我的AzureADB2C用例我用来查找客户或同行要求的AzureADB2C用例的重新编译。
使用自定义策略时，我总是使用此处提供的自定义策略入门包为了实用起见，我仅根据情况描述您需要添加或编辑的内容。
在其他更复杂的情况下，我将发布涉及的样本策略。
使用自定义策略时，我总是使用此处提供的自定义策略入门包为了实用起见，我仅根据情况描述您需要添加或编辑的内容。
在其他更复杂的情况下，我将发布涉及的样本策略。
2025/9/3 17:13:13
377KB
1
使用Fisher最优分割法对有序样本进行聚类的matlab程序。
格式：[P,D]=pfisher(x,m)x为待分隔的有序样本，为每行为一个样本m为分隔数，分成m组，需要m-1个分隔点P为分隔点列表，第一个为第一分隔点，第n个为第n分隔点，共n-1个D为每次分隔的组内离差平方和，与P中元素一一对应
格式：[P,D]=pfisher(x,m)x为待分隔的有序样本，为每行为一个样本m为分隔数，分成m组，需要m-1个分隔点P为分隔点列表，第一个为第一分隔点，第n个为第n分隔点，共n-1个D为每次分隔的组内离差平方和，与P中元素一一对应
2025/8/18 21:03:55
1KB
1
图书说明恶意软件分析和内存取证是逆向工程，数字取证和事件响应中使用的强大分析和调查技术。
随着对手变得复杂并对关键基础架构，数据中心以及私人和公共组织进行高级恶意软件攻击，检测，响应和调查此类入侵对于信息安全专业人员而言至关重要。
恶意软件分析和内存取证已成为应对高级恶意软件，针对性攻击和安全漏洞的必备技能。
本书向您介绍了通过恶意软件分析了解恶意软件行为和特征的概念，技术和工具。
它还教您使用内存取证来调查和搜捕恶意软件的技术。
本书向您介绍恶意软件分析的基础知识，然后逐步进入代码分析和内存取证的更高级概念。
它使用真实的恶意软件样本，受感染的内存映像和可视化图表来帮助您更好地理解主题，并为您提供分析，调查和响应恶意软件相关事件所需的技能
随着对手变得复杂并对关键基础架构，数据中心以及私人和公共组织进行高级恶意软件攻击，检测，响应和调查此类入侵对于信息安全专业人员而言至关重要。
恶意软件分析和内存取证已成为应对高级恶意软件，针对性攻击和安全漏洞的必备技能。
本书向您介绍了通过恶意软件分析了解恶意软件行为和特征的概念，技术和工具。
它还教您使用内存取证来调查和搜捕恶意软件的技术。
本书向您介绍恶意软件分析的基础知识，然后逐步进入代码分析和内存取证的更高级概念。
它使用真实的恶意软件样本，受感染的内存映像和可视化图表来帮助您更好地理解主题，并为您提供分析，调查和响应恶意软件相关事件所需的技能
2025/8/17 15:33:37
16.77MB
1
数据库系统概念（第6版）是一本经典的计算机著作，在此提供与其配套的实践习题答案以及大学模式样本数据
2025/8/17 3:41:41
45.58MB
1
采用动量梯度下降算法训练BP网络。
训练样本定义如下：输入矢量为p=[-1-231-115-3]目标矢量为t=[-1-111]有注释
训练样本定义如下：输入矢量为p=[-1-231-115-3]目标矢量为t=[-1-111]有注释
2025/8/15 10:58:52
1KB
1
mo_3.m_lbp特征提取，fitcecoc训练svm模型，predict预测，人脸分类。
使用fitcecoc函数训练一个多分类的SVM模型，使用predict函数利用训练出的模型对测试数据进行预测，将得到的类标预测值与测试数据真实的类标进行比较，计算测试数据中被正确分类的样本所占的比例。
使用fitcecoc函数训练一个多分类的SVM模型，使用predict函数利用训练出的模型对测试数据进行预测，将得到的类标预测值与测试数据真实的类标进行比较，计算测试数据中被正确分类的样本所占的比例。
2025/8/4 5:45:50
3KB
1
这个利用行人HOG特征通过SVM分类器进行分类的代码。
程序运行环境为VS2013+OpenCV2.20。
程序内可以选择Opencv自带的行人检测算法，也可以自己训练HOG特征进行检测。
如果自己训练的话，需要在D盘建立一个文件（具体文件名程序中有）里面存在训练的正负样本，和测试样本。
具体D盘的这个文件夹在本人自愿中已上传，需要请自行下载。
程序运行环境为VS2013+OpenCV2.20。
程序内可以选择Opencv自带的行人检测算法，也可以自己训练HOG特征进行检测。
如果自己训练的话，需要在D盘建立一个文件（具体文件名程序中有）里面存在训练的正负样本，和测试样本。
具体D盘的这个文件夹在本人自愿中已上传，需要请自行下载。
2025/7/30 21:48:56
6.52MB
1
使用BP神经网络对样本数据（某水库年降雨量监测数据+中国铁矿石年进口量监测数据）进行操作，生成需要的训练数据和测试数据。
并使用这些数据进行训练处误差小于指定要求的网络，之后可根据界面获取需要预测的年限，并最终进行预测
并使用这些数据进行训练处误差小于指定要求的网络，之后可根据界面获取需要预测的年限，并最终进行预测
2025/7/21 4:54:18
6.63MB
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