1、将解压出来的文件全部复制到c:\windows目录下，然后在桌面的屏幕属性屏幕保护程序而选择本程序即可2、MagicImages_Config.lua文件为本屏保程序的配置文件，采用Lua编写，通过修改此文件可自在定制模型显示效果或图片，图片只支持256*256大小位图文件格式（.bmp）3、支持鼠标、键盘光标改变视图与视角4、点击图片可放大缩小图片5、场内内置一个聚光灯，纯黑背景，故无阴影显示本程序无版本限制，可自在使用^_^作者：屈金元（offar@163.com）QQ：421137802
2023/2/11 11:09:08
808KB
1
文本挖掘tmSVM开源项目集成libSVM和liblinear包含Python和Java两种版本带PDF源码参考文档简介文本挖掘无论在学术界还是在工业界都有很广泛的应用场景。
而文本分类是文本挖掘中一个非常重要的手段与技术。
现有的分类技术都已经非常成熟，SVM、KNN、DecisionTree、AN、NB在不同的应用中都展示出较好的效果，前人也在将这些分类算法应用于文本分类中做出许多出色的工作。
但在实际的商业应用中，仍然有很多问题没有很好的解决，比如文本分类中的高维性和稀疏性、类别的不平衡、小样本的训练、Unlabeled样本的有效利用、如何选择最佳的训练样本等。
这些问题都将导致curveofdimension、过拟合等问题。
这个开源系统的目的是集众人智慧，将文本挖掘、文本分类前沿领域效果非常好的算法实现并有效组织，形成一条完整系统将文本挖掘尤其是文本分类的过程自动化。
该系统提供了Python和Java两种版本。
主要特征该系统在封装libsvm、liblinear的基础上，又增加了特征选择、LSA特征抽取、SVM模型参数选择、libsvm格式转化模块以及一些实用的工具。
其主要特征如下：封装并完全兼容*libsvm、liblinear。
基于Chi*的featureselection见feature_selection基于LatentSemanticAnalysis的featureextraction见feature_extraction支持Binary,Tf,log(tf),Tf*Idf,tf*rf,tf*chi等多种特征权重见feature_weight文本特征向量的归一化见Normalization利用交叉验证对SVM模型参数自动选择。
见SVM_model_selection支持macro-average、micro-average、F-measure、Recall、Precision、Accuracy等多种评价指标见evaluation_measure支持多个SVM模型同时进行模型预测采用python的csc_matrix支持存储大稀疏矩阵。
引入第三方分词工具自动进行分词将文本直接转化为libsvm、liblinear所支持的格式。
使用该系统可以做什么对文本自动做SVM模型的训练。
包括Libsvm、Liblinear包的选择，分词，词典生成，特征选择，SVM参数的选优，SVM模型的训练等都可以一步完成。
利用生成的模型对未知文本做预测。
并返回预测的标签以及该类的隶属度分数。
可自动识别libsvm和liblinear的模型。
自动分析预测结果，评判模型效果。
计算预测结果的F值、召回率、准确率、Macro,Micro等指标，并会计算特定阈值、以及指定区间所有阈值下的相应指标。
分词。
对文本利用mmseg算法对文本进行分词。
特征选择。
对文本进行特征选择，选择最具代表性的词。
SVM参数的选择。
利用交叉验证方法对SVM模型的参数进行识别，可以指定搜索范围，大于大数据，会自动选择子集做粗粒度的搜索，然后再用全量数据做细粒度的搜索，直到找到最优的参数。
对libsvm会选择c,g(gamma)，对与liblinear会选择c。
对文本直接生成libsvm、liblinear的输入格式。
libsvm、liblinear以及其他诸如weka等数据挖掘软件都要求数据是具有向量格式，使用该系统可以生成这种格式：labelindex:valueSVM模型训练。
利用libsvm、liblinear对模型进行训练。
利用LSA对进行FeatureExtraction*，从而提高分类效果。
开始使用QuickStart里面提供了方便的使用指导如何使用该系统可以在命令行（Linux或cmd中）中直接使用，也可以在程序通过直接调用源程序使用。
在程序中使用。
#将TMSVM系统的路径加入到Python搜索路径中importsyssys.path.insert(0,yourPath+"\tmsvm\src")importtms#对data文件夹下的binary_seged.train文件进行训练。
tms.tms_train(“../data/binary_seged.train”)#利用已经训练好的模型，对对data文件夹下的binary_seged.test文件预测tms.tms_predict(“../data/binary_seged.test”,”../model/tms.config”)#对预测的结果进行分析，评判模型的效果tms.tms_analysis(“../tms.result”)在命令行中调用#对data文件夹下的binary_seged.train文件进行训练。
$pythonauto_train.py[options]../data/binary_seged.train#利用已经训练好的模型，对对data文件夹下的binary_seged.test文件预测pythonpredict.py../data/binary_seged.train../model/tms.config#对预测的结果进行分析，评判模型的效果$pythonresult_anlaysis.py../tms.result上面的调用方式都是使用系统中默认的参数，更具体、灵活的参数见程序调用接口输入格式labelvalue1[value2]其中label是定义的类标签，如果是binaryclassification，建议positive样本为1，negative样本为-1。
如果为multi-classification。
label可以是任意的整数。
其中value为文本内容。
label和value以及value1和value2之间需要用特殊字符进行分割，如”\t”模型输出模型结果会放在指定保存路径下的“model”文件夹中，里面有3个文件，默认情况下为dic.key、tms.model和tms.config。
其中dic.key为特征选择后的词典；
tms.model为训练好的SVM分类模型;tms.config为模型的配置文件，里面记录了模型训练时使用的参数。
临时文件会放在“temp”文件夹中。
里面有两个文件：tms.param和tms.train。
其中tms.param为SVM模型参数选择时所实验的参数。
tms.train是供libsvm和liblinear训练器所使用的输入格式。
源程序说明src:即该系统的源代码，提供了5个可以在Linux下可以直接调用的程序:auto_train.py、train.py、predict.py为在Linux下通过命令行调用的接口。
tms.py为在程序中调用的主文件，直接通过importtms即可调用系统的所有函数。
其他文件为程序中实现各个功能的文件。
lsa_src：LSA模型的源程序。
dependence:系统所依赖的一些包。
包括libsvm、liblinear、Pymmseg在Linux32位和64位以及windows下的支持包(dll,so文件)。
tools:提供的一些有用的工具，包括result_analysis.py等。
java：java版本的模型预测程序，项目重要更新日志2012/09/21针对linux下的bug进行修正。
重新生成win和linux版本的。
2012/03/08增加stem模块，并修正了几个Bug。
2011/11/22tmsvm正式发布。
联系方式邮箱:zhzhl202@163.comThanks本系统引用了libsvm、liblinear的包，非常感谢Chih-JenLin写出这么优秀的软件。
本系统还引用了Pymmseg，非常感谢pluskid能为mmseg写出Python下可以直接使用的程序从最初的想法萌生到第一版上线，中间试验了很多算法，最终因为效果不好删掉了很多代码，在这期间得到了许多人的帮助，非常感谢杨铮、江洋、敏知、施平等人的悉心指导。
特别感谢丽红一直以来的默默支持。
而文本分类是文本挖掘中一个非常重要的手段与技术。
现有的分类技术都已经非常成熟，SVM、KNN、DecisionTree、AN、NB在不同的应用中都展示出较好的效果，前人也在将这些分类算法应用于文本分类中做出许多出色的工作。
但在实际的商业应用中，仍然有很多问题没有很好的解决，比如文本分类中的高维性和稀疏性、类别的不平衡、小样本的训练、Unlabeled样本的有效利用、如何选择最佳的训练样本等。
这些问题都将导致curveofdimension、过拟合等问题。
这个开源系统的目的是集众人智慧，将文本挖掘、文本分类前沿领域效果非常好的算法实现并有效组织，形成一条完整系统将文本挖掘尤其是文本分类的过程自动化。
该系统提供了Python和Java两种版本。
主要特征该系统在封装libsvm、liblinear的基础上，又增加了特征选择、LSA特征抽取、SVM模型参数选择、libsvm格式转化模块以及一些实用的工具。
其主要特征如下：封装并完全兼容*libsvm、liblinear。
基于Chi*的featureselection见feature_selection基于LatentSemanticAnalysis的featureextraction见feature_extraction支持Binary,Tf,log(tf),Tf*Idf,tf*rf,tf*chi等多种特征权重见feature_weight文本特征向量的归一化见Normalization利用交叉验证对SVM模型参数自动选择。
见SVM_model_selection支持macro-average、micro-average、F-measure、Recall、Precision、Accuracy等多种评价指标见evaluation_measure支持多个SVM模型同时进行模型预测采用python的csc_matrix支持存储大稀疏矩阵。
引入第三方分词工具自动进行分词将文本直接转化为libsvm、liblinear所支持的格式。
使用该系统可以做什么对文本自动做SVM模型的训练。
包括Libsvm、Liblinear包的选择，分词，词典生成，特征选择，SVM参数的选优，SVM模型的训练等都可以一步完成。
利用生成的模型对未知文本做预测。
并返回预测的标签以及该类的隶属度分数。
可自动识别libsvm和liblinear的模型。
自动分析预测结果，评判模型效果。
计算预测结果的F值、召回率、准确率、Macro,Micro等指标，并会计算特定阈值、以及指定区间所有阈值下的相应指标。
分词。
对文本利用mmseg算法对文本进行分词。
特征选择。
对文本进行特征选择，选择最具代表性的词。
SVM参数的选择。
利用交叉验证方法对SVM模型的参数进行识别，可以指定搜索范围，大于大数据，会自动选择子集做粗粒度的搜索，然后再用全量数据做细粒度的搜索，直到找到最优的参数。
对libsvm会选择c,g(gamma)，对与liblinear会选择c。
对文本直接生成libsvm、liblinear的输入格式。
libsvm、liblinear以及其他诸如weka等数据挖掘软件都要求数据是具有向量格式，使用该系统可以生成这种格式：labelindex:valueSVM模型训练。
利用libsvm、liblinear对模型进行训练。
利用LSA对进行FeatureExtraction*，从而提高分类效果。
开始使用QuickStart里面提供了方便的使用指导如何使用该系统可以在命令行（Linux或cmd中）中直接使用，也可以在程序通过直接调用源程序使用。
在程序中使用。
#将TMSVM系统的路径加入到Python搜索路径中importsyssys.path.insert(0,yourPath+"\tmsvm\src")importtms#对data文件夹下的binary_seged.train文件进行训练。
tms.tms_train(“../data/binary_seged.train”)#利用已经训练好的模型，对对data文件夹下的binary_seged.test文件预测tms.tms_predict(“../data/binary_seged.test”,”../model/tms.config”)#对预测的结果进行分析，评判模型的效果tms.tms_analysis(“../tms.result”)在命令行中调用#对data文件夹下的binary_seged.train文件进行训练。
$pythonauto_train.py[options]../data/binary_seged.train#利用已经训练好的模型，对对data文件夹下的binary_seged.test文件预测pythonpredict.py../data/binary_seged.train../model/tms.config#对预测的结果进行分析，评判模型的效果$pythonresult_anlaysis.py../tms.result上面的调用方式都是使用系统中默认的参数，更具体、灵活的参数见程序调用接口输入格式labelvalue1[value2]其中label是定义的类标签，如果是binaryclassification，建议positive样本为1，negative样本为-1。
如果为multi-classification。
label可以是任意的整数。
其中value为文本内容。
label和value以及value1和value2之间需要用特殊字符进行分割，如”\t”模型输出模型结果会放在指定保存路径下的“model”文件夹中，里面有3个文件，默认情况下为dic.key、tms.model和tms.config。
其中dic.key为特征选择后的词典；
tms.model为训练好的SVM分类模型;tms.config为模型的配置文件，里面记录了模型训练时使用的参数。
临时文件会放在“temp”文件夹中。
里面有两个文件：tms.param和tms.train。
其中tms.param为SVM模型参数选择时所实验的参数。
tms.train是供libsvm和liblinear训练器所使用的输入格式。
源程序说明src:即该系统的源代码，提供了5个可以在Linux下可以直接调用的程序:auto_train.py、train.py、predict.py为在Linux下通过命令行调用的接口。
tms.py为在程序中调用的主文件，直接通过importtms即可调用系统的所有函数。
其他文件为程序中实现各个功能的文件。
lsa_src：LSA模型的源程序。
dependence:系统所依赖的一些包。
包括libsvm、liblinear、Pymmseg在Linux32位和64位以及windows下的支持包(dll,so文件)。
tools:提供的一些有用的工具，包括result_analysis.py等。
java：java版本的模型预测程序，项目重要更新日志2012/09/21针对linux下的bug进行修正。
重新生成win和linux版本的。
2012/03/08增加stem模块，并修正了几个Bug。
2011/11/22tmsvm正式发布。
联系方式邮箱:zhzhl202@163.comThanks本系统引用了libsvm、liblinear的包，非常感谢Chih-JenLin写出这么优秀的软件。
本系统还引用了Pymmseg，非常感谢pluskid能为mmseg写出Python下可以直接使用的程序从最初的想法萌生到第一版上线，中间试验了很多算法，最终因为效果不好删掉了很多代码，在这期间得到了许多人的帮助，非常感谢杨铮、江洋、敏知、施平等人的悉心指导。
特别感谢丽红一直以来的默默支持。
2023/2/8 18:37:14
3.39MB
1
当flinkonyarn模式运行时，发生如下异常信息，需要将压缩包中的4个依赖jar包放入flink安装路径下的lib目录下。
Exceptioninthread"main"java.lang.NoClassDefFoundError:com/sun/jersey/api/client/config/ClientConfigatorg.apache.hadoop.yarn.client.api.TimelineClient.createTimelineClient(TimelineClient.java:45)atorg.apache.hadoop.yarn.client.api.impl.YarnClientImpl.serviceInit(YarnClientImpl.java:163)atorg.apache.hadoop.service.AbstractService.init(AbstractService.java:163)atorg.apache.spark.deploy.yarn.Client.submitApplication(Client.scala:150)atorg.apache.spark.scheduler.cluster.YarnClientSchedulerBackend.start(YarnClientSchedulerBackend.scala:56)...Causedby:java.lang.ClassNotFoundException:com.sun.jersey.api.client.config.ClientConfig
Exceptioninthread"main"java.lang.NoClassDefFoundError:com/sun/jersey/api/client/config/ClientConfigatorg.apache.hadoop.yarn.client.api.TimelineClient.createTimelineClient(TimelineClient.java:45)atorg.apache.hadoop.yarn.client.api.impl.YarnClientImpl.serviceInit(YarnClientImpl.java:163)atorg.apache.hadoop.service.AbstractService.init(AbstractService.java:163)atorg.apache.spark.deploy.yarn.Client.submitApplication(Client.scala:150)atorg.apache.spark.scheduler.cluster.YarnClientSchedulerBackend.start(YarnClientSchedulerBackend.scala:56)...Causedby:java.lang.ClassNotFoundException:com.sun.jersey.api.client.config.ClientConfig
2023/2/8 13:55:32
1.5MB
1
网易公开课地址http://v.163.com/special/opencourse/developingandroidapplications.html本资源提供的是源代码
2023/1/22 12:33:51
1.49MB
1
关于餐饮娱乐管理系统 0、可以按桌台点菜、结帐、支持ic卡、vip卡操作，可以任意增加收银点。
成功运用于某三星级大酒店1、建议把程序放置在d:ackcshotel下面，这样一些图片的路径无须改变图片放置在d:ackcshotelimage下2、在pb6.5中建立一个名字为hotel的odbc数据源。
然后用pb测试此数据源能否有效hotel.db的用户：dba密码：sql3、如果您的系统是pb7或pb8,点击pb的“library”快捷按钮打开xsd.pbl和xtwh.pbl(系统维护，提供基本数据录入功能)在菜单中选择“migrate”菜单项，把pbl升级到pb7或pb84、登录系统的用户：00018密码：m5、系统中有个重要概念“酒店时间”，必须点击“用户”-＞“改变酒店时间”，才能进行新一天的工作。
6、建议在win98，800X600大字体下运行具有最好的外观7、如果你使用win2000请注册win98自带的控件Comctl32.ocx,程序中的状态条使用了此控件8、此程序是1999年开发的，当时笔者水平尚浅，此中有些方法略现笨拙，望各位高手不要见笑。
9、任何人都可以在本程序的基础上开发商业程序。
10、如果有什么问题，欢迎来信切磋，欢迎访问笔者网站免费提供财务管理系统、大型商场管理系统。
11、report.pbl，hvtable.pbl必须放在一起编译，hotelxsd.pbl,xtwh.pbl单独编译12、Sure32wc.dll和JLD910.dll是ic卡读写机自带的动态连接库13、读写机为：sure系列外置式与pc机通过RS-232串口相连ic卡：siemens4442卡刘春成lcc@163.net 网站：http://lcc.126.com/ 2001.11.23
成功运用于某三星级大酒店1、建议把程序放置在d:ackcshotel下面，这样一些图片的路径无须改变图片放置在d:ackcshotelimage下2、在pb6.5中建立一个名字为hotel的odbc数据源。
然后用pb测试此数据源能否有效hotel.db的用户：dba密码：sql3、如果您的系统是pb7或pb8,点击pb的“library”快捷按钮打开xsd.pbl和xtwh.pbl(系统维护，提供基本数据录入功能)在菜单中选择“migrate”菜单项，把pbl升级到pb7或pb84、登录系统的用户：00018密码：m5、系统中有个重要概念“酒店时间”，必须点击“用户”-＞“改变酒店时间”，才能进行新一天的工作。
6、建议在win98，800X600大字体下运行具有最好的外观7、如果你使用win2000请注册win98自带的控件Comctl32.ocx,程序中的状态条使用了此控件8、此程序是1999年开发的，当时笔者水平尚浅，此中有些方法略现笨拙，望各位高手不要见笑。
9、任何人都可以在本程序的基础上开发商业程序。
10、如果有什么问题，欢迎来信切磋，欢迎访问笔者网站免费提供财务管理系统、大型商场管理系统。
11、report.pbl，hvtable.pbl必须放在一起编译，hotelxsd.pbl,xtwh.pbl单独编译12、Sure32wc.dll和JLD910.dll是ic卡读写机自带的动态连接库13、读写机为：sure系列外置式与pc机通过RS-232串口相连ic卡：siemens4442卡刘春成lcc@163.net 网站：http://lcc.126.com/ 2001.11.23
2023/1/12 18:41:14
1.42MB
1
已到2019年了居然会回到过去用VS2008开发WinCE6.0软体，我用的WebApi, 开发，调试环境搭建好之后，遇到JSON序列化及反序列化的问题（用的Newtonsoft.Json.Compact.dll)， 刚开始简单序列化数据传入到服务端没有什么问题，但当遇到List这种情况时不断报错（不支持OpenGeneric方法的GetParameters）。
最终的解决方式: 更换json的Dll到3.5.0.8这个版本（刚开始使用的版 为3.5.0.0）看到10月份有人说跟3500报错一样，我不知道他的具体问题。
有需要的可私信息我evil_zheng@163.com
最终的解决方式: 更换json的Dll到3.5.0.8这个版本（刚开始使用的版 为3.5.0.0）看到10月份有人说跟3500报错一样，我不知道他的具体问题。
有需要的可私信息我evil_zheng@163.com
2016/1/21 10:27:50
118KB
1
已到2019年了居然会回到过去用VS2008开发WinCE6.0软体，我用的WebApi, 开发，调试环境搭建好之后，遇到JSON序列化及反序列化的问题（用的Newtonsoft.Json.Compact.dll)， 刚开始简单序列化数据传入到服务端没有什么问题，但当遇到List这种情况时不断报错（不支持OpenGeneric方法的GetParameters）。
最终的解决方式: 更换json的Dll到3.5.0.8这个版本（刚开始使用的版 为3.5.0.0）看到10月份有人说跟3500报错一样，我不知道他的具体问题。
有需要的可私信息我evil_zheng@163.com
最终的解决方式: 更换json的Dll到3.5.0.8这个版本（刚开始使用的版 为3.5.0.0）看到10月份有人说跟3500报错一样，我不知道他的具体问题。
有需要的可私信息我evil_zheng@163.com
2016/1/21 10:27:50
118KB
1
不好意思呀，上次发的资源有问题，在其他机子上好像打不开，这次发的都是Pdf格式的，郑重向大家道歉。
还有，大家需求什么书，不限哪一方面的，可以发我邮箱。
我邮箱：weiwenhui91@163.com
还有，大家需求什么书，不限哪一方面的，可以发我邮箱。
我邮箱：weiwenhui91@163.com
2020/11/15 21:30:57
13.82MB
1
不好意思呀，上次发的资源有问题，在其他机子上好像打不开，这次发的都是Pdf格式的，郑重向大家道歉。
还有，大家需求什么书，不限哪一方面的，可以发我邮箱。
我邮箱：weiwenhui91@163.com
还有，大家需求什么书，不限哪一方面的，可以发我邮箱。
我邮箱：weiwenhui91@163.com
2020/11/15 21:30:57
13.82MB
1
使用了paillier算法的同态加密技术，实现了数字匿名投票系统。
这是一个demo。
但实现了加密流程的所有功能。
需求使用数据库。
需求的话请联系我要数据表mulming@163.com.同时有密码学的同伴。
欢迎相互交流
这是一个demo。
但实现了加密流程的所有功能。
需求使用数据库。
需求的话请联系我要数据表mulming@163.com.同时有密码学的同伴。
欢迎相互交流
2016/11/16 17:44:42
32.49MB
1
在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。
每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。
另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。
为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03
15KB