菜鸟一个，最近在用VC6.0的基于对话框的MFC EXE，对有些概念很模糊，请大侠们指教。 假设对话框的类名是CMyDlg,那么 我看有些资料上写的是： 主对话框的指针是 CWnd* pWnd=AfxGetMainWnd(); 主对话框的句柄...

在一些热身讨论之后,我走进对话框模板的历史,把它作为一个基础来理解对话框时怎么建立的,然后跟踪对话框消息循环,分成几个章节以便浏览. 关于对话框过程 一个对话框过程真的没有多少东西.对于每条消息,你可以选择...

在一些热身讨论之后,我走进对话框模板的历史,把它作为一个基础来理解对话框时怎么建立的,然后跟踪对话框消息循环,分成几个章节以便浏览. 关于对话框过程  一个对话框过程真的没有多少东西.对于每条消息,你可以...

简介： 获取主对话框和子对话框的句柄，子对话框通过FindWindow。 1.主对话框 CTcpAsynSDlg *pMainDlg = (CTcpAsynSDlg*)AfxGetApp()->GetMainWnd(); pMainDlg->m_hWnd;就是指向主对话框的句柄。

针对WINZIP压缩文件，黑客最常使用的工具就是Elcomsoft公司的“Advanced ZIP Password Recovery”（简称AZPR），AZPR提供了一个图形化的用户界面，黑客经过几个简单的步骤就可以破解ZIP压缩文件包的密...

系统支持的几种对话框 对话框在我们日常编程中是常用到，根据不同的需求创建不同的对话框，Visual Studio也为我们提供了一套标准的对话框，...1、OpenFileDialog：选择一个现有的文件名或者输入一个新的文件名。可选

学习资源：《Excel VBA从入门到进阶》第34集 by兰色幻想... 这时需要使用Excel对话框，有三种函数：GetOpenFilename、GetSaveAsFilename和FileDialog。 这篇文章先来讲一下 GetOpenFilename和GetSaveAsFilename。 为...

作者：Kenny Kerr 翻译：Dflying Chen 原文：... 请同时参考《Windows Vista for Devel...

SharePoint 2010 使得往你的网站添加对话框内容变得出乎意料的简单。内置的功能允许你从站点任何地方抽取内容，然后显示在模态对话框中，出现在页面的前端。

在《使用 jQuery Mobile 与 HTML5 开发 Web App —— jQuery Mobile 基础》中，Kayo 曾经简略介绍过 jQuery Mobile 的页面组件，当时...在 jQuery Mobile 中，页面这个概念与传统的 Web 页面有一个很大的区别 —— j

↑点击上方「中国测绘学会」可快速关注我们在矢量叠加，即将同一区域、同一比例尺的两组或两组以上的多边形要素的数据文件进行叠加产生一个新的数据层，其结果综合了原来图层所具有的属性。矢量叠加操作分为：交集...

这样少打开了一个页面，省事多了，并且不会让用户迷惑，在不同页面中穿梭。问题是在你的页面中，怎样创建自己定义的超链接，放在Pop-Up对话框里呢？ 事实上方法真的非常easy，使用一个Share...

这是一个新的系列文章，我们称之为 "Modern Android Development 技巧"，简称为"MAD Skills"。本系列文章致力于帮助开发...

从红队的角度来看，有一个可能提供帮助的本地工具——AppleScript。AppleScript可以轻松、快速地产生虚假的授权请求，这些请求在用户看起来可能很有说服力。尽管这并非一项新的技术，但在本文中，我们将探索一些新颖...

系统支持的几种对话框 对话框在我们日常编程中是常用到，根据不同的需求创建不同的对话框，Visual Studio也为我们提供了一套标准的对话框，...1、OpenFileDialog：选择一个现有的文件名或者输入一个新的文件名。可选

本文的目的是使用ATL/WTL做一个与“创建有个性的对话框之MFC篇”的个性对话框一样的对话框。 ATL/WTL一套模板库，创建ATL/WTL应用程序不可避免的要用到C++的模板与多继承方面的知识，在看本文之前希望您对它们有所...

文章目录一、AlertDialog1.最简单的AlertDialog2.加点组件（1）setMessage()简单文本（2）setItems()简单字符串列表（3）setSingleChoiceItems()单选列表项（4）setMultiChoiceItems()多选列表项（5）setAdapter()...

DPI全称是dots per inch， 也就是每英寸的点数，在显示器上就是每英寸的像素个数，Window上一般默认是96 dpi 作为100% 的缩放比率， 但是要注意的是该值未必是真正的显示器物理值， 只是Windows里我们的一个参考标准...

11  “你这算法效率太低了，怎么能直接用除法呢？你要用查表的方式！”段伏枥写完计算器没多久，同事老柳突然跑过来说要帮忙看看代码。    “查表？”段伏枥隐约记得，用查表的方式来计算除法，在没有除法器的...

《Erdas遥感影像处理入门实战教程》以Erdas2010版本经典界面进行实战教学，设计12章内容，正式教学内容总共45课时，15个小时时长。从软件界面开始，到后的应用，适合入门级、初级、中级的人员学习、工作、教师教学参考。课程根据作者实际工作经验，以及采访学员需求，开展课程设计，实用加实战，会是你学习路上的好帮手。 《Erdas遥感影像处理入门实战教程》以Erdas2010版本经典界面进行实战教学，让学员轻松入门学习，从入门的掌握到实战。 课程采用Erdas2010(经典版)进行录制，适用于Erdas所有系列（如，erdas9.2、erdas2011 erdas2013、erdas2014等等）

本课程讲解了Java语言概述及环境搭建和配置 学完后可独立完成HelloWorld案例，并能够解决常见的开发小问题。

初级学习OpenGL ES2.0的课程，从无到有，从进本的函数讲起，每一课时都附带一个例子程序。深入浅出的讲解可编程管线技术，令人费解的文理，以及混合技术，各种优化技术：顶点缓冲区，索引缓冲区，帧缓冲区，介绍精灵的使用，并使用shader制作粒子特效。 掌握OpenGL ES2.0可编程管线，以及OpenGLES2.0的特性，带领初学者入门。

《2021年前端面试题汇总》主要介绍了js基础到入门、css和常用的web框架的一些常用面试题目。学完这个题库，把此题库都理解透彻应对各家企业面试完全没有问题。

大唐杯资料+题库（移动通信）

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）

【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）。

主要介绍了vscode 的node.js debugger 的 launch.json 配置详情,本文通过实例代码给大家介绍的非常详细，对大家的学习或工作具有一定的参考借鉴价值，需要的朋友可以参考下