VB生瓜求助,关于创建一个用于在ASP中可以发送UDP数据的ActiveX DLL

duoduobaba 2006-11-08 09:44:53

没有头绪,请大家帮忙
分不够可再加

...全文

197 6 打赏收藏转发到动态举报

写回复

6 条回复

切换为时间正序

请发表友善的回复…

发表回复

smartcatiboy 2006-11-10

打赏
举报

回复

凡是要接受消息的一般都要创建窗体。
但是用Dll发UDP就不知道怎么办了，VB里dll调用外部地址很麻烦的。

迈克揉索芙特 2006-11-10

打赏
举报

回复

一个Socket连接类，封装了Winsock API，而它提供的方法和事件等与Winsock控件完全一样。如果想了解Windows下面Socket通信的朋友可以下载一下，看看这个类是如何实现的。而且这个包里面还带了若干实现的范例。例如Socket聊天室等。推荐下载。
http://www.applevb.com/sourcecode/CSocketMaster.zip

cangwu_lee 2006-11-10

打赏
举报

回复

这个，基本，太难！
安全性中，怎么允许 web 中操作网络！

duoduobaba 2006-11-10

打赏
举报

回复

就是下载的这个CSocketMaster
但是发送数据的时候遇到了问题,
定义了一个字节数组,赋值之后发送后接收到的数据不正确
ASCII的163变成63发送出去了,应该是unicode和ANSI的转换问题
不知道怎么弄了,麻烦指教一下

duoduobaba 2006-11-09

打赏
举报

回复

创建了一个ActiveXDLL工程,主要问题是不知道是怎么在类模块中创建Winsock对象,是不是需要加一个窗体,请大家帮忙,谢谢~~

smartcatiboy 2006-11-08

打赏
举报

回复

我考，不会，关注

机器学习是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。它专门研究计算机如何模拟或实现人类的学习行为，以获取新的知识或技能，并重新组织已有的知识结构，从而不断改善自身的性能。机器学习是人工智能的核心，也是使计算机具有智能的根本途径。应用：机器学习在各个领域都有广泛的应用。在医疗保健领域，它可用于医疗影像识别、疾病预测、个性化治疗等方面。在金融领域，机器学习可用于风控、信用评分、欺诈检测以及股票预测。此外，在零售和电子商务、智能交通、生产制造等领域，机器学习也发挥着重要作用，如商品推荐、需求预测、交通流量预测、质量控制等。优点：机器学习模型能够处理大量数据，并在相对短的时间内产生可行且效果良好的结果。它能够同时处理标称型和数值型数据，并可以处理具有缺失属性的样本。机器学习算法如决策树，易于理解和解释，可以可视化分析，容易提取出规则。一些机器学习模型，如随机森林或提升树，可以有效地解决过拟合问题。缺点：机器学习模型在处理某些特定问题时可能会出现过拟合或欠拟合的情况，导致预测结果不准确。对于某些复杂的非线性问题，单一的机器学习算法可能难以有效地进行建模和预测。机器学习模型的训练通常需要大量的数据和计算资源，这可能会增加实施成本和时间。总的来说，机器学习虽然具有许多优点和应用领域，但也存在一些挑战和限制。在实际应用中，需要根据具体问题和需求选择合适的机器学习算法和模型，并进行适当的优化和调整。

机器学习（ML)是计算机系统为了有效地执行特定任务，不使用明确的指令，而依赖模式和推理使用的算法和统计模型的科学研究。它被视为人工智能的一个子集。机器学习算法构建一个基于样本数据的数学模型，称为“训练数据”，以便在没有明确编程来执行任务的情况下进行预测或决策。[1][2]机器学习算法用于各种应用，例如电子邮件过滤和计算机视觉，在这些应用中，开发用于执行任务的特定指令的算法是不可行的。机器学习与计算统计学密切相关，计算统计学侧重于使用计算机进行预测。算法优化的研究为机器学习领域提供了方法、理论和应用领域。数据挖掘是机器学习中的一个研究领域，侧重于探索性数据分析到无监督学习。[3][4]在跨业务问题的应用中，机器学习也被称为预测分析。

机器学习（ML)是计算机系统为了有效地执行特定任务，不使用明确的指令，而依赖模式和推理使用的算法和统计模型的科学研究。它被视为人工智能的一个子集。机器学习算法构建一个基于样本数据的数学模型，称为“训练数据”，以便在没有明确编程来执行任务的情况下进行预测或决策。[1][2]机器学习算法用于各种应用，例如电子邮件过滤和计算机视觉，在这些应用中，开发用于执行任务的特定指令的算法是不可行的。机器学习与计算统计学密切相关，计算统计学侧重于使用计算机进行预测。算法优化的研究为机器学习领域提供了方法、理论和应用领域。数据挖掘是机器学习中的一个研究领域，侧重于探索性数据分析到无监督学习。[3][4]在跨业务问题的应用中，机器学习也被称为预测分析。

众所周知，人工智能是当前最热门的话题之一，计算机技术与互联网技术的快速发展更是将对人工智能的研究推向一个新的高潮。人工智能是研究模拟和扩展人类智能的理论与方法及其应用的一门新兴技术科学。作为人工智能核心研究领域之一的机器学习，其研究动机是为了使计算机系统具有人的学习能力以实现人工智能。那么，什么是机器学习呢？机器学习 (Machine Learning) 是对研究问题进行模型假设，利用计算机从训练数据中学习得到模型参数，并最终对数据进行预测和分析的一门学科。机器学习的用途机器学习是一种通用的数据处理技术，其包含了大量的学习算法。不同的学习算法在不同的行业及应用中能够表现出不同的性能和优势。目前，机器学习已成功地应用于下列领域：互联网领域----语音识别、搜索引擎、语言翻译、垃圾邮件过滤、自然语言处理等生物领域----基因序列分析、DNA 序列预测、蛋白质结构预测等自动化领域----人脸识别、无人驾驶技术、图像处理、信号处理等金融领域----证券市场分析、信用卡欺诈检测等医学领域----疾病鉴别/诊断、流行病爆发预测等刑侦领域----潜在犯罪识别与预测、模拟人工智能侦探等新闻领域----新闻推荐系统等游戏领域----游戏战略规划等从上述所列举的应用可知，机器学习正在成为各行各业都会经常使用到的分析工具，尤其是在各领域数据量爆炸的今天，各行业都希望通过数据处理与分析手段，得到数据中有价值的信息，以便明确客户的需求和指引企业的发展。

在机器学习领域中，“鸢尾花”是指一个经典的多类分类问题的数据集，称为“Iris dataset”或“安德森鸢尾花卉数据集”。该数据集最早由英国统计学家兼生物学家罗纳德·费雪（Ronald Fisher）于1936年收集并整理发表，包含了150个样本观测值，对应三种不同类型的鸢尾花（Setosa、Versicolor、Virginica），每种类型各50个样本。每个样本有四个特征：萼片长度（Sepal Length）萼片宽度（Sepal Width）花瓣长度（Petal Length）花瓣宽度（Petal Width）这些特征都是连续数值型变量，而目标变量则是鸢尾花所属的类别。鸢尾花数据集常被用作新手入门机器学习算法时的第一个实践项目，因为它数据量适中且易于理解，同时适用于多种监督学习算法，如逻辑回归、K近邻（KNN）、支持向量机（SVM）、决策树以及各种集成方法等。

1,502

社区成员

18,437

社区内容

发帖

与我相关

我的任务

社区管理员

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

暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章