MailDock是一个转为前端服务的邮箱平台，只需求成为我们的一员即可直接获得一个接口，将接口放入到您的代码中即可实现邮箱的发送与接收。

下载后是一个txt，txt内有百度云链接和直链包含完整代码，是用eclipse写的，下载即可运转，新手可以参考下如有问题，请联系邮箱：aliulf@foxmail.com

根据设定（在配置文件Sys.ini中设定）的发送人、接收人、及邮箱和邮箱服务器，可以将指定邮件的标题、内容、附件发送到制定的邮箱。
如果想要根据时间自动发送，将此工具添加到计划任务即可实现自动发送邮件。
并且可以记录发送日志。
请留意：此工具需要.netframework4.0的环境。

我在我的学校的一间教室根据康威游戏规则编写出一份matlab程式叫conway.m该程式包含了我的编程思路历程,且大部分语句都有我的编程时的正文,希望能有助于看懂我的程式由于我是第一次编写matlab程序,且时间仓促,导致程序的效率可能不高,特别是遇到大型数组去做循环时会特别耗时所以如果有更好的实现代码或者建议,请发送到邮箱地址:632999353@qq.com

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。

一次Linux下ARP欺骗嗅探公司邮箱密码的内部浸透测试

流光5.0+易优解密字典生成器可以破解邮箱、qq等，后面有运用录像！流光5.0+易优解密字典生成器可以破解邮箱、qq等，后面有运用录像！

使用CDO和SMTP两种方式发送Email，处理加密发送问题，当使用smtp发送的时候，如果使用企业邮箱并需要ssl加密传输的时候，就无法发送了，所以尽量使用cdo方式发送就OK了，使用请保留版权信息解压密码：www.2gei.cn

物流管理系统具有管理员登陆和用户登陆两个模式：管理员登陆：（1）管理员输入用户名，密码登录到系统主页面；
（2）任务人员管理：管理物流中担任送货的司机信息（姓名、性别、年龄、住址、联系电话、驾驶证号），可添加司机人员和对司机信息进行修改和删除，在此界面中可对司机信息按照驾驶证号或者司机姓名进行查询。
（3）任务信息管理：管理担任运输货物的车辆的信息（车牌号、货车型号、载重量、备注），可添加车辆和对车辆信息进行修改和删除，在此界面中可对车辆信息按照驾驶证号进行查询。
（4）注册用户管理：管理用户的信息（用户名、真实姓名、联系电话、通讯地址），在此界面中可对注册用户按真实姓名进行查询，可删除用户，如该用户被删除，那此用户的所有信息都会被删除（个人信息和发出的订单信息）。
（5）任务申请管理：管理用户发出的运输申请，显示申请的信息（货主姓名、货物名称、货物重量、始发地、目的地），在此界面中可对申请按货物名进行查询，可删除申请。
（6）任务调度管理：对用户发出的申请进行调度，管理送货司机和送货车辆，登记出发时间和到达时间，该界面展示的信息包括：发出送货申请的用户的姓名、任务名称、重量、始发地、目的地、货车安排、司机安排、出发时间和到达时间等。
在此界面中可对订单按任务名称进行查询。
（7）任务跟踪管理：展示订单的状态，到达或者在途中。
在此界面，在此界面中可对订单按任务名称进行查询。
（8）任务评价管理：订单完成后，用户可对物流服务进行评价。
（9）任务总结报告：订单完成后的整体总结，打印整体过程中的详细信息。
（10）系统用户管理：管理用户。
增，删，改。
（11）注销退出：退出系统界面，回到到登陆页面。
用户登陆：（1）管理员输入用户名，密码登录到系统主页面；
（2）任务申请：用户在此界面中发出任务申请，填写订单信息（任务名称、重量、始发地、目的地），该申请发送至管理员处，由管理员进行任务调度。
（3）已申请记录；
用户在此界面可查看自己发出的所有的订单的信息（任务名称、重量、始发地、目的地、始发时间、到达时间、目前位置、状态）。
（4）修改资料：用户在此界面可修改自己的个人资料，包括：联系电话、通信地址、邮政编码、电子邮箱等。
（5）修改密码：用户可修改自己账户的密码。
（6）注销退出：退出系统界面，回到登陆页面。

实现一个论坛系统，用户可以浏览论坛上的帖子，并注册成正式会员。
会员能够修改自己的信息，申请版主，发表帖子，站内发私信等。
管理员能够管理论坛，包括审核留言，删除板块，删除帖子，删除回复，封禁账号等权限。
于是，可以得到以下要实现的功能：普通用户部分：1.用户注册、登录、修改个人信息。
2.浏览讨论区。
3.帖子的创建及回复。
4.自身发过帖子的删除及自己回复的删除。
管理员部分：1.拥有普通用户所有功能。
2.删除帖子，删除回复，账号封禁等。
3.查看用户详细信息，修改用户信息。
4.进行板块的增删改。
5.设置版主。
在此基础上，功能又可以继续细化：1.登录：登录时进行字段验证。
2.注册：用户注册时要输入账号、密码、密码确认、手机号、微信号、邮箱等。
3.修改个人信息：除账号以外的信息均可修改。
4.浏览：用户在登录前仅可以浏览帖子，登陆后才可以回复。
5.实现板块的增删改。
（最初做）6.管理员的权限控制，分为总管理员和版主，版主仅拥有自己板块的管理权限。
7.删除帖子：用户仅可以删除自己发的帖子及回复，管理员和版主可以删除所有。
8.用户可以在站内给任何人发私信。

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。