------------------------------------------------------------------------------高校毕业生就业信息管理系统v1.0项目介绍。
-----------------------------------------------------------------------------项目所用到的技术1、maven的分模块管理2、Spring+hibernate+Springmvc3、poi文件导入和导出4、js采用jquery5、树采用z-tree6、文件上传,uploaify7、ajax,dwr8.弹窗、dialog使用jqueryeasyui9.ajax文件上传。
10.ajax局部刷新页面11.ifream布局。
12.html和css布局。
----------------------------------------------------------------------------------1、maven的分模块管理--basic-basic-common--公共工具模块--basic-hibernate封装基本对数据库的操作--graempinf-core--model,dao核心实体类和dao--graempinf-user--用户管理user,role,groupservice--graempinf-student--学生信息管理管理(学生信息、就业信息、生源地信息维护和管理)--graempinf-channel--菜单管理--graempinf-careerfair--招聘会信息--graempinf-web---web集成--graempinf-org组织机构--graempinf-question问题反馈模块--graempinf-->parent所有模块的父模块--------------------------------------------------------------------------------2、角色权限模型RBACRoleBaseAccesscontrol--实体张三Role角色本系统角色--系统管理员(admin)--拥有所有最高权限--学生(student)--学生信息完善--就业信息完善--生源地信息完善--招聘会信息查看--问题反馈--就业材料查询--招聘会预约查询--反馈答复查看--教师(teacher)--毕业生信息管理--生源地信息管理--就业信息管理--招聘会信息管理--招聘会信息管理--招聘会信息查看--招聘会预约情况查看--问题反馈--处理学生反馈的问题Group组--管理员--教师--学生---------------------------------------------------模块介绍---------------------------------------------------3、m1系统配置--用户管理添加用户、修改用户、删除用户。
--角色管理增删改查--用户组管理增删改查+用户管理模块查看+管理模块设置--组织机构管理增删改查--在线用户查看查看在线用户信息查看---------------------------------------------------4、m2毕业生信息管理-----------------------------------------------------毕业生信息管理--毕业生信息管理--生源地信息管理--就业信息管理--学生生信息完善--就业信息完善--生源地信息完善---------------------------------------------------5、m3菜单信息管理----------------------------------------------------菜单管理曾删改查---------------------------------------------------6、m4招聘会信息管理--------------------------
2024/1/5 14:17:40 43.46MB 就业信息管理系统 java开发
1
SIFT特征是基于物体上的一些局部外观的兴趣点而与影像的大小和旋转无关。
对于光线、噪声、微视角改变的容忍度也相当高。
基于这些特性,它们是高度显著而且相对容易撷取,在母数庞大的特征数据库中,很容易辨识物体而且鲜有误认。
使用SIFT特征描述对于部分物体遮蔽的侦测率也相当高,甚至只需要3个以上的SIFT物体特征就足以计算出位置与方位。
在现今的电脑硬件速度下和小型的特征数据库条件下,辨识速度可接近即时运算。
SIFT特征的信息量大,适合在海量数据库中快速准确匹配。
2023/12/29 17:55:33 431KB 图像匹配
1
13种粒子群优化算法,包括协同,混合,局部,全局,繁殖等,对应的博客地址http://www.cnblogs.com/hxsyl/p/4521778.html
2023/12/28 12:34:26 8KB PSO 粒子群 优化
1
人工蜂群算法是模仿蜜蜂行为提出的一种优化方法,是集群智能思想的一个具体应用,它的主要特点是不需要了解问题的特殊信息,只需要对问题进行优劣的比较,通过各人工蜂个体的局部寻优行为,最终在群体中使全局最优值突现出来,有着较快的收敛速度。
为了解决多变量函数优化问题,Karaboga提出了人工蜂群算法ABC模型(artificialbeecolonyalgorithm)。
本资源为人工蜂群算法matlab代码
2023/12/21 17:47:48 2KB ABC
1
一、单项选择题1、关于建筑高度,以下说法错误的是( )。
A、建筑屋面为平屋面(包括有女儿墙的平屋面)时,建筑高度应为建筑室外设计地面至其屋面面层的高度 B、同一建筑有多种形式的屋面时,建筑高度应分别计算后,取其中最大值 C、局部突出屋顶的瞭望塔、冷却塔、水箱间、楼梯出口小间等辅助用房占屋面面积不大于1/3者,可不计入建筑高度 D、对于住宅建筑,设置在底部且室内高度不大于2.2m的自行车库、储藏室、敞开空间,室内外高差或建筑的地下或半地下室的顶板面高出室外设计地面的高度不大于1.5m的部分,可不计入建筑高度 2、结构的( )是指在正常维护的条件下,应能在预计的使用年限内满足各项功能要
1
MFC自定义界面HUI,高效简单,含详细注释和示例。
HUI包括基本控件、按钮、标签、编辑框、表格、悬停提示等,可组合出更多功能。
资源占用少,效率高,能在低端机上运行,流畅不闪烁,完全满足工控等各种专业软件实现个性化要求。
本资源是“http://download.csdn.net/detail/hhhh63/6961889”的正式发布版。
包括3个项目,Hui、HuiDemo1和HuiDemo2。
一、Hui项目本项目是DLL项目,包括完整的界面库,使用双缓存,局部重画等技术,性能优异。
为保证在不同的MFC版本中使用,本次上传提供了这部分的源码,一般不要对其改动。
二、HuiDemo1简单的应用示例,包括窗口分割,控制面板和主显示区等,展示控件各方向停靠、自动充满、全屏切换、记忆窗口位置和大小、选项设置和保存注册表等功能,用户可直接以此为基础开发新项目。
如需扩展其它功能,可从HuiDemo2查找复制相应代码。
三、HuiDemo2除HuiDemo1的所有功能外,还包括界面库的全部功能和其它实用扩展功能,左中右三栏式分布,左右固定宽度,中间栏大小可变。
1、左边是属性栏,固定宽度,上边是时钟,下边是鼠标信息,当鼠标移到中间的图像区时显示鼠标位置和图像值。
2、中间是图像区,演示如何动态生存索引图像,从下向上移动,自适应大小,长宽比不变,点右边的调色板按钮改变颜色,点保存按钮把当前图像保存到桌面。
3、右边上边是控制栏,在中间的图像区中画各种几何图形,并计算几何图形包围的图像数据的最大值,最小值和平均值。
4、右边下边是表格演示,显示Windows文件夹下的文件列表,自动充满窗口区,随窗口大小改变显示项数,保证界面美观,最下面是搜索和定位功能。
四、运行环境,VC2010或更高版本。
欢迎大家下载并提意见,本资源版权归作者所有,分享供大家研究学心,不得用于商业用途,如有特殊要求请与本人联系。
2023/12/20 8:30:51 569KB MFC 界面 自定义按钮 示例
1
LPP(LocalityPreservingProjections),局部保持投影,
2023/12/16 20:27:51 5KB LPP,matlab
1
基于HOG特征提取的图像分类器,HOG的核心思想是所检测的局部物体外形能够被光强梯度或边缘方向的分布所描述。
通过将整幅图像分割成小的连接区域称为cells,每个cell生成一个方向梯度直方图或者cell中pixel的边缘方向,这些直方图的组合可表示出所检测目标的目标)描述子。
为改善准确率,局部直方图可以通过计算图像中一个较大区域称为block的光强作为measure被对比标准化,然后用这个measure归一化这个block中的所有cells.这个归一化过程完成了更好的照射/阴影不变性。
2023/12/16 11:58:32 17KB HOG 特征提取
1
作业车间调度问题是将多台机器安排处理多个工件的组合优化问题,使最大完工时间达到最小。
应用传统萤火虫算法求解时,萤火虫个体到达最优解附近时,相对吸引力逐渐增强,导致局部搜索能力减弱,造成求解结果在最优解附近震荡,进而使求解精度下降。
为改善解的质量,本文在萤火虫算法迭代过程中引入精英选择策略,保护进化过程中的优秀个体,避免最优解丢失;
为提高算法收敛速度与求解精度,对萤火虫位置更新方法引入基于种群规模和迭代次数的动态自适应惯性权重;
同时对每一代萤火虫种群最优个体引入禁忌搜索算法,提高局部搜索能力。
仿真结果表明本文所提出改进算法在解决作业车间调度问题上的有效性与实用价值。
1
c#图形书中最经典的一本书当中包括饼图,条形图,绘图板制作等第1章GDI+——下一代图形接口1.1理解GDI+1.2探索GDI+的功能1.3从GDI的角度学习GDI+1.4.NET中的GDI+名称空间和类总结第2章第一个GDI+应用程序2.1绘制表面2.2坐标系统2.3指南——第一个GDI+应用程序2.4一些基本的GDI+对象总结第3章Graphics类3.1Graphics类的属性3.2Graphics类的方法3.3GDI+Painter应用程序3.4绘制饼图总结第4章使用画笔和钢笔4.1理解和使用画笔4.2在GDI+中使用钢笔4.3使用钢笔进行变形4.4使用画笔进行变形4.5系统钢笔和系统画笔4.6一个真实世界的例子——在GDI+Painter应用程序中添加颜色、钢笔和画笔总结第5章颜色、字体和文本5.1访问Graphics对象5.2使用颜色5.3使用字体5.4使用文本和字符串5.5渲染文本的质量和性能5.6高级版式5.7一个简单的文本编辑器5.8文本变形总结第6章矩形和区域6.1Rectangle结构体6.2Region类6.3区域和剪辑6.4剪辑区域示例6.5区域、非矩形窗体和控件总结第7章图像处理7.1光栅图像和矢量图像7.2使用图像7.3操作图像7.4在GDI+中播放动画7.5使用位图7.6使用图标7.7扭曲图像7.8绘制透明的图形对象7.9查看多个图像7.10使用图片框查看图像7.11使用不同的大小保存图像总结第8章高级图像处理8.1渲染位图的一部分8.2使用图元文件8.3使用颜色对象应用颜色映射8.4图像属性和ImageAttributes类8.5编码器参数与图像格式总结第9章高级二维图形9.1线帽和线条样式9.2理解并使用图形路径9.3图形容器9.4读取图像的元数据9.5混合9.6Alpha混合9.7其他高级二维主题总结第10章变形10.1坐标系统10.2变形的类型10.3Matrix类与变形10.4Graphics类与变形10.5全局变形、局部变形和复合变形10.6图像变形10.7颜色变形和颜色矩阵10.8图像处理中的矩阵操作10.9文本变形10.10变形顺序的重要性总结第11章打印11.1简要地回顾使用MicrosoftWindows进行打印的历史11.2打印过程概述11.3第一个打印应用程序11.4打印机的设置11.5PrintDocument和Print事件11.6打印文本11.7打印图形11.8打印对话框11.9自定义页面设置11.10打印多个页面11.11页边打印——注意事项11.12进入细节——自定义控制和打印控制器总结第12章开发GDI+Web应用程序12.1创建第一个ASP.NETWeb应用程序12.2第一个图形Web应用程序12.3绘制简单的图形12.4在Web上绘制图像12.5绘制曲线图12.6绘制饼图总结第13章GDI+的最佳实践及性能技术13.1理解渲染过程13.2双缓存和无抖动绘图13.3理解SetStyle方法13.4绘图过程的质量与性能总结第14章GDI互操作性14.1在受控环境中使用GDI14.2在受控代码中使用GDI的注意事项总结第15章其他GDI+示例15.1设计交互式GUI应用程序15.2绘制具有形状的窗体和Windows控件15.3为绘制的图像添加版权信息15.4从流或数据库读取及写入图像15.5创建自绘制的列表控件总结附录A.NET中的异常处理
2023/12/15 5:35:43 9.31MB c# GDI+ 图形
1
共 515 条记录 首页 上一页 下一页 尾页
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 钉钉 钉钉打卡