TwcatL-优快云博客

原创栅格数据实现最优参数地理探测器（OPGD）详细教程！

届时，你已经把所有因变量与自变量的关系都运行出来了，每一对都有一个Q值和P值，根据Q值的大小可以进行后续分析，这里也不对原理做过多解释了，P值主要是用于显著性检验的。此时，在RStudio右下方的“Packages”中，可以看到raster包以及其所依赖的sp包都处于选中的状态，表明二者都已经配置成功，且完成导入。注意了，上面代码的参数还是需要你自己改的，比如离散分割方法，尺度范围等等。你需要到相应的网站去下载你的研究区的自变量和因变量数据的栅格数据（可以是离散的，也可以是连续的）

2024-06-17 18:05:40 4781 4

原创土地利用适宜性（LUS）中的生态适宜性（Suitability Assessment）即生态系统服务（ESs）评价教程

这是一个地区性参数，每一个地方都不一样，调整这个参数是作为复杂的，选取合适的参数对结果很重要，可以参看其他论文的设置，最关键的是要学会自己矫正，在视频https://www.bilibili.com/video/BV1PG4y1P73T/?官方网址：https://www.fao.org/soils-portal/data-hub/soil-maps-and-databases/harmonized-world-soil-database-v12/en/

2025-01-04 00:34:16 822

原创 #GEE代码实例教程详解：Sentinel-2数据的NDWI和NDTI分析

本篇博客将介绍如何使用Google Earth Engine (GEE) 对Sentinel-2数据进行归一化差异水体指数（NDWI）和归一化差异植被指数（NDTI）的分析。这些指数有助于识别水体和植被覆盖情况。创建多边形区域roi，用于限定分析的地理范围，并设置地图中心。

2024-07-09 16:52:16 933

原创 GEE代码实例教程详解：年度和月度土地覆盖变化分析

在本篇博客中，我们将使用Google Earth Engine (GEE) 对土地覆盖变化进行年度和月度的分析。通过Google的Dynamic World数据集，我们可以识别2023年至2024年间土地覆盖的类型和变化。创建一个点对象loc，用于确定研究区域。定义函数，用于生成时间序列的土地覆盖图像集合。

2024-07-09 16:49:40 818

原创 GEE代码实例教程详解：蒸散发与作物水分胁迫指数分析

在本篇博客中，我们将使用Google Earth Engine (GEE) 对蒸散发 (Evapotranspiration, ET) 和作物水分胁迫指数 (Crop Water Stress Index, CWSI) 进行分析。通过MODIS数据集，我们可以评估2001年至2024年间的水分状况和作物生长环境。创建一个点对象loc，用于确定研究区域。

2024-07-08 23:44:32 963

原创 GEE代码实例教程详解：植被状况指数（VCI）与干旱监测

在本篇博客中，我们将使用Google Earth Engine (GEE) 进行植被状况指数（Vegetation Condition Index, VCI）的计算和干旱监测。通过MODIS NDVI数据，我们可以评估2001年至2024年间的植被状况和干旱等级。创建一个点对象point，用于确定研究区域。

2024-07-08 23:30:30 984

原创 GEE代码实例教程详解：湖泊水位变化监测

本篇博客将介绍如何使用Google Earth Engine (GEE) 对湖泊水位变化进行监测。通过MODIS数据集，我们可以识别2001年和2023年的湖泊范围，并计算湖泊的高程变化。创建一个多边形区域roi，用于限定分析的地理范围，并设置地图中心。

2024-07-08 23:26:17 882

原创 GEE代码实例教程详解：长时间序列风速分析

在本篇博客中，我们将使用Google Earth Engine (GEE) 对长时间序列的风速数据进行分析。通过ERA5再分析数据集，我们可以计算2010年至2024年间的平均风速，并与1980年至2020年的风速数据进行比较。创建一个多边形区域roi，用于限定分析的地理范围。

2024-07-08 23:21:52 601 1

原创 GEE代码实例教程详解：地表温度与土地覆盖类型分析

在本篇博客中，我们将使用Google Earth Engine (GEE) 对地表温度数据进行分析，并探究不同土地覆盖类型（特别是水体和城市区域）的地表温度变化。通过MODIS数据集，我们可以监测2001年至2024年间的数据。创建一个多边形区域roi，用于限定分析的地理范围，并设置地图中心。

2024-07-08 23:17:45 761

原创 GEE代码实例教程详解：MODIS数据雪盖监测与分析

本篇博客将介绍如何使用Google Earth Engine (GEE) 进行雪盖监测和分析。通过MODIS MOD10A1数据集，我们可以识别2010年至2015年间的雪盖范围，并计算其面积。创建一个多边形区域roi，用于限定分析的地理范围，并设置地图中心。

2024-07-08 23:13:17 467

原创 GEE代码实例教程详解：MODIS土地覆盖分类与面积计算

在本篇博客中，我们将使用Google Earth Engine (GEE) 对MODIS土地覆盖数据进行分析。通过MODIS/061/MCD12Q1数据集，我们可以识别不同的土地覆盖类型，并计算每种类型的总面积。创建一个多边形区域roi，用于限定分析的地理范围，并设置地图中心。

2024-07-08 23:07:08 743

原创 GEE代码实例教程详解：地表温度长时间序列分析

在本篇博客中，我们将使用Google Earth Engine (GEE) 对地表温度 (LST) 进行长时间序列分析。通过结合Landsat 4-9的数据，我们将探索1982年至2024年间地表温度的变化趋势。创建一个多边形区域roi，用于限定分析的地理范围，并设置地图中心。

2024-07-08 23:00:43 650

原创 GEE代码实例教程详解：NDVI时间序列趋势分析

在本篇博客中，我们将使用Google Earth Engine (GEE) 对MODIS NDVI数据进行时间序列趋势分析。通过分析2001年至2021年的NDVI数据，我们可以了解植被覆盖度随时间的变化趋势。创建一个多边形区域roi，用于限定分析的地理范围，并设置地图中心。

2024-07-08 22:58:33 965 1

原创 GEE代码实例教程详解：长时间序列NDVI分析

本篇博客将介绍如何使用Google Earth Engine (GEE) 对长时间序列的Landsat数据进行归一化植被指数（NDVI）分析。通过此分析，可以监测和评估1982年至2024年间的植被变化趋势。创建一个多边形区域roi，用于限定分析的地理范围，并设置地图中心。定义函数，用于计算Landsat 4-5和7（SLC正常）的NDVI。定义slc_off函数，用于处理Landsat 7 SLC偏移后的数据。定义ndvi_oli函数，用于计算Landsat 8-9的NDVI。

2024-07-08 22:53:15 1061 2

原创 GEE代码实例教程详解：洪水灾害监测

在本篇博客中，我们将使用Google Earth Engine (GEE) 进行洪水灾害监测。通过分析Sentinel-1雷达数据，我们可以识别特定时间段内的洪水变化情况。创建一个多边形区域roi，用于限定分析的地理范围，并设置地图中心。定义speckel函数，使用局部中值滤波去除Sentinel-1图像的斑点噪声。

2024-07-08 22:41:01 720

原创 GEE代码实例教程详解：地形分析

在本篇博客中，我们将使用Google Earth Engine (GEE) 对特定区域内的地形进行分析。我们将使用SRTM（Shuttle Radar Topography Mission）数据集获取高程信息，并计算坡度、坡向等地形属性。此外，我们还将使用ALOS（Advanced Land Observing Satellite）数据集来分析数字地表模型（DSM）。创建一个多边形区域roi，用于限定分析的地理范围，并设置地图中心。

2024-07-08 22:37:59 610

原创 GEE代码实例教程详解：降水量分类分析

在本篇博客中，我们将使用Google Earth Engine (GEE) 对特定区域内的降水量进行分类分析。通过设定不同的降水量阈值，我们可以将降水量分为干旱、中等和湿润三个类别，并分析这些类别随时间的变化。创建一个多边形区域roi，用于限定分析的地理范围，并设置地图中心。

2024-07-08 22:31:34 639

原创 GEE代码实例教程详解：年平均温度变化分析

在本篇博客中，我们将使用Google Earth Engine (GEE) 分析特定区域内年平均温度随时间的变化。通过分析ECMWF（European Centre for Medium-Range Weather Forecasts）提供的ERA5_LAND数据集，我们可以了解从1950年到2020年的温度趋势。创建一个多边形区域roi，用于限定分析的地理范围，并设置地图中心。

2024-07-08 22:18:40 731

原创 GEE代码实例教程详解：降水量异常分析

在本篇博客中，我们将通过Google Earth Engine (GEE) 分析特定区域内的降水量异常。利用UCSB-CHG提供的CHIRPS（Climate Hazards Group InfraRed Precipitation with Station data）数据集，我们可以监测2000年至2020年期间的降水量变化。创建一个多边形区域roi，用于限定分析的地理范围。

2024-07-08 22:05:15 830

原创 GEE代码实例教程详解：湖泊面积变化分析

我们定义了一个多边形区域作为研究对象，使用创建，并将其添加到地图上。

2024-07-08 21:40:57 987

原创 GEE代码实例教程详解：湖泊面积分析

我们首先定义了一个多边形区域（Region of Interest, ROI），这是分析湖泊面积的地理范围。坐标点列表表示多边形的顶点，我们使用来创建这个多边形。设置时间范围time_start和time_end，用于筛选Landsat 8图像集合中的图像。

2024-07-08 21:36:14 957

原创 OpenStreetMap数据属性

OpenStreetMap官网：https://www.openstreetmap.org/export#map=5/36.085/-91.890&layers=T。具体解释参见http://wiki.openstreetmap.org/wiki/Key:highway。‘motorway_link’ 高速公路连接处 50。‘secondary_link’ 次干道连接处 30。‘tertiary_link’ 三级道路连接处 10。‘primary_link’ 主干道连接处 40。

2024-06-25 21:16:36 760

原创 GEE 利用增强的Sentinel-2像元物候特征精确提取水稻分布

背景：准确提取区域的水稻分布对农业和生态很重要；问题：以前的研究大多用单一的关键物候期（例如移植期），但是这个时期和湿地容易混淆；方法：开发了一种增强的基于像素的物候特征复合方法（Eppf-CM）；结论：实地调查数据显示，Eppf模型制图的总体精度高于0.98。东北水稻区，2019年Eppf制图仅比国家统计局少1.86%。展望：1）Eppf-CM将推进物候农业测绘发展；2）水稻分布将为农业和生态提供新的基础数据。

2024-05-29 12:35:43 1022 1

原创【GEE】分块处理以降低内存压力

2.2 getSmallVec(featureCollection, i, table.geometry())函数。2.1 vecSplitByRowCol(table.geometry(), Row, Col)函数。

2024-04-24 13:11:49 731

原创【GEE】基于光谱距离度量方法的加沙地区地表覆盖变化检测

APP左侧展示了加沙地区2022年11月-2023年3月以及2023年11月和2024年3月的植被面积变化曲线。本文将介绍如何在 Google Earth Engine (GEE) 平台中使用光谱距离度量方法进行地表覆盖变化检测，并以加沙地区为例，使用Sentinel2数据展示2023年3月和2024年3月的地表覆盖变化区域。点击进入APP之后，需要等一会。放大局部地区观察，和2023年3月对比，可以看到2024年3月的地表覆盖中大部分是裸地，这些裸地都是由耕地和建筑用地变化而来。4.5 土地利用分类图。

2024-04-24 13:09:56 715

原创【GEE】优雅地实现年度、季度、月度甚至旬度影像合成（附完整代码）

以下文章来源于GEE学习室，作者GEEStudyRoom光学影像由于受到天气因素（云、雨和雾等）影响，导致单张影像数据存在大量坏死像元。此处，坏死像元指由于受到云遮挡等导致下垫面地物覆盖不能准确被卫星信息捕捉从而不能正常用于实际应用的像素（云识别等研究除外，因为这类研究就是需要有云像素）。坏死像元的存在造成实际应用中数据需求难以得到满足，因此有必要考虑时序影像合成等技术来补充/弥补影像。

2024-04-24 13:00:25 1095 1

原创【GEE】使用Colab加载Geemap

【代码】【GEE】使用Colab加载Geemap。

2024-04-24 12:57:34 495

原创【GEE】基于Landsat8数据的地表温度LST反演

【代码】【GEE】基于Landsat8数据的地表温度LST反演。

2024-04-23 21:22:10 1020 1

原创【遥感图像处理】绘制高光谱3D立方体

当单开3D Cube RGB Face Input Bands对话框时，通过点击所需的波段，选择置于图像表面的RGB波段，这里使用的Indian pines数据集，RGB分别使用了29,19,9波段，单击OK按钮。但是这里却到了一个问题，由于使用的高光谱数据集是mat格式，Envi是不支持这种格式的。（2）波普缩放系数（Spectral Scale）：波普放大系数，对于多光谱等波段数较少的数据，可以适当的设置这个系数。值得一提的是，可以通过鼠标和键盘对绘制的图像进行旋转，放大，缩小等操作。

2024-04-23 13:59:30 990

原创【GEE】利用哨兵2号计算NDBI并使用前后时段影像补全空值

【代码】【GEE】利用哨兵2号计算NDBI并使用前后时段影像补全空值。

2024-04-23 13:38:57 694

原创 GEE非参数趋势分析（Mk-Sen）

如果有 n 个时间点在序列中，我们需要检查 N（N-1）/2 对（i， j），i

2024-04-14 16:28:33 1319

原创机器学习之特征选择（Feature Selection）

本文讲了过滤法、嵌入法和包装法三种特征选择方法。三种方法中过滤法最为简单快速，需要的计算时间也最短，但是也较为粗略，实际应用过程中，通常只作为数据的预处理，剔除掉部分明显不需要的特征，然后使用其他方法进一步特征选择。嵌入式和包装法更为精确，更适合具体到算法中去调整。计算量也较大，相应的运行时间也比较长。当数据量比较大时，优先使用方差过滤和互信息法对数据进行预处理，然后在使用其他的特征选择方法。使用逻辑回归时，优先使用嵌入法。使用支持向量机时，优先使用包装法。

2024-04-09 16:27:44 5963 1

原创【GEE】遥感数据趋势分析Sen+mk

【代码】【GEE】遥感数据趋势分析Sen+mk。

2024-04-09 12:17:45 1078 3

原创【GEE】下载研究区的Landsat8去云清晰影像

/ 设置日期范围 var startDate = ‘2020-06-01’;// 对图像进行融合 var meanImage = landsat.select(‘B4’, ‘B3’,这里我选用的是RGB，如果你需要其他波段的话，请在这里添加。你可以适当的调整时间，来看看哪一张那个融合后的影像效果最好。如果你仅仅是使用影像来可视化的话，追求没有云的效果。如果你要绘制研究区概况或者是做一个产品的比较。需要整个研究区的Landsat8影像的话。

2024-04-08 15:22:15 1528 1

原创 Google Earth Engine中的mean()与median()：何时使用哪一种？

例如，当我们处理网格数据（如降水数据）时，由于这类数据通常不会受到异常值（如云或云阴影）的影响，因此使用。更适用于存在异常值的数据集。在光学遥感数据中，如云、云阴影等异常值经常会影响数据的准确性。在这种情况下，使用中位数聚合可以更有效地排除这些异常值的影响。在使用Google Earth Engine（GEE）进行数据分析和影像处理时，我们经常会遇到需要对影像进行聚合的情况。可以减少这些异常值对整体数据的影响，从而得到更准确的聚合结果。这也是为什么在处理光学遥感数据时，我们通常会选择使用中位数聚合的原因。

2024-04-07 17:34:10 610

原创【GEE】基于PCA的LANDSAT 8计算遥感生态指数（RSEI）

【代码】【GEE】基于PCA的LANDSAT 8计算遥感生态指数（RSEI）

2024-04-07 17:33:09 1245 3

原创运行pycharm报错：Error running ‘main‘:Argument for @NotNul parameter ‘module‘ of com/intelli/openapi/roo

在run——edit configuation这里，并且点开需要编辑的脚本。选择了一个之后会自动地出现在下面。如果没有的话，需要选上启动方式。有没有指定启动方式——

2024-04-04 15:12:43 1655

原创利用 Python 处理遥感影像数据：计算年度平均影像

在地球科学、气象学以及环境监测等领域，遥感影像数据是一种重要的信息源，它们可以提供地表的地形、植被覆盖、气候变化等丰富信息。然而，随着观测技术的进步，我们通常会获得大量的遥感影像数据，如何高效地处理和分析这些数据成为了一项挑战。本文将介绍如何利用 Python 中的 GDAL 库处理遥感影像数据，并通过计算年度平均影像来提取更有意义的信息。

2024-03-15 12:02:23 909 2

原创【机器学习】Kmeans如何选择k值

确定 K 值是聚类分析的一个重要步骤。不同的 K 值可能会产生不同的聚类结果，因此选择合适的 K 值非常重要。

2024-02-09 13:03:12 2423

原创 kmeans聚类选择最优K值python实现

并且，当k小于真实聚类数时，由于k的增大会大幅增加每个簇的聚合程度，故SSE的下降幅度会很大，而当k到达真实聚类数时，再增加k所得到的聚合程度回报会迅速变小，所以SSE的下降幅度会骤减，然后随着k值的继续增大而趋于平缓，也就是说SSE和k的关系图是一个手肘的形状，而这个肘部对应的k值就是数据的真实聚类数。其中，Ci是第i个簇，p是Ci中的样本点，mi是Ci的质心（Ci中所有样本的均值），SSE是所有样本的聚类误差，代表了聚类效果的好坏。可以看到，轮廓系数最大的k值是3，这表示我们的最佳聚类数为3。

2024-02-09 12:56:40 1224

MODIS数据产品预处理产品-MCTK重投影

Installation To install MCTK. place the "mctk.sav" and "modis products.scsv" files in your ENVI save addand/or extensions folder. The location of this folder wil vary by operating system and ENV!version. ENVI 5.0+ Standard: Windows: c:lprogram fileslexelislenviXXlextensionsUNIX\Linux: /usr/local/exelis/enviXX/extensionsMac: /applications/exelis/enviXX/extensions ENVI 5.0+ Classic Windows: c:lprogram fileslexelislenviXXclassiclsave addUNIX\Linux: /usr/locaexelis/enviXX /classic/save addMac: /app

2023-10-24

随机森林Python代码

本文件包含博主日常学习训练的随机森林python代码，内服相关数据和格式说明，可供学习参考。

2023-07-19

HDF5 读取-HDF5 Browser

HDF5 读取_HDF5 Browser；基于IDL开发的ENVI小工具，方便读取风云卫星和资源卫星等中国卫星的Hdf5格式数据，可以导出成多种格式（tif、img）等；ENVI读取HDF5插件，ENVI读取HDF5插件,ENVI读取HDF5插件；ENVI是比较常用的遥感图像处理软件，使用该插件，可以使ENVI软件支持HDF5格式的遥感影像，HDF5数据格式是科学计算一体化数据格式，常用于卫星遥感影像的外部存储。把envi_hdf5.sav拷贝到ENVI安装目录的save_add目录下，把envi.men覆盖原来的envi.men.

2022-11-19

Incomregression.csv-python统计应用

2022-10-29

IDLViewer教学资料-适用于初学者学习使用

适用于IDL初学者，里面有详细的对于用IDL编写用户界面的详细代码

2022-10-27

php基于Thinkphp3.2的毕设选题系统源码.zip

本科生毕业设计基于Thinkphp3.2的毕设选题系统摘要目前，大部分高校已开始应用较为完善的管理系统，如教务管理系统、学生选课管理系统等信息化管理系统，但是针对于学生毕业设计的相关管理操作，部分院校仍使用传统的工作模式，为提高管理的效率，我们设计开发“毕业设计网上管理系统”。该系统基于B/S架构进行设计搭建，整体开发使用MVC设计模式，所使用的动态网页开发语言为时下流行的PHP语言，前台采用HTML5、CSS3即Media Query技术开发的管理系统，B/S架构避免了因操作系统差异而导致的跨平台问题，MVC设计模式使得逻辑操作、数据处理和页面展示相分离，在一定程度上提升系统开发效率。本系统由3大模块构成，分别是系统管理模块、教师操作模块以及学生操作模块。系统管理模块可对教师、学生个人信息和消息进行管理，对教师申报课题进行审核，并且可发送系统消息，便于通知；教师操作模块可以申报课题，浏览已通过审核课题的学生选题状况，查看已选题学生的进度情况及消息通知；学生操作模块可以选题，查看该课题教师可公布的联系方式，对已选但未确定的课题进行退选操作，浏览课题情况，提交毕设进度及消息通知等。该系统的使用将提高毕业设计这一环节的工作效率。关键词：B/S架构；MVC设计框架；毕业设计选题；管理系统 Abstract Nowadays, most colleges and universities have been in use for more perfect management system, such as educational administration management system, student course selection management system of information management system, but in view of the student of graduation design related management operation, some colleges and universities are still using the traditional working mode, to provide the efficiency of information management, we designed and developed "graduation design online management system". The system based on B / S architecture was designed and built. The overall development using the MVC design pattern, the use of dynamic web development language too popular PHP language, the front desk using the HTML 5 and CSS 3 Media Query technology development management system management system, B/S structure to avoid the problem caused by different operating system cross-platform, MVC design pattern makes the logic operation, data processing and the page display phase separation, in a certain extent, improve the efficiency of system development. This system has three modules, respectively, the administrator module, teacher module and student module. Administrators can manage personal information and message to teachers and students, the teachers declare project audit, and can send messages to inform; Teacher module can declare topic, browse has passed the audit subject subject status of students, view has bee

2022-01-17

java学生作业管理系统.zip

开发一个作业管理系统，该系统有两类角色：教师（教师也是管理员）与学生。 1.老师可以发布作业，作业可以直接添加到数据库中 2.老师可以修改自己的信息 3.老师可以修改学生的信息，包括班级 4.老师可以查询现有作业 5.学生可以查询现有作业 6.学生可以修改自己的资料

2021-01-06

学生作业管理StudentSystem-master.zip

开发一个作业管理系统，该系统有两类角色：教师（教师也是管理员）与学生。基于SSH的在线Java程序设计学习平台。学生管理系统(其主要内容包括用户的注册、不同用户身份验证登录、信息维护、作业下载与提交、发布作业信息与学习资料管理等功能)java ee作业实现简单学生管理系统

2021-01-06

学生作业管理StudentManageSystems-master.zip

基于SSH的在线Java程序设计学习平台。学生管理系统(其主要内容包括用户的注册、不同用户身份验证登录、信息维护、作业下载与提交、发布作业信息与学习资料管理等功能)

2021-01-06

带有管理员的名片管理系统

其他功能与之前的文档相同；系统角色划分该系统分为两个角色：系统管理员、注册的用户。每种角色功能要求如下。（1）系统管理员系统管理员，可以完成系统中所规定的所有功能，且可以对所有数据具有操作权限，并可以对注册用户进行管理（删除），注意，当删除该注册用户时，对应于该用户的所有名片记录也全部删除。（2）注册的用户一个注册用户，只能对自己添加的名片记录有操作权限（查询、修改、删除）。对于其它的注册用户信息以及其它用户添加的名片记录是不可见的。

2020-07-17

web开发名片管理系统.zip

基于本学期学习的Java web开发技术，开发一个名片管理系统，实现名片的添加、删除、修改、查询、数据的上传下载等相关的功能。具体完成如下3个模块的功能： 1．用户登录与注册模块系统的使用者必须是注册用户，一个注册用户需要注册的信息有：用户登录名、密码、用户真实名字等信息。该模块具有两个功能：（1）用户登录：在登录时，如果用户名和密码正确，进入系统页面。（2）用户注册：新用户应该先注册，然后再登录该系统。 2．名片管理模块一个名片包含信息有：序号（id）、姓名、性别、登录账号、密码、电子邮箱等有关信息，需要完成对名片有关的管理操作，主要有：（1）增加名片：增加名片信息到数据库内。（2）修改名片：修改名片信息。（3）查询名片：以模糊查询方式查询名片。（4）删除名片：名片的删除由2种方式，即把名片移到回收站，把名片彻底删除。（5）可以实现名片批量导入和导出，即将查询满足条件的所有名片导入Excel中，也可以将Excel中存放的名片信息导入到数据库中。（6）浏览/查询：可以模糊查询、浏览目前有效的名片。 3．回收站管理模块（1）还原：把回收站中的名片还原回收。（2）彻底删除：把名片彻底从回收站删除。（3）浏览/查询：可以模糊查询、浏览回收站中的名片

2020-07-05

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

MODIS数据产品预处理产品-MCTK重投影

随机森林Python代码

HDF5 读取-HDF5 Browser

Incomregression.csv-python统计应用

IDLViewer教学资料-适用于初学者学习使用

php基于Thinkphp3.2的毕设选题系统源码.zip

java学生作业管理系统.zip

学生作业管理StudentSystem-master.zip

学生作业管理StudentManageSystems-master.zip

带有管理员的名片管理系统

web开发名片管理系统.zip

BookMS图书管理系统.zip

JavaWeb实验报告.pdf

Java实验报告.pdf

第2版_第7章_Java_Web常用开发模式.ppt

第2版_第6章_Servlet技术.ppt

第2版_第5章_JavaBean技术.ppt

第2版_第4章_JDBC数据库访问技术.ppt

第2版_第3章_JSP技术.ppt

第2版_第2章_静态网页开发技术.ppt

第2版_第1章_Java_Web应用开发技术.ppt

第1章_作业——Java Web应用程序的开发与部署.pptx

通讯录源文件.cpp

空空如也