Android事件处理

Android事件处理通常和控件相结合,通常有以下几种事件处理模型:

  • (一)事件监听的处理模型
public voidonCreate(Bundle savedInstanceState)
{
         super.onCreate(savedInstanceState);
         setContentView(R.layout.main);
         Button bn =(Button)findViewById(R.id.bn);
         bn.setOnClickListener( newMyClickListener() );
}
class MyClickListenerimplements View.OnClickListener
{
         @override
         public void onClick(View arg0)
         {
                   EditText txt =(EditText)findViewById(R.id.txt);
                   Txt.setText(“bn 被单击了!”);
         }
}

基于监听的事件处理模型步骤如下:

  1. 获取组件(事件源),也就是被监听的对象
  2. 实现事件监听器类,该类是一个特殊的Java类,必须实现一个XxxListener接口
  3. 调用事件源的setXxxListener方法将事件监听器对象注册给事件源
  • (二)基于回调的事件处理

为了实现回调机制的事件处理,Android为所有GUI组件提供了一些事件处理方法,以View为例,该类包含如下方法

  1. boolean onKeyDown(int keyCode, KeyEvent event)
  2. boolean onKeyLongPress(int keyCode, KeyEvent event)
  3. boolean onKeyShortCut(int keyCode, KeyEvent event)
  4. boolean onKeyUp(int keyCode, KeyEvent event)
  5. boolean onTouchEvent(MotionEvent event)
  6. boolean onTrackballEvent(MotionEvent event)

所有基于回调的处理方法都有一个boolean类型的返回值,该返回值用于标识该处理方法是否能完全处理该事件

  1. 如果返回true,表明该处理方法已完全处理该事件,该事件不会传播出去
  2. 如果返回false,表明该处理方法并未完全处理该事件,该事件会传播出去
  • (三)响应的系统设置的事件

程序可调用Activity的如下方法获取系统的Configuration对象:

Configuration cfg = getResources().getConfiguration();

一旦获得了系统的Configuration对象,便可获得如下系统的配置信息

  1. public float fontScale                         设置字体的缩放因子
  2. public int keyboard                             设置所关联的键盘类型:KEYBOARD_NOKEYS、KEYBOARD_QWERTY(普通电脑键盘)、KEYBOARD_12KEY(只有12个键的小键盘)
  3. public int keyboardHidden                只有硬件键盘和软键盘都不可用时才返回KEYBOARDHIDDEN_YES,否则返回KEYBOARDHIDDEN_NO
  4. public Locale locale                           获取当前的Locale
  5. public int mcc                                        获取移动信号的国家码
  6. public int mnc                                       获取移动信号的网络码
  7. public int navigation                            判断导航设备的类型:NAVIGATION_NONAV(无导航),NAVIGATION_DPAD(DPAD导航),NAVIGATION_TRACKBALL(轨迹球导航),NAVIGATION_WHEEL(滚轮导航)
  8. public int orientation                          获取系统屏幕的方向:ORIENTATION_LANDSCAPE(横向屏幕),ORIENTATION_PORTRAIT(竖向屏幕),ORIENTATION_SQUARE(方形屏幕)
  9. public int touchscreen                        系统触摸屏的触摸方式:TOUCHSCREEN_NOTOUCH、TOUCHSCREEN_STYLUS(触摸笔式触摸屏)、TOUCHSCREEN_FINGER
  • (四)Handler消息传递机制

Handler类包含如下方法用于发送、处理消息

  1. void handleMessage(Message msg)
  2. final boolean hasMessages(int what)
  3. final boolean hasMessages(int what, Object object)
  4. Message obtainMessage()
  5. sendEmptyMessage(int what)
  6. final boolean sendEmptyMessageDelayed(int what, long delayMillis)
  7. final boolean sendMessage (Message msg)
  8. final boolean sendMessageDelayed(Message msg, long delayMillis)

使用实例:

		final Handler myHandler = new Handler()
		{
			@Override
			public void handleMessage(Message msg)
			{
				if (msg.what == 0x1222)
				{
					doSomething();
				}
			}
		};
		//定义一个计时器,让该计时器周期性地执行指定任务
		new Timer().schedule(new TimerTask()
		{
			@Override
			public void run()
			{
				//新启动的线程无法访问该Activity里的组件
				//所以需要通过Handler发送信息
				Message msg = new Message();
				msg.what = 0x1222;
				//发送消息
				myHandler.sendMessage(msg);
			}
		}, 0 , 2*1000);
  • (五)使用手势

(先在AVD中用GestureBuilder创建手势,然后导出至/res/raw中)

		library = GestureLibraries.fromRawResource(this, R.raw.gestures);
		if( !library.load() ){
			finish();
		}
		GestureOverlayView gesture = (GestureOverlayView)findViewById(R.id.gesture);
		gesture.addOnGesturePerformedListener(this);

	@Override
	public void onGesturePerformed(GestureOverlayView overlay, Gesture gesture) {
		// TODO Auto-generated method stub
		ArrayList<Prediction> gestures = library.recognize(gesture);	//获取全部预测结果
		int index = 0;
		double score = 0.0;
		for(int i = 0; i < gestures.size(); ++i){
			Prediction result = gestures.get(i);
			if(result.score > score){
				index = i;
				score = result.score;
			}
		}
		Toast.makeText(this, gestures.get(index).name, Toast.LENGTH_LONG).show();
	}

加Android进阶群 4112676,可免费或许Android进阶资料哦

【CNN-GRU-Attention】基于卷积神经网络和门控循环单元网络结合注意力机制的多变量回归预测研究(Matlab代码实现)内容概要:本文介绍了基于卷积神经网络(CNN)、门控循环单元网络(GRU)与注意力机制(Attention)相结合的多变量回归预测模型研究,重点利用Matlab实现该深度学习模型的构建与仿真。该模型通过CNN提取输入数据的局部特征,利用GRU捕捉时间序列的长期依赖关系,并引入注意力机制增强关键时间步的权重,从而提升多变量时间序列回归预测的精度与鲁棒性。文中涵盖了模型架构设计、训练流程、参数调优及实际案例验证,适用于复杂非线性系统的预测任务。; 适合人群:具备一定机器学习与深度学习基础,熟悉Matlab编程环境,从事科研或工程应用的研究生、科研人员及算法工程师,尤其适合关注时间序列预测、能源预测、智能优化等方向的技术人员。; 使用场景及目标:①应用于风电功率预测、负荷预测、交通流量预测等多变量时间序列回归任务;②帮助读者掌握CNN-GRU-Attention混合模型的设计思路与Matlab实现方法;③为学术研究、毕业论文或项目开发提供可复现的代码参考和技术支持。; 阅读建议:建议读者结合Matlab代码逐模块理解模型实现细节,重点关注数据预处理、网络结构搭建与注意力机制的嵌入方式,并通过调整超参数和更换数据集进行实验验证,以深化对模型性能影响因素的理解。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 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