试，采用寻找窗口的方式获取Internet Explorer_Server句柄。 写的时候参考了很多网上的资料，有些地方不大适用就稍微修改了一下。 SendMessageTimeout函数一直无效（看...
- 递归枚举IHTMLDocument2的所有元素
void EnumHTMLDocument( MSHTML::IHTMLDocument2* pDoc ){ if( pDoc == NULL )return; //遍历搜索子框架,递归处理子框架的文档 CComPtr spFramesCollection; pDoc->get_frames( &spFramesCollection ); long lCou
- IHTMLDocument2 TO IWebBrowser2
if(NULL != pIHTMLDocument2) { IHTMLWindow2* pIHTMLWindow2 = NULL; hr = pIHTMLDocument2->get_parentWindow(&pIHTMLWindow2); if((S_OK == hr) && (NULL != pIHTMLWind...
- WTL IWebBrowser2调用网页中javascript函数
转自：http://blog.csdn.net/tujiaw/article/details/6556880 1.简单的含有js的网页： [javascript]view plaincopy <html> <head> <mce:scripttype="text/javascript">&...
- 已知IE窗口的句柄，如何由此得到IHTMLdocument2接口？
使用GetIEFromHWND，然后：IEWnd.Document as IHTMLDocument2得到IHTMLDocument2接口 p.s. IE的类名是IEFrame，在IEFrame里面查找类名为“Shell DocObject View”的句柄，然后再在该句柄中继续查找“Internet ...
- 从HWnd得到IWebbrowser2接口
程序代码IWebBrowser2[color=#0000ff]* GetIEFromHWnd(HWND hIEWindow){ HWND hWnd ; if(hIEWindow==NULL){ hWnd= FindWindow("IEFrame", NULL); if(hWnd==NULL) hWnd= FindWindow("CabinetWClass", ...
- 从HWND获取IE的IWebBrowser2接口的函数
IWebBrowser2* GetIEAppFromHWnd(HWND hIEWindow) { HWND hWnd = FindWindowEx(hIEWindow, 0, "Shell Embedding", NULL); HWND hWndChild = FindWindowEx(hWnd, 0, "Shell DocObject View", NULL); ...
- 判断IE WEBBROWSER IHTMLDocument2 是否用户正在编辑
BOOL IsActiveElementEdit(CComQIPtr& spDocument) { BOOL bEditMode = FALSE; if(spDocument) { /*BSTR p = NULL; spDocument->get_designMode(&p); CString strDesignMode = p... if(strDesignMo
- 《C语言/C++学习指南》语法篇（从入门到精通）
一门初级、从入门到精通的C语言C++语法教程，由毕业于清华大学的业内人士执课。从简单的HelloWorld入门程序，到深入的C语言C++核心概念
- 三维装箱MATLAB程序.m
三维装箱MATLAB程序.m，目前求解方法主要是近似算法。
- 第十一届蓝桥杯第二次省赛 试题C: 跑步锻炼的解答过程
第十一届蓝桥杯第二次省赛 试题C: 跑步锻炼的解答过程。不用编码，使用excel求解。里面含有思路解释和解答过程。
- Android开发10个经典案例
10个android经典案例代码，适合初学者和中级学者。
- MATLAB下料问题原创程序
绝对原创，效果非常好，所需种类55种，板子数799
- 垃圾分类数据集及代码
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。
- 计算机设计大赛作品开发文档
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）
- 利用遗传算法解决矩形排样问题，具有可视化的界面 两个
利用遗传算法解决矩形排样问题，具有可视化的界面，输入数据为含有矩形的长和宽的文本文件，输出的结果以可视化的形式显示出来
- OpenGL
课程涵盖了OpenGL开发的方方面面,对开发中经常用到的开发知识点进行讲解,从实战的角度进行编码设计. 第1章-环境建立 第2章-基础图元 第3章-三维世界 第4章-纹理多彩世界 第5章-显存的分配-优化 第6章-场景控制 第7章-光照-真实世界 第8章-模型 第9章-UI制作 第10章-场景编辑器制作 第11章-地形 第12章-脚本引入-lua 教程从最最本的固定管线开始,一节课一个知识点,从实战的角度出发,结合项目开发中经常用到的知识点作深入的讲解,以面向对象的编成方式对知识点进行封装,可以直接引入到项目中使用.通过课程的学习,掌握OpenGL图形编程技巧,并能学以致用.
- 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）。
- 软考中级网络工程师复习资料.rar
0.网络工程师考试知识点[必考知识点]--必看 1.网络工程师考试常用计算公式汇总--必看 2.软考网络工程师必过教程---必看 3.软考网络工程师历年知识点总结(结合历年来真题内容总结) 4.软考网络工程师协议和名称---必看 5.网络工程师复习(背熟必过秘籍)---必看 6.网工上午经典考题汇总---必记 ………………共12份笔记，内容覆盖所有考点
- 从零基础开始用Python处理Excel数据.pdf
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
- 蓝桥杯嵌入式历届客观题总结
发现博客上大多是蓝桥杯主观题的介绍，很少有客观题的总结，这里汇总了历届客观题目，省赛加国赛，希望对大家有帮助。
- OLED显示温度和时间-STM32F103C8T6（完整程序工程+原理图+相关资料）.zip
OLED 屏幕显示时间，温度。时间可以校准，屏幕通过取模，可以显示汉字。