使用Winpcap捕获网络数据包,能自定义抓包规则,并且实现了对数据包的分析系统在设计过程中按照MVC的设计模式，整体分为三层。
第一层为Control层即控制层，这里为简化设计，将Control层分为两个部分，一部分为网络报文输入，另一部分为用户输入；
第二层是Model层即模型层；
第三层为View层即显示层。
系统的整体运行过程为：从Control层得到数据，交到Model层进行处理，将处理完的结果交View层进行显示。
Control层主要用于网络数据包的捕获以及获得用户的输入；
Model层主要用于分析数据包，处理用户的输入；
View层主要用于对处理后的结果进行显示。
第一层为Control层即控制层，这里为简化设计，将Control层分为两个部分，一部分为网络报文输入，另一部分为用户输入；
第二层是Model层即模型层；
第三层为View层即显示层。
系统的整体运行过程为：从Control层得到数据，交到Model层进行处理，将处理完的结果交View层进行显示。
Control层主要用于网络数据包的捕获以及获得用户的输入；
Model层主要用于分析数据包，处理用户的输入；
View层主要用于对处理后的结果进行显示。
2023/10/3 8:15:46
1.99MB
1
有些人太黑了，资源来自网络，就要服务大众。
我写了一个简单的例子，水平有限忘见谅。
要生成不同类型的条码只需按注释的位置修改就可以了。
所有的类型都在net.sourceforge.jbarcodebean.model包下，很明了。
生成的图片路径自己设置就可以了。
我写了一个简单的例子，水平有限忘见谅。
要生成不同类型的条码只需按注释的位置修改就可以了。
所有的类型都在net.sourceforge.jbarcodebean.model包下，很明了。
生成的图片路径自己设置就可以了。
2023/8/24 14:32:02
47KB
1
simulink-android-model,已经搭建好的模型（在R2017a搭建的，slx后缀），适用于新版本。
2023/8/15 11:15:36
27KB
1
ImageNetpre-trainedResNet-101的caffemodel来源：https://github.com/KaimingHe/deep-residual-networks中提供的OneDrive链接
2023/8/15 8:16:19
158.3MB
1
svm测试数据下载：heart_scale.matloadheart_scalemodel=svmtrain(heart_scale_label,heart_scale_inst,'-c1-g0.07');[predict_label,accuracy,dec_values]=svmpredict(heart_scale_label,heart_scale_inst,model);
2023/8/12 13:35:56
5KB
1
截至到2018年8月的手机型号库，包含manufacturer(制造商),brand(品牌),model(型号）,market_name(市场名称)
2023/8/7 11:30:13
2.4MB
1
针对新版本的ASP.NETMVC4，深入剖析底层框架从请求接收到响应回复的整个处理流程（包括URL路由、Controller的激活、Model元数据的解析、Model的绑定、Model的验证、Action的执行、View的呈现和ASP.NETWebAPI等），并在此基础上指导读者如何通过对ASP.NETMVC框架本身的扩展解决应用开发中的实际问题。
2023/8/6 15:38:42
24.04MB
1
fuzzyPID_1019.mdl模型注释在运行之前需要将matlab的工作目录放在包含所有文件的文件夹里然后在commandwindow中输入下面三条语句，将模糊规则注入到模型中FuzzyKp=readfis('FuzzyKp.fis')FuzzyKi=readfis('FuzzyKi.fis')FuzzyKd=readfis('FuzzyKd.fis')具体的运行效果我没有细调，请大家自行调试。
分享这个模型就是想让大家有个model好上手好参考，大家多研究多琢磨。
PMSM1018_PI.mdl之前这个模型有错误，是我的疏忽。
里面最下面中间有个模块ADRC_w_2nd是自抗扰控制的，我没有调好。
把他删了就行了。
其他部分是正确的。
分享这个模型就是想让大家有个model好上手好参考，大家多研究多琢磨。
PMSM1018_PI.mdl之前这个模型有错误，是我的疏忽。
里面最下面中间有个模块ADRC_w_2nd是自抗扰控制的，我没有调好。
把他删了就行了。
其他部分是正确的。
2023/8/1 10:47:31
1.02MB
1
PBAN-PyTorch工作的实施。
要求PyTorch＞=0.4.0NumPy＞=1.13.3Python3.6GloVe预先训练的单词向量：下载预训练的单词向量。
将和到\glove\文件夹中。
数据集基于的餐厅和笔记本电脑数据集。
餐厅数据集极性＃积极的＃消极的＃中性的火车2164807637测试728196196笔记本电脑数据集极性＃积极的＃消极的＃中性的火车994870464测试341128169用法训练模型：pythontrain.py--model_namepban--datasetrestaurant显示帮助消息并退出：pythontrain.py-h实施模型LSTM唐杜玉等。
“有效的LSTM，用于目标依赖的情感分类。
”2016
要求PyTorch＞=0.4.0NumPy＞=1.13.3Python3.6GloVe预先训练的单词向量：下载预训练的单词向量。
将和到\glove\文件夹中。
数据集基于的餐厅和笔记本电脑数据集。
餐厅数据集极性＃积极的＃消极的＃中性的火车2164807637测试728196196笔记本电脑数据集极性＃积极的＃消极的＃中性的火车994870464测试341128169用法训练模型：pythontrain.py--model_namepban--datasetrestaurant显示帮助消息并退出：pythontrain.py-h实施模型LSTM唐杜玉等。
“有效的LSTM，用于目标依赖的情感分类。
”2016
2023/7/31 6:43:46
764.1MB
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