来源：IBMDeveloperhttp://www.ibm.com/developerworks/cn/opensource/os-cn-cas/张涛(zzhangt@cn.ibm.com),软件工程师,IBM王秉坤(wangbk@cn.ibm.com),软件工程师,IBM简介：单点登录（SingleSignOn,简称SSO）是目前比较流行的服务于企业业务整合的解决方案之一，SSO使得在多个应用系统中，用户只需要登录一次就可以访问所有相互信任的应用系统。C
系统 2019-08-12 01:32:34 2580
4.1应用开发必备组件序号类库名称版本厂家说明备注1IBeamMDAACore.dll1.0.*昆明光标科技有限公司功能权限、界面定义注册属性，自动任务属性及工具类2IBeamMDAACommon.dll1.0.*昆明光标科技有限公司当事人管理，界面、功能权限、系统设置，所有信息管理系统的基础3Castle.ActiveRecord.dll3.0Castle依赖组件，ORM映射工具4Castle.CoreCastle依赖组件5NHibernate3.1依赖
系统 2019-08-12 01:32:32 2580
原文:ActiveReports报表应用教程(9)---交互式报表之动态排序在ActiveReports中除了提供对数据源进行排序的功能之外，还提供了最终用户排序功能，最终用户可以对报表进行区域内排序和整个数据源排序，结合数据钻取、过滤等功能可以让用户更方便地分析报表数据。1、创建报表文件在应用程序中创建一个名为rptProductListForSort.rdlx的ActiveReports报表文件，使用的项目模板为ActiveReports页面报表，创建
系统 2019-08-12 01:32:03 2580
使用Django做web开发的时候遇到了这样一个问题，我想创建一个分支线程定时爬去某网站的信息，首先我就想到了使用单例模式，但是Python的单例模式并不像java那样一个static就完事了，需要使用不同的机制来实现，在网上找了几篇博客弄明白大概怎么回事，在这里跟大家分享一下我的理解：首先，因为只有继承了object的类才能定义__new__方法，所以我们要创建一个类，并且让它继承于object，这样我们就可以对其__new__方法进行定义了。class
系统 2019-09-27 17:56:26 2579
哈夫曼树原理秉着能不写就不写的理念，关于哈夫曼树的原理及其构建，还是贴一篇博客吧。https://www.jb51.net/article/97396.htm其大概流程哈夫曼编码代码#树节点类构建classTreeNode(object):def__init__(self,data):self.val=data[0]self.priority=data[1]self.leftChild=Noneself.rightChild=Noneself.code="
系统 2019-09-27 17:55:00 2579
grpcgRPC一开始由google开发，开源的远程过程调用(RPC)系统grpc支持同步和异步调用简单模式下，调用函数就像本地调用一样，直接传输数据流式调用将信息以数据量的方式，发送或者接受，gRPC客户端调用成功的判断是独立的本地的，因此可能存在客户端与服务端判断不一致的情况例如，您可以在服务器端成功完成RPC，但在客户端失败。在客户端发送所有请求之前，服务器也可以决定完成grpc是基于HTTP2协议的封装gRPC请求和应答消息流中一般的消息顺序：请求
系统 2019-09-27 17:53:25 2579
看到类似C:\>是在Windows提供的命令行模式，看到>>>是在Python交互式环境下。在命令行模式下，可以执行python进入Python交互式环境，也可以执行pythonhello.py运行一个.py文件，但是在Python交互式环境下，只能输入Python代码执行。Python的交互模式和直接运行.py文件有什么区别呢？直接输入python进入交互模式，相当于启动了Python解释器，但是等待你一行一行地输入源代码，每输入一行就执行一行。直接运行
系统 2019-09-27 17:53:17 2579
实现思路：1，将传进来的图片矩阵用算子进行卷积求和（卷积和取绝对值）2，用新的矩阵（与原图一样大小）去接收每次的卷积和的值3，卷积图片所有的像素点后，把新的矩阵数据类型转化为uint8注意：必须对求得的卷积和的值求绝对值；矩阵数据类型进行转化。完整代码：importcv2importnumpyasnp#robert算子[[-1,-1],[1,1]]defrobert_suanzi(img):r,c=img.shaper_sunnzi=[[-1,-1],[1
系统 2019-09-27 17:51:03 2579
上一篇我们讲了关联分析的几个概念，支持度，置信度，提升度。以及如何利用Apriori算法高效地根据物品的支持度找出所有物品的频繁项集。Python--深入浅出Apriori关联分析算法（一）这次呢，我们会在上次的基础上，讲讲如何分析物品的关联规则得出关联结果，以及给出用apyori这个库运行得出关联结果的代码。一.基础知识上次我们介绍了几个关联分析的概念，支持度，置信度，提升度。这次我们重点回顾一下置信度和提升度：置信度（Confidence）：置信度是指
系统 2019-09-27 17:50:15 2579
本书特色Amazon编程入门类榜首图书从基本概念到完整项目开发，帮助零基础读者迅速掌握Python编程上到有编程基础的程序员，下到10岁少年，想入门Python并达到可以开发实际项目的水平，本书是最佳选择！本书是一本全面的Python编程从入门到实践教程，带领读者快速掌握编程基础知识、编写出能解决实际问题的代码并开发复杂项目。书中内容分为基础篇和实战篇两部分。基础篇介绍基本的编程概念，如列表、字典、类和循环，并指导读者编写整洁且易于理解的代码。另外还介绍了
系统 2019-09-27 17:49:13 2579
