用过水晶报表的前辈都进来看看啊..顶者也有分..

lanye_purple 2006-12-14 02:07:08
现在报表中..两组数据.每组数据都有多条记录.这两组数据没有关系...
在不用到子报表的情况下.怎么把两组数据的记录完整显示出来..
...全文
286 12 打赏 收藏 转发到动态 举报
AI 作业
写回复
用AI写文章
12 条回复
切换为时间正序
请发表友善的回复…
发表回复
lanye_purple 2006-12-23
  • 打赏
  • 举报
回复
不能。
kakko07 2006-12-22
  • 打赏
  • 举报
回复
不知道把详细资料节分为a,b两节是否能达到你的要求
lanye_purple 2006-12-16
  • 打赏
  • 举报
回复
没有人帮忙啊..伤心啊
lanye_purple 2006-12-16
  • 打赏
  • 举报
回复
谢谢前面的几位..好像你们都没有懂的我的意思..
两数组没有任何关系..是脱我..分组当然不行了.

举例说明吧: (我现要得到的结果)
//第一组数据显示
page Header a 收文单位意见
Details [数据字段] [数据字段] [数据字段] [数据字段]

//第二组数据显示
page Header b 收文单位列表
[数据字段] [数据字段] [数据字段] [数据字段]
如上.第一组数据可以完整显示出来.但第二组数据只能显示一条记录,原因是报表中只有一个Details组..现如果把第二组数据做成子报表,就能解决问题...

那么还有没有一种方法,在不用到子报表的情况,也能把第二组数据完整显示出来..大家都给点意见...感谢!!
chenjunhui 2006-12-15
  • 打赏
  • 举报
回复
帮顶 up
rayxue 2006-12-15
  • 打赏
  • 举报
回复
建一个与之对应的数据集不就可以在报表中显示了吗?
wdszya 2006-12-15
  • 打赏
  • 举报
回复
同一个表中数据分两组显示吗?可以在报表中插入分组啊
lanye_purple 2006-12-14
  • 打赏
  • 举报
回复
^$^&*#&@*)(
dj0628 2006-12-14
  • 打赏
  • 举报
回复
帮顶
lanye_purple 2006-12-14
  • 打赏
  • 举报
回复
其它方法也可以啊..
glacier000 2006-12-14
  • 打赏
  • 举报
回复
帮顶
lanye_purple 2006-12-14
  • 打赏
  • 举报
回复
没有人知道吗?



大家帮忙顶一下..
资源下载链接为: https://pan.quark.cn/s/abbae039bf2a 在计算机视觉领域,实时目标跟踪是许多应用的核心任务,例如监控系统、自动驾驶汽车和无人机导航等。本文将重点介绍一种在2017年备受关注的高效目标跟踪算法——BACF(Boosted Adaptive Clustering Filter)。该算法因其卓越的实时性和高精度而脱颖而出,其核心代码是用MATLAB编写的。 BACF算法全称为Boosted Adaptive Clustering Filter,是基于卡尔曼滤波器改进的一种算法。传统卡尔曼滤波在处理复杂背景和目标形变时存在局限性,而BACF通过引入自适应聚类和Boosting策略,显著提升了对目标特征的捕获和跟踪能力。 自适应聚类是BACF算法的关键技术之一。它通过动态更新特征空间中的聚类中心,更准确地捕捉目标的外观变化,从而在光照变化、遮挡和目标形变等复杂情况下保持跟踪的稳定性。此外,BACF还采用了Boosting策略。Boosting是一种集成学习方法,通过组合多个弱类器形成强类器。在BACF中,Boosting用于优化目标检测性能,动态调整特征权重,强化对目标识别贡献大的特征,从而提高跟踪精度。BACF算法在设计时充考虑了计算效率,能够在保持高精度的同时实现快速实时的目标跟踪,这对于需要快速响应的应用场景(如视频监控和自动驾驶)至关重要。 MATLAB作为一种强大的数学计算和数据析工具,非常适合用于算法的原型开发和测试。BACF算法的MATLAB实现提供了清晰的代码结构,方便研究人员理解其工作原理并进行优化和扩展。通常,BACF的MATLAB源码包含以下部:主函数(实现整个跟踪算法的核心代码)、特征提取模块(从视频帧中提取目标特征的子程序)、聚类算法(实现自适应聚类过程)、Boosting算法(包含特征权重更新的代
内容概要:本书《Deep Reinforcement Learning with Guaranteed Performance》探讨了基于李雅普诺夫方法的深度强化学习及其在非线性系统最优控制中的应用。书中提出了一种近似最优自适应控制方法,结合泰勒展开、神经网络、估计器设计及滑模控制思想,解决了不同场景下的跟踪控制问题。该方法不仅保证了性能指标的渐近收敛,还确保了跟踪误差的渐近收敛至零。此外,书中还涉及了执行器饱和、冗余解析等问题,并提出了新的冗余解析方法,验证了所提方法的有效性和优越性。 适合人群:研究生及以上学历的研究人员,特别是从事自适应/最优控制、机器人学和动态神经网络领域的学术界和工业界研究人员。 使用场景及目标:①研究非线性系统的最优控制问题,特别是在存在输入约束和系统动力学的情况下;②解决带有参数不确定性的线性和非线性系统的跟踪控制问题;③探索基于李雅普诺夫方法的深度强化学习在非线性系统控制中的应用;④设计和验证针对冗余机械臂的新型冗余解析方法。 其他说明:本书为七章,每章内容相对独立,便于读者理解。书中不仅提供了理论析,还通过实际应用(如欠驱动船舶、冗余机械臂)验证了所提方法的有效性。此外,作者鼓励读者通过仿真和实验进一步验证书中提出的理论和技术。

4,819

社区成员

发帖
与我相关
我的任务
社区描述
.NET技术 图表区
社区管理员
  • 图表区社区
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告
暂无公告

试试用AI创作助手写篇文章吧