小虾VC请教

hubert1982 2005-07-19 10:04:35
小弟最近接到一个语音卡的二次开发项目，目前的任务就是要做一个“客户服务软件系统”，像1860那种，用户呼入电话后进入IVR呼叫中心，然后语音播放“欢迎致电**公司，语言选择……”，中间还要连接到数据库，因为系统不涉及到窗口，所以我不知道新建工程时应该是Win32 Applicaion还是Win32 Console Application，或者别的？
...全文
103 8 打赏 收藏 转发到动态 举报
写回复
用AI写文章
8 条回复
切换为时间正序
请发表友善的回复…
发表回复
FatSpiders 2005-07-19
  • 打赏
  • 举报
 回复
支持楼上的。
UP。
还是用Win32 Applicaion
oyljerry 2005-07-19
  • 打赏
  • 举报
 回复
就建Win32 Applicaion好了
LZDGDX 2005-07-19
  • 打赏
  • 举报
 回复
接分，呵呵。
顺便讨论一下
vc里建立的不同工程类型都适用于什么场合呢？
菲斯可儿 2005-07-19
  • 打赏
  • 举报
 回复
有窗口处理消息会方便些，也容易观察程序的运行情况是否正常。
thisisll 2005-07-19
  • 打赏
  • 举报
 回复
服务器端还是有窗口的好
becool3000 2005-07-19
  • 打赏
  • 举报
 回复
CSDN是不是每天还扣可用分啊?
我怎么越来越少了
郁闷!
flyelf 2005-07-19
  • 打赏
  • 举报
 回复
都可以
AntonlioX 2005-07-19
  • 打赏
  • 举报
 回复
这个无所谓的 看你的喜欢

但是 Console Application 也就是命令行程序 可以带参数 这有个好处就是可以 方便被其他的程序就用 比如创建子进行等
ACS文献导入ENDNOTE
源码下载地址： https://pan.quark.cn/s/3336791d2c74 在学术探究中，对文献进行有效管理与引用构成了核心环节。由美国化学会（ACS）出版的众多高水准期刊文献，对于科研人员而言构成了不可或缺的知识来源。ENDNOTE作为一款功能全面的文献管理工具，能够为用户带来便捷的文献整理、引用及格式化体验。本指南将系统阐释将ACS文献导入ENDNOTE的具体途径，尤其侧重于处理PDF文档的专项技巧。需深入掌握ENDNOTE X4的PDF导入机制。此版本的ENDNOTE增添了一项实用功能，即能直接从PDF全文中自动提取参考文献相关数据。这一特性显著优化了用户的工作流程，特别是对于已累积海量PDF文献的研究者而言，无需逐一手动录入文献细节，仅需完成导入操作即可。然而，必须指出的是，ENDNOTE在识别和导入文献时，主要依据PDF文档内嵌的doi（数字对象唯一标识符）。倘若缺少doi，或doi的格式存在偏差，导入的文献信息可能不完整，仅能显示文章的标题信息。一旦遭遇DOI信息缺失或无法识别的状况，可采取以下应对措施：1. 审查PDF文档中doi的呈现格式：务必确认doi信息前附有“doi:”标识，例如“doi:10.1021/ja0380852”。ENDNOTE X4在解析doi时，通常要求遵循这种特定的表达方式。倘若PDF中的doi仅以“10.1021/ja0380852”的形式展现，则可能无法实现准确导入。2. 运用Adobe Acrobat Professional进行PDF修正：若具备Adobe Acrobat Professional软件，可通过其“高级编辑”功能实施修复。详细的操作流程如下： - 启动PDF文件，进入“工具”选项卡。 - ...
HG-ha_SenseVoice-Api_1023076_1773479311154.zip
HG-ha_SenseVoice-Api_1023076_1773479311154.zip
基于视觉同步定位与建图（Visual-SLAM）算法的粒子群优化无人机路径规划研究（Matlab代码实现）
基于视觉同步定位与建图（Visual-SLAM）算法的粒子群优化无人机路径规划研究（Matlab代码实现）
zergmk2_asr_cli_1198784_1773479375409.zip
zergmk2_asr_cli_1198784_1773479375409.zip
基于核密度估计Kernel Density Estimation, KDE的数据生成方法研究（Matlab代码实现）
内容概要：本文系统研究了基于核密度估计（Kernel Density Estimation, KDE）的数据生成方法，重点探讨了KDE在概率密度函数估计中的基本原理及其在实际数据建模中的应用。通过Matlab代码实现，展示了如何利用KDE对原始数据进行非参数化建模，并从中生成符合原始数据分布特征的新样本数据，从而有效解决小样本或缺失数据条件下的建模难题。文中详细介绍了带宽选择、核函数类型等关键参数对估计效果的影响，并结合实例验证了该方法在数据增强、场景生成与不确定性分析等方面的实用性与灵活性。; 适合人群：具备一定统计学基础和Matlab编程能力，从事数据分析、仿真建模或相关科研工作的研究生及工程技术人员。; 使用场景及目标：①用于电力系统、金融、气象等领域的小样本数据扩充与场景生成；②支撑不确定性分析、风险评估与随机优化问题的研究，提升模型泛化能力与鲁棒性； 阅读建议：建议读者结合提供的Matlab代码进行实践操作，重点关注带宽调节与核函数选择对密度估计结果的影响，通过可视化手段对比原始数据与生成数据的分布一致性，深入理解KDE方法的优势与局限性。
VC/MFC

16,551

社区成员

421,606

社区内容

发帖
与我相关
我的任务
社区描述
VC/MFC相关问题讨论
社区管理员
  • 基础类社区
  • Creator Browser
  • encoderlee
加入社区
  • 近7日
  • 近30日
  • 至今

加载中

查看更多榜单
社区公告

        VC/MFC社区版块或许是CSDN最“古老”的版块了，记忆之中，与CSDN的年龄几乎差不多。随着时间的推移，MFC技术渐渐的偏离了开发主流，若干年之后的今天，当我们面对着微软的这个经典之笔，内心充满着敬意，那些曾经的记忆，可以说代表着二十年前曾经的辉煌……
        向经典致敬，或许是老一代程序员内心里面难以释怀的感受。互联网大行其道的今天，我们期待着MFC技术能够恢复其曾经的辉煌，或许这个期待会永远成为一种“梦想”，或许一切皆有可能……
        我们希望这个版块可以很好的适配Web时代，期待更好的互联网技术能够使得MFC技术框架得以重现活力，……

试试用AI创作助手写篇文章吧

+ 用AI写文章