1、将C:\WINDOWS\system32\inetsrv下面的整个iisadmpwd目录复制到C:\Inetpub\wwwroot下（仅为了不破坏原始文件）2、WEB共享iisadmpwd目录到80网站上，默认读取和脚本权限即可3、检查IIS服务的ASP支持是否安装4、将aexp2.asp更名为default.asp,并根据自己需要修改这个文件，例如没启用证书则将https改为http5、访问http://localhost/iisadmpwd即可修改密码windows2008下需要注册里面的dll
2023/11/1 23:16:41
25KB
1
数字图像水印中使用Arnold置乱，可以起到加密和保护的作用，此代码就是对原始图像进行置乱，然后对置乱后的图像进行恢复的实现，代码附有详细的注释说明，简单易懂。
2023/10/30 17:50:13
1KB
1
hadoopk-means算法实现java工程的打包类，可直接在terminal中运行，运行命令为：$HADOOP_HOME/bin/hadoopjarClusterDemo.jarmain.Cluster然后直接确定就可以看到提示的运行参数或者参考下面：+"\n" +"\t:输入文件路径\n" +"\t:输出文件路径\n" +"\t:初始中心路径\n" +"\t:临时输出文件路径\n" +"\t:循环最大次数\n" +"\t:聚类中心变化阈值\n" +"\t:聚类中心数目\n" +"\t:原始数据属性数目\n" +"\t:reduce数目");
2023/10/30 8:43:26
12KB
1
%Step1获取图像装入待处理彩色图像并显示原始图像Scolor=imread('F:\课程\图像分析\车牌识别\6.jpg');%imread函数读取图像文件
2023/10/30 6:08:11
1020B
1
这个是我们老师提供的代码，用于数字高程模型文件，实现该数字高程模型的三维可视化（不用LOD算法，只需用原始数据绘制相同层次的网格即可）。
2023/10/29 19:06:10
27KB
1
高光谱解混数据集（Samson），具有156个通道的Matlab格式数据，原始数据有952x952像素。
每个像素记录在156个通道上，覆盖401nm至889nm的波长。
光谱分辨率高达3.13nm。
由于原始图像太大，这在计算成本方面非常昂贵，因此使用95×95像素的区域。
它从原始图像中的第（252,332）像素开始。
此数据不会被空白通道或严重噪声通道降级。
具体而言，该图像中有三个目标，分别是“＃1土壤”，“＃2树”和“＃3水”。
每个像素记录在156个通道上，覆盖401nm至889nm的波长。
光谱分辨率高达3.13nm。
由于原始图像太大，这在计算成本方面非常昂贵，因此使用95×95像素的区域。
它从原始图像中的第（252,332）像素开始。
此数据不会被空白通道或严重噪声通道降级。
具体而言，该图像中有三个目标，分别是“＃1土壤”，“＃2树”和“＃3水”。
2023/10/29 12:43:07
3.42MB
1
使用qt多线程，通过QAxObject将固定格式的文本文件（demo提供了选择原始文件，暂时使用的模拟数据），导出到excel，实现了进度显示
2023/10/29 8:07:29
3KB
1
这是我的毕业设计，通过Winpcap捕获网络原始数据包，根据网络协议分析数据包首部信息，并将解析结果显示到MFC界面上，使用了Winpcap强大的数据包过滤引擎，可以根据过滤规则准确的捕获特定的数据包。
2023/10/28 16:09:42
11.02MB
1
5万的食谱菜谱数据（csv格式），数据来源于公开网络，为了方便数据处理，使用了#符号作为数据处理依据（可以利用这个特征分割符号处理成数组数据），例如：材料、分量，步骤文字和图片两个字段，入库处理的时候可以处理成数组形式（php可以使用explode()函数），方便前端输出。
采集数据，尽量过滤了原始无关的html标签。
采集数据，尽量过滤了原始无关的html标签。
2023/10/14 23:51:27
28.52MB
1
数学建模灰色预测模型的课件和代码：灰色预测是对既含有已知信息又含有不确定信息的系统进行预则，就是对在一定范围内变化的、与时间有关的灰色过程进行预测。
灰色预测对原始数据进行生成处理来寻找系统变动的规律，并生成有较强规律性的数据序列，然后建立相应的微分方程模型，从而预测事物未来发展趋势的状况。
灰色预测对原始数据进行生成处理来寻找系统变动的规律，并生成有较强规律性的数据序列，然后建立相应的微分方程模型，从而预测事物未来发展趋势的状况。
2023/10/14 17:13:27
3.89MB
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