powerbuilder2019是appeonpowerserver系列软件的新版本，也是一个简单，直观，可视化驱动的IDE，包含一个直观的图形界面和可扩展的面向对象的编程语言PowerScript，提供与当前流行的大型数据库的接口，并通过ODBC与单机数据库相连，可以快速开发客户端/服务器或云应用程序，能够为Windows，iOS和Android构建更快，更好的商业应用程序。
新版本的powerbuilder2019为PowerBuilder带来了C＃WebAPI和组装开发，采用了全新的ui界面，支持win10系统，拥有持续的技术支持。
另外版本还提供了一个C＃迁移处理方案（框架和工具），以便您可以利用现有代码资产。
还有PowerScript客户端应用程序开发采用新的UI技术和云架构进行了改进，可以大幅度的提高用户的工作效率。

Python_TreeMap_可视化方案数据源（由于不能直接粘贴链接，所以实现代码，请移步看我博客专栏《机器学习》）

经过MFC实现二叉树的前序中序后序的可视化遍历

该代码为知识图谱代码和可视化代码，经过测试，可以运用，调用的复旦大学知识工场的API。

机械学习可视化软件WEKARapidMinerKNIME

这是山东大学可视化课程项目，用js实现的BFS和DFS，详细的展现了BFS和DFS的运行过程，网页可交互。

本科毕业设计，论文也包含在内，顺利毕业了，分享出去了。
基于JSP的网络预约挂号系统，本系统的参与角色分为用户和管理员。
前台用户主要进行注册、登录、科室及专家信息浏览、预约挂号、留言等操作。
后台管理员主要进行科室管理、专家管理、用户管理、预约管理、留言管理、公告管理等操作。
该系统的开发包括后台数据库的建立、维护和前台应用程序的开发两个方面。
前者要求建立起数据一致性和完整性强、安全性好的数据库。
而对于后者则要求开发的系统提供方便友好的人机对话界面,可以进行数据的录入、查询、修改、排序等功能。
本系统主要处理患者在需要就医时的挂号难的问题,以MyEclipse为开发工具，在设计方面采用B/S模式，采用当前最先进、最流行的WEB开发框架和技术之一的SSH框架（Struts+Spring+Hibernate）来完成整个系统的设计，在数据库的设计上利用了MySQL的便利性和实用性。
附有mysql转储的批处理文件，通过navicat等可视化工具及能运行导入，服务器是tomcat。

文献题录信息统计分析工具(StatisticalAnalysisToolforInformetrics,SATI)，旨在通过对期刊全文数据库题录信息的字段抽取、频次统计和共现矩阵构建，利用一般计量分析、共现分析、聚类分析、多维尺度分析、社会网络分析等数据分析方法，挖掘和呈现出美好的可视化数据结果。
通过免费、共享软件功能及开源、增进代码实现，为学术研究提供期刊文献数据统计与分析的辅助工具。

Pajek是大型复杂网络分析工具，是用于研究目前所存在的各种复杂非线性网络的有力工具。
Pajek在Windows环境下运行，用于带上千乃至数百万个结点大型网络的分析和可视化操作。
在斯洛文尼亚语中Pajek是蜘蛛的意思。
析和可视化操作工具：合著网、化学有机分子、蛋白质受体交互网、家谱、因特网、引文网、传播网（AIDS、旧事、创新）、数据挖掘（2-mode网）等。
设计Pajek的主要目的：这是最新Pajek64位版本免费获取，仅限于非商业用途。
Pajek向以下网络提供分●支持将大型网络分解成几个较小的网络，以便使用更有效的方法进一步处理；
●向使用者提供一些强大的可视化操作工具；
●执行分析大型网络有效算法（subquadratic）。
通过Pajek可完成以下工作：●在一个网络中搜索类（组成、重要结点的邻居、核等）；
●获取属于同一类的结点，并分别显示出来，或者反映出结点的连接关系（更具体的局域视角）；
●在类内收缩结点，并显示类之间的关系（全局视角）。
除普通网络（有向、无向、混合网络）外，Pajek还支持多关系网络，2-mode网络（二分（二值）图－网络由两类异质结点构成），以及暂时性网络（动态图—网络随时间演化）。

matlab语音除噪音信号处理是语音学与数字信号处理技术相结合的交叉学科，课题在这里不讨论语音学，而是将语音当做一种特殊的信号，即一种“复杂向量”来看待。
也就是说，课题更多的还是体现了数字信号处理技术[1]。
数字信号处理技术主要研究离散线性时不变系统，数字滤波和频谱分析是它的的两个主要分支。
数字滤波（Digitalfilter），即在形形色色的信号中提取所需信号，抑制不必要的干扰。
数字滤波器可以在时域实现也可以在频域实现，主要有两种类型;无限长冲击数字滤波器（IIR）和有限长冲击数字滤波器(FIR)。
频谱分析（SA,SpectrumAnalysis）,对各种信号进行频域上的加工处理，其核心内容是快速傅里叶变换（FFT），分析的结果是一频率为坐标的各种物理量的谱线和曲线[2]。
从课题的中心来看，课题“基于MATLAB的有噪声语音信号处理”是希望将数字信号处理技术应用于某一实际领域，这里就是指对语音及加噪处理。
作为存储于计算机中的语音信号，其本身就是离散化了的向量，我们只需将这些离散的量提取出来，就可以对其进行处理了。
这一过程的实现，用到了处理数字信号的强有力工具MATLAB[3]。
MATLAB是矩阵实验室（MatrixLaboratory）的简称，是美国MathWorks公司出品的商业数学软件，用于算法开发、数据可视化、数据分析以及数值计算的高级技术计算语言和交互式环境，主要包括MATLAB和Simulink两大部分。
它提供了功能齐全的滤波器设计，与信号处理交互式图形用户界面（Interactivegraphicaluserinterface），主要包括FDATool和SPATool两种交互式工具，其中FDATool主要用于数字滤波器设计与分析，而SPATool不仅可以设计分析滤波器，而且可以对信号进行时域与频域的分析[4]。
通过MATLAB里几个命令函数的调用，很轻易的在实际语音与数字信号的理论之间搭了一座桥。
课题的特色在于它将语音信号看作一个向量，于是就把语音数字化了。
那么，就可以完全利用数字信号处理的知识来处理语音及加噪处理问题。
我们可以像给一般信号做频谱分析一样，来对语音信号做频谱分析，也可以较容易的用数字滤波器来对语音进行滤波处理。
[5]

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。