Qt5.8使用自带的QChart实现改变折线图和散点图X轴及图样式效果，这个积分是系统本人定的，不值这么多，有需要的可以私信（资源名+邮箱）

URTracker3.3真正完美破解高级无限制版，居于urtracker330free上破解，用兴味索取的朋友，请留言（附上邮箱地址）。
官方简介:http://urtracker.cn《URTracker事务跟踪系统》是一款通用的问题跟踪（IssueTracking）软件。
它用于帮助企业和团队建立各种类型的问题处理流程，管理所有的问题并跟踪记录这些问题的处理过程，同时为使用者提供一个分配、流转和协作处理问题的工作平台。
它还内置了知识库功能，方便用户转化问题中的有价值的信息、积累和分享各种知识。
URTracker广泛应用于产品开发管理、项目管理、团队协作、客户服务、日常办公等各个方面：产品缺陷/bug跟踪（Defect/bugTracking）工作任务跟踪（TaskTracking）问题解决过程跟踪（ProblemTracking）产品需求管理（RequestManagement）客户服务过程跟踪（CustomerSupportTracking）知识库管理（KnowledgeBasemanagement）IT服务管理（帮助台HelpDesk、事件和问题管理等）其它类型的事务跟踪（信息管理、日常办公流程、审核审批、考核绩效、各种业务流程的实现等）在5年多的时间里，URTracker被众多的商业客户选择并应用，并且成为了他们极其重要的工作平台。
它的灵活性、实用性和价值已经被广泛验证。
我们相信URTracker也一定能够为您带来有效的帮助。

安装方法：1、下载附件中的压缩包，解压并拷贝mod_dosevasive22.dll到Apache安装目录下的modules目录（当然也可以是其他目录，需要自己修改路径）。
2、修改Apache的配置文件http.conf。
添加以下内容LoadModuledosevasive22_modulemodules/mod_dosevasive22.soDOSHashTableSize3097DOSPageCount3DOSSiteCount50DOSPageInterval1DOSSiteInterval1DOSBlockingPeriod10其中DOSHashTableSize3097记录黑名单的尺寸DOSPageCount3每个页面被判断为dos攻击的读取次数DOSSiteCount50每个站点被判断为dos攻击的读取部件(object)的个数DOSPageInterval1读取页面间隔秒DOSSiteInterval1读取站点间隔秒DOSBlockingPeriod10被封时间间隔秒mod_dosevasivev1.10什么是mod_dosevasive?mod_dosevasive是一种提供躲避HTTPDOS/DDOS攻击或暴力强制攻击的apache模块。
它同样可以用作网络探测和管理的工具，通过简单的配置，就可以同ipchains（ip链？）防火墙，路由器等设备进行对话。
并通过email或系统日志提供报告。
发现攻击是通过创建一个内建的IP地址和URIs的动态哈希表来完成，并且阻止同一ip在以下的情况：1.在同一秒多次请求同一页面2.对同一child(对象？)作出超过50个并发请求3.被列入黑名单的ip这种方式在单点攻击和分布式多点攻击的状况下都能很好工作，但如同其它的防黑软件一样，只是针对于那些对网络带宽和处理器消耗的攻击，所以这就是为什么我们要推荐你将它与你的防火墙和路由器配合使用，因为这样才能提供最大限度的保护。
这个模块有一个内建的滤除机制和级别设定，对付不同情况，正因如此合法请求不会遭到妨碍，即使一个用户数次连击“刷新”，也不会遭到影响，除非，他是故意这样做的。
mod_dosevasive完全可以通过apache配置文件来配置，很容易就可以集成到你的web服务器，并且容易使用。
DOSHashTableSize----------------哈希表的大小决定每个子级哈希表的顶级节点数,越多则越可避免反复的查表，但会占据更多内存，如果你的服务器要应付很多访问，那就增大它。
Thevalueyouspecifywillautomaticallybetiereduptothenextprimenumberintheprimeslist(seemod_dosevasive.cforalistofprimesused).DOSPageCount------------规定请求同一页面（URI）的时间间隔犯规的次数，一旦超过，用户ip将被列入黑名单DOSSiteCount------------规定请求站内同一物件的时间间隔犯规的次数，一旦超过，用户ip将被列入黑名单DOSPageInterval---------------同一页面的规定间隔时间，默认为1秒DOSSiteInterval---------------站内同一物件的时间间隔，默认为1秒DOSBlockingPeriod-----------------Theblockingperiod是规定列入黑名单内ip的禁止时限，在时限内，用户继续访问将收到403(Forbidden)的错误提示，并且计时器将重置。
由于列入黑名单后每次访问都会重新计时，所以不必将时限设置太大。
在Dos攻击下，计时器也会保持重置DOSEmailNotify--------------假如这个选项被设置，每个ip被列入黑名单时，都将发送email通知。
但有机制防止重复发送相同的通知注意：请确定mod_dosevasive.c(ormod_dosevasive20.c)已正确配置。
默认配置是"/bin/mail-t%s"%s是email发送的目的地址，假如你是linux或其它使用别的邮箱的操作系统，你需要修改这里DOSSystemCommand----------------假如设置了此项，当有ip被列入黑名单，指定的系统命令将被执行，此项功能被设计为受攻击时可以执行ip过滤器和其它的工具软件，有内建机制避免对相同攻击作重复反应用

最新SMTP企业邮箱密码批量探测器是一款用于邮箱帐号批量探测的工具软件。
企业邮箱地址要网络爬虫采集。
1.导入企业邮箱地址列表（支持TXT格式文本，每行一个）。
2.设置常用弱密码字典，密码支持#user#,#domain#等变量。
（已设置好）3.自动根据邮箱地址获取用户名，尝试探测的用户名支持@之前部分和邮箱全称。
4.自动根据邮箱地址获取邮箱的SMTP服务器，支持获取三种方式顶级域名，smtp.+顶级域名和mail.+顶级域名。
5.完满支持多线程扫描，非一般软件的多开所能比拟（单线程用多开的方式让你开你能开几十个而纯多线程软件开几百个线程完全没问题）。
6.支持探测SM

批量发工资条小工具第一步，请把下载到的压缩包解压缩到某个文件夹下，比如桌面或者E盘、D盘之类的地方，尽量不要直接在压缩包中运行点击“批量逐个发送邮件系统.exe”运行软件后，先加载一个当月的工资表文件，支持office2000的兼容格式，以“.xls”为后缀的excel表格，或office2007之后的版本支持的.xlsx格式。
选中工资条格式文件之后，软件会自动把所有员工的月工资详情罗列出来。
如果要修改此工资条格式，可参照附件压缩包中自带的“工资条格式.xls”(如果你的excel文件中有多张表，软件默认读取最右边的第一张excel表，可在config.ini中修改成读其它张表)。
可以增加列或删减列，但需确保工资条格式的第一列是月份，第二列是姓名，最后一列是每个员工的私人邮箱。
压缩包中的additional.txt是额外的一些说明，比如当月有什么调整，哪些销售收入未入账或有问题等。
contact.txt文件可以包含自己的联系方式。
如果不需要这个功能的话，可以删除此两个文件！

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。

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。