社区
非技术版
帖子详情
嵌套报表数据窗口的主表与嵌套表之间如何实现关联
superboy_11
2002-01-22 03:26:35
各位高手,小弟有一问题如下:
我用PB7做旬报时,建立两张表一张为旬报表头信息为:旬报名、单位名、旬报日期、
制表人、备注。另一张为旬报名、单位名、旬报日期、数据1、数据2。
以第一张为基本表,第二张表为嵌套表。两张表之间以“旬报名、单位名、旬报日期”字段建立了联系。
请问如何设立条件,当有数据是一条表头信息可以对应若干天的数据。
另外,建立了嵌套报表后为何整个数据窗口外部有兰色边框,不能调整?
...全文
145
2
打赏
收藏
嵌套报表数据窗口的主表与嵌套表之间如何实现关联
各位高手,小弟有一问题如下: 我用PB7做旬报时,建立两张表一张为旬报表头信息为:旬报名、单位名、旬报日期、 制表人、备注。另一张为旬报名、单位名、旬报日期、数据1、数据2。 以第一张为基本表,第二张表为嵌套表。两张表之间以“旬报名、单位名、旬报日期”字段建立了联系。 请问如何设立条件,当有数据是一条表头信息可以对应若干天的数据。 另外,建立了嵌套报表后为何整个数据窗口外部有兰色边框,不能调整?
复制链接
扫一扫
分享
转发到动态
举报
写回复
配置赞助广告
用AI写文章
2 条
回复
切换为时间正序
请发表友善的回复…
发表回复
打赏红包
superboy_11
2002-01-22
打赏
举报
回复
我的做法是
建立具体数据表d_2 表的类型为 freeform 数据原为QUIK SELECT
表头信息表d_1 表的类型为 freeform 数据原为SQL SELECT 条件为
ELECT DISTINCT xunbao.class,
xunbao.factoryname,
xunbao.tablemaker,
xunbao.checker,
xunbao.tablemakedate,
xunbao.number,
xunbao.memo
FROM xunbao,
watertotal_new
WHERE ( watertotal_new.yearnow = xunbao.yearnow ) and
( watertotal_new.monthnow = xunbao.monthnow ) and
( watertotal_new.xunnow = xunbao.xunnow ) and
( watertotal_new.class = xunbao.class ) and
( watertotal_new.factoryname = xunbao.factoryname )
后将d_2 嵌套到d_1中,在d_1中就不知如何关联,是利用数据窗口中的SQL项吗?以上那个环节有问题?
数据窗口d_2的大小如何调整,请你执教谢谢
fzymr
2002-01-22
打赏
举报
回复
关联旬表名、单位
蓝色边框与被嵌套的数据窗口大小有关
sql count用法_为你呈上四千字长文笔记,SQL 进阶要点总结
本文深入探讨了SQL中的CASE
表
达式、自连接、三值逻辑、HAVING子句等高级技巧的应用,解析了如何优化性能及进行集合运算,适用于希望提高SQL技能的专业人士。
YOLO算法户外草地垃圾清理塑料瓶目标检测
数据
集-782张-标注类别为塑料瓶.zip
【注:该页面底部资源详情处,可查看
数据
集可视化效果】 1. YOLO目标检测
数据
集, 适用于YOLOV5、yolov7,yolov8, yolov11, yolov13, yolo26等系列算法,含标签,已标注好,可以直接用来训练; 2. 内置data.yaml
数据
集配置文件,已经划分好了训练集、验证集等; 3.
数据
集和模型具体情况可参考 https://blog.csdn.net/zhiqingAI/article/details/124230743?spm=1001.2014.3001.5502
项目需求.pdf
项目需求.pdf
chromedriver-mac-x64-150.0.7871.13(Beta).zip
chromedriver-mac-x64-150.0.7871.13(Beta).zip
基于加权稀疏矩阵恢复与加速交替方向乘子法的单通道盲解混响算法(Matlab代码
实现
)
内容概要:本文提出了一种基于加权稀疏矩阵恢复与加速交替方向乘子法(ADMM)的单通道盲解混响算法,并提供了完整的Matlab代码
实现
。该方法旨在从仅有的单路接收信号中有效分离出原始声源信号,克服传统多通道方法对硬件的依赖。核心技术结合了信号在时频域的稀疏性先验,通过构建加权机制以增强稀疏矩阵恢复的准确性,并引入加速ADMM算法来优化求解过程,显著提升了算法的收敛速度与计算效率。该算法特别适用于麦克风阵列受限或无法部署的复杂声学环境,能够有效抑制混响干扰,从而显著提升语音信号的清晰度与后续语音识别系统的性能。; 适合人群:具备扎实的数字信号处理、凸优化理论及稀疏
表
示基础,从事音频信号处理、语音增强、盲源分离或相关领域研究与开发工作的研究生、科研人员及工程技术人员。; 使用场景及目标:①解决单麦克风场景下的语音混响去除难题,提升语音通信质量;②应用于智能助听器、车载语音系统、远程视频会议、人机交互等存在严重混响的实际应用场景;③为盲解卷积、稀疏信号恢复等领域的研究提供一种高效的算法
实现
范例与优化思路。; 阅读建议:建议读者在深入理解信号稀疏性、ADMM优化框架等理论基础上,结合所提供的Matlab代码进行实践,重点分析加权策略的设计原理及其对恢复性能的影响,并通过调整正则化参数、权重因子等关键变量,探究其在不同混响强度和噪声条件下的鲁棒性与泛化能力。
非技术版
401
社区成员
11,494
社区内容
发帖
与我相关
我的任务
非技术版
PowerBuilder 非技术版
复制链接
扫一扫
分享
社区描述
PowerBuilder 非技术版
社区管理员
加入社区
获取链接或二维码
近7日
近30日
至今
加载中
查看更多榜单
社区公告
暂无公告
试试用AI创作助手写篇文章吧
+ 用AI写文章