这是人工智能课程中产生式系统的实验代码，语言为C++(MSVC)，没有GUI。
包含五个文件：testMain.cpp//用于测试产生式系统productionSys.cpp//产生式系统的实现productionSys.h//产生是系统的定义testSetA.txt//测试集A(包含知识集和结果集)testSetB.txt//测试集B

基于ARM和Linux的嵌入式远程视频监控系统设计

Nachos实验（操作系统课程设计）共四个实验，每个实验是单独分离开，有代码，有详细文档。
实验1#内核线程调度策略设计设计了两个静态（FCFS,静态优先数），两个动态（动态优先数，彩票算法）。
实验2#进程同步设计一个Haro样式的条件变量，通过实现采用该条件变量的生产者消费者问题管程和哲学家问题管程，用多个使用管程的协作线程验证其正确性。
实验3#用户进程和空间管理设计实现了多道程序共驻内存，用户程序并发执行，实现了多个系统调用(Fork,Exec,Join,Exit,Wait,Halt,Create,Open,Read,Write,Close,Yield,，实现了一个简单的shell程序，并实现了shell上的用户程序的并发，输出重定向功能。
本实验中采用了进程同步的功能。
实现了进程表，使用父子进程关系表实现父子进程关系。
实验4#文件系统扩展设计使Nachos文件的长度可以扩展。
扩充Nachos文件的最大容量。

漏洞扫描，基于网络的入侵检测系统，其中包括端口扫描及漏洞检，是本人毕业设计的作品　异常检测(Anomalydetection)的假设是入侵者活动异常于正常主体的活动。
根据这一理念建立主体正常活动的“活动简档”，将当前主体的活动状况与“活动简档”相比较，当违反其统计规律时，认为该活动可能是“入侵”行为。
异常检测的难题在于如何建立“活动简档”以及如何设计统计算法，从而不把正常的操作作为“入侵”或忽略真正的“入侵”行为。

2011年末国内最大程序员社区CSDN的数据库泄露事件横扫整个中国互联网，引起了亿万网民的关注、怀疑互联网的安全性，似乎一夜之间数据外泄和数据库安全成为流行。
其实不然，数据外泄从05年开始就在国外爆发，典型代表为美国的数千万信用卡数据失窃事件。
这次事件引发了很多互联网企业、电子商务、电子政务等诸多在线业务系统关于数据库防泄露的探讨与分析，安全厂商也纷纷拿出了各自的防数据库信息泄露的解决方案。
深入分析这次事件，不难看出，数据库泄露事件仅仅是信息安全事件的一种表现形式而已。
这次被公布的账户信息不过是黑客产业链输出的已经失去价值的信息残渣；
这背后可能存在修改核心数据库的记录、获取特定社会公众人物的重要信息、涉嫌大宗商业诈骗等违法行为等更为严重的不为人知的恶性安全事件。
亡羊补牢为时不晚，但若我们安全建设的策略仅聚焦在数据泄露这个安全事件的表象上，这将会是危险的。

餐厅订餐系统，基于口福科技的系统(v2.7.7)做得微调。

酒店管理系统的sql代码，本人的数据库大作业的jiaoben

同时为发布和订阅提供高吞吐量。
据了解，Kafka每秒可以生产约25万消息（50MB），每秒处理55万消息（110MB）。
可进行持久化操作。
将消息持久化到磁盘，因此可用于批量消费，例如ETL，以及实时应用程序。
通过将数据持久化到硬盘以及replication防止数据丢失。
分布式系统，易于向外扩展。
所有的producer、broker和consumer都会有多个，均为分布式的。
无需停机即可扩展机器。
消息被处理的状态是在consumer端维护，而不是由server端维护。
当失败时能自动平衡。
支持online和offline的场景。

《基于SPSS的数据分析（第2版）》一书深入浅出地介绍了如何利用SPSS这一强大的统计软件进行数据处理和分析。
薛薇作者在第三版中进一步更新了内容，确保读者能掌握最新的数据分析技术。
这本书是针对那些希望提升数据分析能力，尤其是SPSS操作技能的读者而编写的。
SPSS，全称StatisticalProductandServiceSolutions，是一款广泛应用于社会科学、健康科学、市场研究、教育等领域的统计分析软件。
它的用户界面友好，操作直观，使得非专业统计背景的用户也能轻松上手。
在书中的实例中，我们可以看到各种不同类型的数据文件，如：1.**WebData.mdb**：这可能是一个MicrosoftAccess数据库文件，用于存储网站访问或用户行为数据。
在SPSS中，可以通过ODBC（OpenDatabaseConnectivity）连接导入此类数据，进行网络行为分析，比如用户浏览习惯、点击流分析等。
2.**Telephone.sav**：这是一个SPSS的默认文件格式，包含调查问卷数据。
可能涉及电话调查结果，可以用于分析消费者态度、满意度或者市场趋势。
3.**K-Means.sav**：K-Means是聚类分析的一种，用于将数据集划分为不同的群组或类别。
此文件可能是已经进行了K-Means聚类后的数据，读者可以学习如何解读和解释聚类结果。
4.**BuyOrNot.sav**：这个名字暗示可能涉及购买决策数据，可以用于构建预测模型，比如逻辑回归，以预测顾客是否会购买某个产品。
5.**MBA.sav**：可能包含MBA项目申请人的信息，可以进行特征选择和多元统计分析，以理解哪些因素影响录取决策。
6.**Brand.sav**：品牌相关的数据，可能包括消费者对不同品牌的认知、偏好和忠诚度，适合做品牌影响力和市场份额分析。
7.**ExportApple.sav**：可能与苹果产品的出口数据有关，可以进行国际贸易分析，比如出口量、市场份额、国别分析等。
8.**Sequence.sav**：序列数据，可能用于事件序列分析或时间序列分析，揭示事件之间的顺序关系或时间上的变化模式。
9.**BankBalance.sav**：银行账户余额数据，适合进行财务数据分析，比如客户消费行为、储蓄习惯或信用评估。
10.**聚类分析.str**：Str文件是SPSS的系统文件，可能包含了聚类分析的设置和结果，读者可以学习不同聚类方法的应用和选择。
通过这些实际案例，读者将学习到如何导入不同格式的数据，进行数据清洗、探索性数据分析（EDA）、描述性统计、假设检验、回归分析、聚类分析以及更高级的建模技术。
此外，还会涉及到数据可视化，如图表制作，以及如何解读和报告分析结果。
对于想要提高数据分析技能的人来说，这本书和这些实例文件提供了丰富的实践机会。

PHP+MySQL做的新闻发布系统；
本系统主要有两类用户：管理员和浏览者。
管理员通过后台登录进入管理界面对新闻进行管理，主要包括：发布新闻、查看新闻、修改新闻内容和删除新闻；
浏览者的操作就是浏览管理员发布的新闻内容。
这是本人在学PHP课程时做的一次实验，可以在此基础上改成课程设计。
压缩包包含：1.MySQL脚本2.网站根目录3.界面截图

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。