uniGUIWeb应用程序框架将Web应用程序开发经验扩展到一个新的维度。
uniGUI使Delphi开发人员可以使用一组独特的可视组件在IDE中创建，设计和调试Web应用程序。
每个组件旨在提供与DelphiVCL中对应的可视组件相同的功能。
这提供了一个非常温馨的开发环境，非常易于学习，非常接近本机VCL应用程序开发。
可以使用可用的部署选项之一将uniGUIWeb应用程序部署到服务器，例如Windows服务，独立服务器或ISAPI模块。
产品亮点：基于业界最先进的JavaScript库SenchaExtJS。
包括SenchaExtJS的OEM许可证。
（请参阅许可以获取详细信息）。
创建状态Web应用程序的独特平台。
完整的IDE支持，用于创建项目，设计表单，框架和处理数据模块。
对脚本化客户端JavaScript事件的脚本的高级支持。
库核心经过全面优化，以实现最高级别的可扩展性。
包括高级压力测试工具实用程序。
带有各种部署选项：ISAPI模块，独立服务器和Windows服务。
支持的Delphi版本：TurboDelphiPro，Delphi2006，Delphi2007，Delphi2009，Delphi2010，DelphiXE，XE2，XE3，XE4，X5，XE6，XE7，XE8，Delphi10Seattle，10.1Berlin，10.2.3Tokyo和10.3.1Rio（Win32和Win64平台）。
（Linux支持在路线图中）支持C++Builder。
支持的浏览器：IE9+，MicrosoftEdge，FireFox，Chrome，Safari和Opera最新的uniGUIHyperServer技术。
仅供爱好者学习，如用于商业用途，请购买正版软件。
uniGUI使Delphi开发人员可以使用一组独特的可视组件在IDE中创建，设计和调试Web应用程序。
每个组件旨在提供与DelphiVCL中对应的可视组件相同的功能。
这提供了一个非常温馨的开发环境，非常易于学习，非常接近本机VCL应用程序开发。
可以使用可用的部署选项之一将uniGUIWeb应用程序部署到服务器，例如Windows服务，独立服务器或ISAPI模块。
产品亮点：基于业界最先进的JavaScript库SenchaExtJS。
包括SenchaExtJS的OEM许可证。
（请参阅许可以获取详细信息）。
创建状态Web应用程序的独特平台。
完整的IDE支持，用于创建项目，设计表单，框架和处理数据模块。
对脚本化客户端JavaScript事件的脚本的高级支持。
库核心经过全面优化，以实现最高级别的可扩展性。
包括高级压力测试工具实用程序。
带有各种部署选项：ISAPI模块，独立服务器和Windows服务。
支持的Delphi版本：TurboDelphiPro，Delphi2006，Delphi2007，Delphi2009，Delphi2010，DelphiXE，XE2，XE3，XE4，X5，XE6，XE7，XE8，Delphi10Seattle，10.1Berlin，10.2.3Tokyo和10.3.1Rio（Win32和Win64平台）。
（Linux支持在路线图中）支持C++Builder。
支持的浏览器：IE9+，MicrosoftEdge，FireFox，Chrome，Safari和Opera最新的uniGUIHyperServer技术。
仅供爱好者学习，如用于商业用途，请购买正版软件。
2023/3/6 14:49:22
91.06MB
1
完满cass安装包,同时可私聊提供分享7.0、9.0、10.1版本仅供学习或者二次开发使用。
2023/2/11 4:27:42
71.39MB
1
arcgis10.1的LicenseManager和注册机不要安装arcgis10.1自带的LM，首先安装这个LM，然后注册机选ArcInfo，版本号填入10.1，生成文件之后把计算机名改成本人的计算机名其他用法可以搜索网上的
2018/9/14 14:05:35
21.33MB
1
本来又不是很难找的东西看到全卖那么多分表示无语花了点时间整理一下IntelC++Compiler全套91011的license文件打包亲测9.110.111.1版本的ICC可以安装（ia32ia64amd64版本都可以用）其他版本没试过安装时候选license然后选择解压出来的相应文件就行顺便带了10.1的官方完整下载地址包含3264ia64很多地址比如64的都是很难找的（由于这个版本是可以安VC6的最高版本9的一般没人用了吧11的网上好多）本着分享学习互惠互利我觉得我已经很厚道了喜欢的话请给我个好评
2018/10/16 16:10:39
2KB
1
本来又不是很难找的东西看到全卖那么多分表示无语花了点时间整理一下IntelC++Compiler全套91011的license文件打包亲测9.110.111.1版本的ICC可以安装（ia32ia64amd64版本都可以用）其他版本没试过安装时候选license然后选择解压出来的相应文件就行顺便带了10.1的官方完整下载地址包含3264ia64很多地址比如64的都是很难找的（由于这个版本是可以安VC6的最高版本9的一般没人用了吧11的网上好多）本着分享学习互惠互利我觉得我已经很厚道了喜欢的话请给我个好评
2019/8/5 16:52:45
2KB
1
《模式识别（第四版）》是2010年电子工业出版社出版的图书，作者是西奥多里蒂斯。
本书由模式识别领域的两位顶级专家合著，全面阐述了模式识别的基础理论、最新方法、以及各种应用。
作 者：(希)SergiosTheodoridis/(希)KonstantinosKoutroumbas，李晶皎等译第1章导论1.1模式识别的重要性1.2特征、特征向量和分类器1.3有监督、无监督和半监督学习1.4MATLAB程序1.5本书的内容安排第2章基于贝叶斯决策理论的分类器2.1引言2.2贝叶斯决策理论2.3判别函数和决策面2.4正态分布的贝叶斯分类2.5未知概率密度函数的估计2.6最近邻规则2.7贝叶斯网络习题MATLAB编程和练习参考文献第3章线性分类器3.1引言3.2线性判别函数和决策超平面3.3感知器算法3.4最小二乘法3.5均方估计的回顾3.6逻辑识别3.7支持向量机习题MATLAB编程和练习参考文献第4章非线性分类器4.1引言4.2异或问题4.3两层感知器4.4三层感知器4.5基于训练集准确分类的算法4.6反向传播算法4.7反向传播算法的改进4.8代价函数选择4.9神经网络大小的选择4.10仿真实例4.11具有权值共享的网络4.12线性分类器的推广4.13线性二分法中1维空间的容量4.14多项式分类器4.15径向基函数网络4.16通用逼近4.17概率神经元网络4.18支持向量机：非线性格况4.19超越SVM的范例4.20决策树4.21合并分类器4.22合并分类器的增强法4.23类的不平衡问题4.24讨论习题MATLAB编程和练习参考文献第5章特征选择5.1引言5.2预处理5.3峰值现象5.4基于统计假设检验的特征选择5.5接收机操作特性（ROC）曲线5.6类可分性测量5.7特征子集的选择5.8最优特征生成5.9神经网络和特征生成/选择5.10推广理论的提示5.11贝叶斯信息准则习题MATLAB编程和练习参考文献第6章特征生成I：线性变换6.1引言6.2基本向量和图像6.3Karhunen-Loève变换6.4奇异值分解6.5独立成分分析6.6非负矩阵因子分解6.7非线性维数降低6.8离散傅里叶变换（DFT）6.9离散正弦和余弦变换6.10Hadamard变换6.11Haar变换6.12回顾Haar展开式6.13离散时间小波变换（DTWT）6.14多分辨解释6.15小波包6.16二维推广简介6.17应用习题MATLAB编程和练习参考文献第7章特征生成II7.1引言7.2区域特征7.3字符形状和大小的特征7.4分形概述7.5语音和声音分类的典型特征习题MATLAB编程和练习参考文献第8章模板匹配8.1引言8.2基于最优路径搜索技术的测度8.3基于相关的测度8.4可变形的模板模型8.5基于内容的信息检索：相关反馈习题MATLAB编程和练习参考文献第9章上下文相关分类9.1引言9.2贝叶斯分类器9.3马尔可夫链模型9.4Viterbi算法9.5信道均衡9.6隐马尔可夫模型9.7状态驻留的HMM9.8用神经网络训练马尔可夫模型9.9马尔可夫随机场的讨论习题MATLAB编程和练习参考文献第10章监督学习：尾声10.1引言10.2误差计算方法10.3探讨有限数据集的大小10.4医学图像实例研究10.5半监督学习习题参考文献第11章聚类：基本概念11.1引言11.2近邻测度习题参考文献第12章聚类算法I：顺序算法12.1引言12.2聚类算法的种类12.3顺序聚类算法12.4BSAS的改进12.5两个阈值的顺序方法12.6改进阶段12.7神经网络的实现习题MATLAB编程和练习参考文献第13章聚类算法II：层次算法13.1引言13.2合并算法13.3cophenetic矩阵13.4分裂算法13.5用于大数据集的层次算法13.6最佳聚类数的选择习题MATLAB编程和练习参考文献第14章聚类算法III：基于函数最优方法14.1引言14.2混合分解方法14.3模糊聚类算法14.4可能性聚类14.5硬聚类算法14.6向量量化附录习题MATLAB编程和练习参考文献第15
本书由模式识别领域的两位顶级专家合著，全面阐述了模式识别的基础理论、最新方法、以及各种应用。
作 者：(希)SergiosTheodoridis/(希)KonstantinosKoutroumbas，李晶皎等译第1章导论1.1模式识别的重要性1.2特征、特征向量和分类器1.3有监督、无监督和半监督学习1.4MATLAB程序1.5本书的内容安排第2章基于贝叶斯决策理论的分类器2.1引言2.2贝叶斯决策理论2.3判别函数和决策面2.4正态分布的贝叶斯分类2.5未知概率密度函数的估计2.6最近邻规则2.7贝叶斯网络习题MATLAB编程和练习参考文献第3章线性分类器3.1引言3.2线性判别函数和决策超平面3.3感知器算法3.4最小二乘法3.5均方估计的回顾3.6逻辑识别3.7支持向量机习题MATLAB编程和练习参考文献第4章非线性分类器4.1引言4.2异或问题4.3两层感知器4.4三层感知器4.5基于训练集准确分类的算法4.6反向传播算法4.7反向传播算法的改进4.8代价函数选择4.9神经网络大小的选择4.10仿真实例4.11具有权值共享的网络4.12线性分类器的推广4.13线性二分法中1维空间的容量4.14多项式分类器4.15径向基函数网络4.16通用逼近4.17概率神经元网络4.18支持向量机：非线性格况4.19超越SVM的范例4.20决策树4.21合并分类器4.22合并分类器的增强法4.23类的不平衡问题4.24讨论习题MATLAB编程和练习参考文献第5章特征选择5.1引言5.2预处理5.3峰值现象5.4基于统计假设检验的特征选择5.5接收机操作特性（ROC）曲线5.6类可分性测量5.7特征子集的选择5.8最优特征生成5.9神经网络和特征生成/选择5.10推广理论的提示5.11贝叶斯信息准则习题MATLAB编程和练习参考文献第6章特征生成I：线性变换6.1引言6.2基本向量和图像6.3Karhunen-Loève变换6.4奇异值分解6.5独立成分分析6.6非负矩阵因子分解6.7非线性维数降低6.8离散傅里叶变换（DFT）6.9离散正弦和余弦变换6.10Hadamard变换6.11Haar变换6.12回顾Haar展开式6.13离散时间小波变换（DTWT）6.14多分辨解释6.15小波包6.16二维推广简介6.17应用习题MATLAB编程和练习参考文献第7章特征生成II7.1引言7.2区域特征7.3字符形状和大小的特征7.4分形概述7.5语音和声音分类的典型特征习题MATLAB编程和练习参考文献第8章模板匹配8.1引言8.2基于最优路径搜索技术的测度8.3基于相关的测度8.4可变形的模板模型8.5基于内容的信息检索：相关反馈习题MATLAB编程和练习参考文献第9章上下文相关分类9.1引言9.2贝叶斯分类器9.3马尔可夫链模型9.4Viterbi算法9.5信道均衡9.6隐马尔可夫模型9.7状态驻留的HMM9.8用神经网络训练马尔可夫模型9.9马尔可夫随机场的讨论习题MATLAB编程和练习参考文献第10章监督学习：尾声10.1引言10.2误差计算方法10.3探讨有限数据集的大小10.4医学图像实例研究10.5半监督学习习题参考文献第11章聚类：基本概念11.1引言11.2近邻测度习题参考文献第12章聚类算法I：顺序算法12.1引言12.2聚类算法的种类12.3顺序聚类算法12.4BSAS的改进12.5两个阈值的顺序方法12.6改进阶段12.7神经网络的实现习题MATLAB编程和练习参考文献第13章聚类算法II：层次算法13.1引言13.2合并算法13.3cophenetic矩阵13.4分裂算法13.5用于大数据集的层次算法13.6最佳聚类数的选择习题MATLAB编程和练习参考文献第14章聚类算法III：基于函数最优方法14.1引言14.2混合分解方法14.3模糊聚类算法14.4可能性聚类14.5硬聚类算法14.6向量量化附录习题MATLAB编程和练习参考文献第15
2016/1/18 19:48:46
95.69MB
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