最近给单位做了一个业务下单系统,由于在全球几个国家都有业务办事处，所以下单系统做的是多语言界面的我实现多语言是利用了ASP.NET2.0的资源文件,其实据我所知除了资源文件的方式,在数据库里面建多个表中进行一个区域文化映射,也是解决国际化的一种方式(关于这种方式感兴味的朋友可以自己试试)现在我把实现国际化用到的相关知识总结如下：在总结全球化知识前,先来了解一个名词:表达式语法表达式语法格式：它是ASP.NET2.0新增了一种声明性表达式语法，可在分析页之前将值替换到页中.ASP.NET表达式是基于运行时计算的信息设置控件属性的一种声明性方式.ASP.NET表达式主要应用在:连接字符串,应用程序设置,资源文件等地方.ASP.NET表达式的基本语法如下：其实实现是比较简单的，只需要下面几个步骤1.创建全局资源表2.在session中存放表示当前的culture的变量，如“en-us”,"zh-cn"3.创建所有页面的基类PageBase，覆盖InitializeCulture函数4.页面上的文本值，表达式语法赋值
2021/2/16 20:34:19
9KB
1
现代优化算法是80年代初衰亡的启发式算法。
这些算法包括禁忌搜索（tabusearch），模拟退火（simulatedannealing），遗传算法（geneticalgorithms），人工神经网络（neuralnetworks）。
它们主要用于解决大量的实际应用问题。
目前，这些算法在理论和实际应用方面得到了较大的发展。
无论这些算法是怎样产生的，它们有一个共同的目标－求NP-hard组合优化问题的全局最优解。
这些算法包括禁忌搜索（tabusearch），模拟退火（simulatedannealing），遗传算法（geneticalgorithms），人工神经网络（neuralnetworks）。
它们主要用于解决大量的实际应用问题。
目前，这些算法在理论和实际应用方面得到了较大的发展。
无论这些算法是怎样产生的，它们有一个共同的目标－求NP-hard组合优化问题的全局最优解。
2021/5/15 8:54:49
283KB
1
为了利用遗传算法处理全局最短路径问题，提出了一种基于矩阵判断的编码方法。
随机产生种群个体，每个种群个体都可以直观反映一种连线的方法。
定义一个判断矩阵，每次使用种群个体前用判断矩阵进行合法性判断。
为了适应这种编码方法，提出了新的遗传策略。
利用LabVIEW进行仿真。
仿真结果表明LabVIEW独有的数组运算规则可以方便有效的实现这种遗传算法。
相比较一般的编码方法，该编码方法更简单、实用，不需要解码过程，更高效，适用于无线模块组网、灌溉网络管道连接、配电网设置等多类工程设计。
随机产生种群个体，每个种群个体都可以直观反映一种连线的方法。
定义一个判断矩阵，每次使用种群个体前用判断矩阵进行合法性判断。
为了适应这种编码方法，提出了新的遗传策略。
利用LabVIEW进行仿真。
仿真结果表明LabVIEW独有的数组运算规则可以方便有效的实现这种遗传算法。
相比较一般的编码方法，该编码方法更简单、实用，不需要解码过程，更高效，适用于无线模块组网、灌溉网络管道连接、配电网设置等多类工程设计。
2017/8/11 11:56:27
1.67MB
1
文件中给出案例数据，列代表指标集（输入集x:1-7,输出集y:8）行代表数据集。
可以用于本科毕业论文或者硕士毕业论文，首先使用SPSS进行出成分分析，然后将主成分得分值作为输入集，输出集保持不变。
通过该算法文件就可以得到预测值，具体步骤可以参考《基于SVM和LS-SVM的住宅工程造价预测研究》。
本算法使用BP神经网络的误差函数作为GWO算法的适应度函数，通过BP神经网络连接权值和阈值的数量来决定GWO算法中灰狼的维数，那么GWO算法寻优的过程就是权值和阈值更新的过程。
因而，GWO算法寻优的过程替代了BP神经网络梯度下降的过程。
经过不断更新和迭代，最终确定出全局最优值，即灰狼α所处的位置。
本算法输出的权值和阈值即作为神经网络的权值和阈值，不在通过神经网络继续训练。
可以参考文献《基于粒子群优化算法的BP网络学习研究》。
可以用于本科毕业论文或者硕士毕业论文，首先使用SPSS进行出成分分析，然后将主成分得分值作为输入集，输出集保持不变。
通过该算法文件就可以得到预测值，具体步骤可以参考《基于SVM和LS-SVM的住宅工程造价预测研究》。
本算法使用BP神经网络的误差函数作为GWO算法的适应度函数，通过BP神经网络连接权值和阈值的数量来决定GWO算法中灰狼的维数，那么GWO算法寻优的过程就是权值和阈值更新的过程。
因而，GWO算法寻优的过程替代了BP神经网络梯度下降的过程。
经过不断更新和迭代，最终确定出全局最优值，即灰狼α所处的位置。
本算法输出的权值和阈值即作为神经网络的权值和阈值，不在通过神经网络继续训练。
可以参考文献《基于粒子群优化算法的BP网络学习研究》。
2019/11/18 17:14:58
13KB
1
针对BP神经网络训练过程易陷入局部极值导致训练误差收敛速度慢的问题，提出将具有全局寻优的萤火虫算法，结合BP算法共同训练神经网络。
在本质上，萤火虫BP神经网络利用萤火虫算法对神经网络进行早期训练，避开局部极值点，得到优化后的神经网络初始权值后，利用BP算法的局部寻优特性对网络做进一步精细训练。
轴承毛病实验表明，萤火虫BP神经网络的训练误差收敛速度相比BP神经网络、萤火虫神经网络显著提升，毛病识别率最高达到99.47%。
在本质上，萤火虫BP神经网络利用萤火虫算法对神经网络进行早期训练，避开局部极值点，得到优化后的神经网络初始权值后，利用BP算法的局部寻优特性对网络做进一步精细训练。
轴承毛病实验表明，萤火虫BP神经网络的训练误差收敛速度相比BP神经网络、萤火虫神经网络显著提升，毛病识别率最高达到99.47%。
2018/11/10 22:25:45
1.2MB
1
-在原始BES算法的基础上添加了两种改进策略-改进1：将原先固定的控制因子变为自顺应控制因子，从而平衡算法前期的全局搜索能力和后期的局部寻优能力-改进2：采用折射反向学习机制增加寻找到最优解的概率，提升算法的求解精度和收敛速度-仿真图中包含改进后的IBES算法与原始BES算法的比较-包含23种测试函数
2021/5/9 21:55:33
511KB
1
组搜索优化算法GSO(GroupSearchOptimizer)是一种基于动物捕食原理的新型群智能优化算法。
本研究提出了一种改进的GSO优化算法:全局组搜索优化算法GGSO(GlobalGSO)。
次要在两个方面对GSO算法进行了改进,一是在迭代过程中引入加速系数,加快种群收敛速度,增强算法的局部搜索能力;二是用高斯函数来产生随机位置变异,扩大搜索空间,从而增强算法的全局搜索能力。
经过11个无约束测试函数和3个带约束问题的测试及与其他文献的比较可知,GGSO算法具有较好的局部和全局搜索能力,并且能够
本研究提出了一种改进的GSO优化算法:全局组搜索优化算法GGSO(GlobalGSO)。
次要在两个方面对GSO算法进行了改进,一是在迭代过程中引入加速系数,加快种群收敛速度,增强算法的局部搜索能力;二是用高斯函数来产生随机位置变异,扩大搜索空间,从而增强算法的全局搜索能力。
经过11个无约束测试函数和3个带约束问题的测试及与其他文献的比较可知,GGSO算法具有较好的局部和全局搜索能力,并且能够
2019/10/7 12:16:01
902KB
1
本系统服务器环境为php和mysql；
在线报名系统：用于统计报名者各类信息（姓名、邮箱、身份证号、联系地址、报名科目、备注等等）；
支持新注册提交、个人信息查看和修改，管理员对全局数据的查看、删除和修改，批量导出xls汇总表；
编码支持gb2312/gbk和utf8,如果是utf8导出xls需要转换才可以被excel2003正常打开;找了一大圈包括国外的网站，都没有适用的，很多还是定制收费，于是自己费了几个晚上弄出来；
使用用phpmyadmin导入自带的sql数据库文件，自行注册admin账号后就可以登录了；
如果需要新增字段或修改字段名，都可以自己调整数据库和php文件，源码开放，后续使用对技术要求不高；
v0.03更新如下1.处理管理员admin注销任务失败的bug；
2.新增导出xls汇总表功能，有中文的表头，而不是字段名表头；
3.扩展了可用字段，包括备注和报名者修改提交时间；
4.支持多种编码,默认为GBK(GBK可添加繁体、简体的信息提交，gb2312提交繁体会无法采集），导出xls默认就可以被excel打开；
5.防止管理员删除admin的账户；
6.优化排版样式,增加按钮，优化会员信息分页；
7.其他代码优化。
在线报名系统：用于统计报名者各类信息（姓名、邮箱、身份证号、联系地址、报名科目、备注等等）；
支持新注册提交、个人信息查看和修改，管理员对全局数据的查看、删除和修改，批量导出xls汇总表；
编码支持gb2312/gbk和utf8,如果是utf8导出xls需要转换才可以被excel2003正常打开;找了一大圈包括国外的网站，都没有适用的，很多还是定制收费，于是自己费了几个晚上弄出来；
使用用phpmyadmin导入自带的sql数据库文件，自行注册admin账号后就可以登录了；
如果需要新增字段或修改字段名，都可以自己调整数据库和php文件，源码开放，后续使用对技术要求不高；
v0.03更新如下1.处理管理员admin注销任务失败的bug；
2.新增导出xls汇总表功能，有中文的表头，而不是字段名表头；
3.扩展了可用字段，包括备注和报名者修改提交时间；
4.支持多种编码,默认为GBK(GBK可添加繁体、简体的信息提交，gb2312提交繁体会无法采集），导出xls默认就可以被excel打开；
5.防止管理员删除admin的账户；
6.优化排版样式,增加按钮，优化会员信息分页；
7.其他代码优化。
2020/10/10 12:44:17
10KB
1
21、阿里云oss-web层实现源码CSDN地址：https://blog.csdn.net/qq23001186/article/details/126159603-**源码说明**：（nacos的ip配置自行修正，全局变量DEV_CONFIG设置：1=zsz，2=comp，3=home）-goods_srv/model/sql/mxshop_goods.sql：包含了建表语句-other_import/api.json：YApi的导入文件-other_import/nacos_config_export_user.zip：nacos的user配置集导入文件-other_import/nacos_config_export_goods.zip：nacos的goods配置集导入文件
2018/7/17 19:13:28
1.37MB
1
22、库存服务-源码CSDN地址：https://blog.csdn.net/qq23001186/article/details/126265214-**源码说明**：（nacos的ip配置自行修正，全局变量DEV_CONFIG设置：1=zsz，2=comp，3=home）-goods_srv/model/sql/mxshop_goods.sql：包含了建表语句-other_import/api.json：YApi的导入文件-other_import/nacos_config_export_user.zip：nacos的user配置集导入文件-other_import/nacos_config_export_goods.zip：nacos的goods配置集导入文件-other_import/nacos_config_export_inventory.zip：nacos的inventory的配置导入文件
2015/11/8 6:39:06
1.45MB
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