在VS2008测试使用完全没问题。 开发时: 必须在应用项目中引用TXTextControl.dll,将licenses.licx放到Properties。 否则会出现以下错误, control could not be licensed:TXTextControl.TextControl 发布时:只需要将如下文件复制到应用程序目录即可。注意我的项目只用到rtf文档,如果是使用其它文件则复制相应的dll。 tx14.dll 核心组件dll tx14_tls.dll 工具条dll TXTextControl.dll 控件dll tx14_rtf.dll 项目使用RTF文件dll
2021-10-25 12:58:19 16.99MB TX Text Control.NET 14
1
Linear_Control_Systems_Engineering(线性控制系统工程)_英文原版答案
2021-10-25 11:39:01 1.47MB 线性控制系统
1
苹果机 Mac Book Air 安装win7教程的文档教程,包含一个小工具
2021-10-24 13:47:15 6.64MB 苹果 win7 教程
1
The Little Sas Book A Primer.Fifth Edition
2021-10-23 03:07:05 9.32MB Sas Primer Fifth Edition
1
NETGEAR USB Control Center网件路由器USB打印共享软件
2021-10-22 23:35:43 9.77MB 打印共享
1
一些有关python的书籍的打包整理。全部都比较清晰。 具体有 《 Think Python 》 《 Python_Parallel_Programming 》 《 Python Cookbook 2nd 》 《 MongoDB and Python 》 《 Optimization Modeling in Python 》 《 Learning Python 4th 》
2021-10-22 12:01:54 28.33MB python book pdf
1
汽车自动驾驶 MPC 模型预测控制 实例文件 详细附说明 汽车自动驾驶 MPC 模型预测控制 实例文件 详细附说明 汽车自动驾驶 MPC 模型预测控制 实例文件 详细附说明
2021-10-22 10:46:50 540KB MPC Simulink 仿真
1
gRPC + Django与RESTart的集成:gRPC图书服务 gRPC与Django的集成。 该项目使用内部自动化和构建工具。 项目中有关的文件和文件夹是: grpc_protos grpc_utils grpc_rest 该项目中的Django应用程序是基本框架,没有序列化程序,URL和构建文件。 它包含views及其实现,我们将在grpc_services使用grpc_services 。 设置virtualenv pip install virtualenv virtualenv .venv 安装要求 $ pip install -r requirements.txt $ pip install googleapis-common-protos # if you ran into any issue with kerbrose package install bel
1
超人 uhubctl是用于控制智能USB集线器上每个端口的USB电源的实用程序。 智能集线器定义为实现每端口电源切换的设备。 此代码的原始想法是由Niibe Yutaka的hub-ctrl.c启发的: ://www.gniibe.org/development/ac-power-control-by-USB-hub 兼容的USB集线器 请注意,实际上很少有集线器支持每端口电源切换。 其中一些不再制造,可能很难找到。 这是已知的兼容USB集线器的列表: 制造商 产品 港口 USB VID:PID 释放 停产 亚马逊基础知识 HU3641V1( ) 4 3.0 2109:2811 2013年 亚马逊基础知识 HU3770V1( ) 7 3.0 2109:2811 2013年 亚马逊基础知识 HU9003V1EBL 7 3.1 2109:2817 2018年 亚马逊基础知识 HU9002V1SBL,HU9002V1ESL 10 3.1 2109:2817 2018年 亚马逊基础知识 HUC9002V1SBL,HUC9002V1EBL,HUC9002
2021-10-21 19:18:53 27KB c utility control usb
1
分类过程是分析高光谱图像数据的重要任务之一。 支持向量机(SVM)是最流行和使用最广泛的分类器,其性能正在不断提高。 近来,与仅考虑像素的光谱特征的方法相比,利用空间和光谱信息的方法更加充分,鲁棒,有用和准确。 在本文中,通过使用空间像素关联(SPA)处理从高光谱数据中提取区域纹理信息,以进一步提高SVM技术的分类性能。 为了提高分类的准确性,提出了一种利用SPA特征的支持向量机的新方法。 此外,该手稿中还提出了一种可用于解决像素不正确问题的新方法,即“增长类的控制过程”(CPoGC)。 为了证明所提方案的有效性,我们进行了印度松站点(IPS)上的AVIRIS高光谱数据实验,以将所提出的分类方法与一些现有的基于SVM的技术(例如SC-SVM和PSO-SVM)进行比较,以及一些传统的方法,例如K-NN和K-means。 实验结果表明,所提出的方法明显优于这些众所周知的分类算法。
2021-10-21 16:24:15 1006KB Control Process of Growing
1