Silverlight中如何与Asp.Net交换变量,取得Session的值问题?

本文介绍了一种在Silverlight应用中读取数据库信息并将其传递给ASP.NET页面的方法。通过将用户ID和角色ID作为URL参数传递,实现了Silverlight与ASP.NET之间的简单交互。此外,还提供了一种将ASP.NET页面上的值传递回Silverlight的方法。

 前些日子做个项目,在Silverlight的Page.xaml页面中读取数据库的信息,要将此登录信息传递给Aspx页面,涉及到Silverlight与Asp.Net交互的问题。

这里要将UserID、RoleID的值传递给一个Aspx页面,变成登录的Session变量,如何解决!

这里用一个简单的方法来实现。

 

       这里如果是要将Aspx中的值传递给Silverlight中Xaml的页面,如何解决呢?这里给个思路!

在Silverlight2中可以用那个InitParameter来传递,但在Sl3中又改变了方式:

<param name="initparams" value="path=GeneratedImages/dzc_output.xml,zoomIn=3" />
App.Xaml.cs里

            if (e.InitParams != null)
            {
                foreach (var data in e.InitParams)
                {
                    .....
                }
            }
      这里还可以采用以下直接的方法:
把参数直接存在: <input type="hidden" id="YouParaName" name="YouParaName" value="YouParaValue" >
然后在SL里面:HtmlPage.Document.GetElementById("YouParaName").GetAttribute("value")
这样也很方便,而且更容易理解,而且方便Post到服务器。
 

内容概要:本文围绕需求响应动态冰蓄冷系统及其需求响应策略的优化展开研究,利用Matlab进行代码实现仿真分析。研究聚焦于冰蓄冷系统在电力负荷削峰填谷中的关键作用,通过构建系统的能耗模型需求响应机制,优化冷负荷调度策略,旨在降低用电成本、提升能源利用效率,并增强电网运行的稳定性灵活性。文中系统阐述了系统建模方法、多目标优化问题的构建(涵盖经济性舒适性)、约束条件的设定以及智能优化算法(如遗传算法、粒子群优化等)的应用过程,最终求解出在分时电价等激励政策下的系统最优运行方案,为实际工程应用提供理论支持技术路径。; 适合人群:具备一定电力系统、暖通空调(HVAC)、能源管理或自动化控制背景,熟悉Matlab编程语言基本优化算法,从事相关领域科研或工程应用的研究生、工程师及技术人员。; 使用场景及目标:①应用于工业园区、大型商业综合体、公共建筑等配备冰蓄冷系统的场所,进行节能优化设计运行策略制定;②支撑电力系统需求侧管理、虚拟电厂构建及智能调度的研究实践;③为实现“双碳”战略目标下的低碳、高效、灵活的综合能源系统提供关键技术参考仿真验证工具。; 阅读建议:读者应结合提供的Matlab代码理论模型进行同步学习,重点关注系统建模的物理逻辑、目标函数的设计思路优化算法的具体实现细节,建议动手调试不同参数(如电价信号、负荷水平)以深入理解需求响应机制对系统调度效果的影响。
源码下载地址: https://pan.quark.cn/s/7c0ca49802a2 ### 综合性指标评估方法及权重系数的确定 随着信息技术的不断进步以及各个学科研究的深入,综合性指标评估方法及其权重系数的确定已成为一项重要的学术研究内容。本文致力于介绍几种广泛使用的综合性指标评估方法,并深入探讨权重系数的选策略。 #### 1. 综合性指标评估方法 ##### 1.1 层次分析法加权法(AHP法) 层次分析法加权法是一种通过将评估目标按照不同层级和指标进行整合评估的技术。该技术的关键环节在于构建层级结构模型,并借助比较各个元素的重要性来设定它们的权重。具体实施步骤包括:明确目标、识别相关的评估指标、建立成对比较矩阵、计算各指标的相对权重、验证权重的相容性等。通过运用这种方法,能够确保评估流程更加客观、公正。例如,采用三标度(-1, 0, 1)矩阵的方式可以简化判断过程,同时确保了相容性要求,从而使得最终评估结果更加精确可信。 ##### 1.2 相对差异和法 相对差异和法主要适用于处理包含多个评估指标的场景。该方法首先确定最优数据集,然后计算每个评估对象相对于最优数据集的差异,最终通过加权求和得到综合评估指数。此方法操作简便,直观易懂,特别适合于数据量较大的情况。通过直接运用原始数据进行计算,降低了因其他运算步骤而导致的信息损失。 ##### 1.3 主成分分析法 主成分分析法是一种统计学技术,旨在减少变量数量同时尽可能保留原有信息。该方法通常用于处理具有高度相关性的多个指标,能够有效地提关键信息。主成分分析的具体实施步骤包括:标准化数据、计算相关系数矩阵、求解特征和特征向量、确定主成分等。尽管该方法具有全面性和合理性的优势,但也存在一些局限性,比如...
无监督异常检测在无标签条件下识别数据异常,用于网络安全、工业监控、金融欺诈等场景。其检测能力受正常异常分布可分性的约束:二者高度相似时,任何检测器都无法兼顾低误报率高检测率。现有算法(OCSVM、iForest等)多从几何或密度启发式出发,缺乏对最优检测率上界的理论刻画。为此,本文研究检测能力理论下界并实现UAD-LB系统。第一,建立下界定理族:以Neyman-Pearson引理全变差距离建立最优检测率上界(定理5.1,TPR*≤min{1,α+TV(P,Q)});推导密度估计误差的次优性界(定理5.2);建立有限样本复杂度下界(定理5.3,ε精度需Ω(d/ε²)样本)。第二,设计以理论下界为基准的自适应方法AAD(定理5.4):自适应融合核密度估计k近邻距离证据逼近最优检测率,内嵌误报率校准。第三,实现UAD-LB系统,以TV距离估计给出可计算上界并量化算法极限的差距。实验在六个标准数据集(Thyroid、Mammography、Satellite等)上展开,以AUCTPR@FPR=5%/10%为指标。结果:主流算法实测检测率理论上界差距达10~25个百分点;AAD在全部数据集达到最高或次高AUC,5%误报率下较OCSVM提升最高8.2个百分点、较iForest提升6.7个百分点,实测上界比稳定在0.78~0.94,验证定理5.4逼近性;消融实验表明自适应融合误报率校准是AAD性能核心来源。本文为检测算法设计评估提供了可计算、可实测的理论基准。 【课程报告内容】 摘要 第1章 绪论 第2章 相关技术理论 第3章 系统需求分析 第4章 系统总体设计 第5章 系统详细设计实现 第6章 系统测试分析 第7章 总结展望 参考文献 附件-实现指南
评论 1
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值