android自定义属性

1、创建自定义类

   创建自定义类 MyView

<com.example.testh5.view.MyView
    android:layout_width="wrap_content"
    android:layout_height="wrap_content"
    sdj:name = "abc"
    sdj:age="10"
    sdj:color="@drawable/bg_shap"
    />

此时会报错,因为缺少了sdj这个命名空间,as提示补充

xmlns:sdj="http://schemas.android.com/apk/res-auto"

2、创建attrs.xml文件 

  在values下新建xml资源文件 attrs

<?xml version="1.0" encoding="utf-8"?>
<resources>
   <!-- 定义名字为MyView属性集合-->
    <declare-styleable name="MyView">
        <attr name="name" format="string"/>
        <attr name="age" format="integer"/>
        <attr name="color" format="reference|color"/>
    </declare-styleable>
</resources>


3、使用attrs文件定义的属性

  在自定义view的构造方法中 使用AttributeSet

  a.通过命名空间获取属性   

  String name = attrs.getAttributeValue("http://schemas.android.com/apk/res-auto", "name");
  String age = attrs.getAttributeValue("http://schemas.android.com/apk/res-auto", "age");
  String color = attrs.getAttributeValue("http://schemas.android.com/apk/res-auto", "color");
 

  b.遍历属性集合

  for(int i =0;i<attrs.getAttributeCount();i++){
    System.out.print(attrs.getAttributeName(i)+"===="+attrs.getAttributeValue(i));
  }

 c.使用TypedArray获取属性值

  

TypedArray typedArray = context.obtainStyledAttributes(attrs, R.styleable.MyView);
for (int i = 0;i<typedArray.getIndexCount();i++){
    int index = typedArray.getIndex(i);
    switch (index){
        case R.styleable.MyView_name:
            myname = typedArray.getString(index);
            break;

        case R.styleable.MyView_age:
            break;
        case R.styleable.MyView_color:
            Drawable drawable = typedArray.getDrawable(index);
            BitmapDrawable bitmapDrawable = (BitmapDrawable) drawable;

            break;
       }

}
//回收
typedArray.recycle();



内容概要:本文介绍了基于贝叶斯优化的CNN-LSTM混合神经网络在时间序列预测中的应用,并提供了完整的Matlab代码实现。该模型结合了卷积神经网络(CNN)在特征提取方面的优势与长短期记忆网络(LSTM)在处理时序依赖问题上的强大能力,形成一种高效的混合预测架构。通过贝叶斯优化算法自动调参,提升了模型的预测精度与泛化能力,适用于风电、光伏、负荷、交通流等多种复杂非线性系统的预测任务。文中还展示了模型训练流程、参数优化机制及实际预测效果分析,突出其在科研与工程应用中的实用性。; 适合人群:具备一定机器学习基基于贝叶斯优化CNN-LSTM混合神经网络预测(Matlab代码实现)础和Matlab编程经验的高校研究生、科研人员及从事预测建模的工程技术人员,尤其适合关注深度学习与智能优化算法结合应用的研究者。; 使用场景及目标:①解决各类时间序列预测问题,如能源出力预测、电力负荷预测、环境数据预测等;②学习如何将CNN-LSTM模型与贝叶斯优化相结合,提升模型性能;③掌握Matlab环境下深度学习模型搭建与超参数自动优化的技术路线。; 阅读建议:建议读者结合提供的Matlab代码进行实践操作,重点关注贝叶斯优化模块与混合神经网络结构的设计逻辑,通过调整数据集和参数加深对模型工作机制的理解,同时可将其框架迁移至其他预测场景中验证效果。
评论
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