HTML入门知识点2

一、无序列表<ul><li></li></ul>

<!DOCTYPE html>
<html>
<head>
<meta charset="utf-8">
<title>无序列表</title>
</head>
<body>
<ul style="background-color:#E0FFFF">
	<li>小猪佩奇</li>
	<li>小猪佩奇</li>
	<li>小猪佩奇</li>
</ul>
</body>
</html>

无序列表显示的符号是默认的粗体圆点 type="disc",符号款式除了圆点,还有:circle 空心圆,square 空心正方形。且列表占据的空间其实是一整行。


二、有序列表<ol><li></li><ol>

<!DOCTYPE html>
<html>
<head>
<meta charset="utf-8">
<title>有序列表</title>
</head>
<body>
<ol>
	<li>兰兰无话可说</li>
	<li>红红不知所措</li>
	<li>绿绿只想摇头</li>
	<li>橙橙跟着摇头</li>
	<li>粉粉一直摇头</li>
	<li>白白摇不动了</li>
</ol>
</body>
</html>


符号类型不只有数字:


写法:<ol type="I">或者<ol type="a">等等。

序号也可以不从1开始,只要先定义了start="开始序号"  <ol type="I" start="3">


三、列表标签<dl><dt><dd></dd></dt></dl>

<!DOCTYPE html>
<html>
<head>
<meta charset="utf-8">
<title>列表标签</title>
</head>
<body>
<dl>
	<dt>计算机</dt>
	<dd>用来计算的仪器</dd>
	<dt>显示器</dt>
	<dd>以视觉方式显示信息的装置</dd>
</dl>
</body>
</html>
网页效果:



四、框架<frameset></frameset>

基本上高级的网页都用框架来实现,例如在页面左边点击超链接,只在页面右边进行页面切换,只就需要用框架来实现。

<frameset>是一个框架集合,里面放的是frame,一个frame代表一个页面。

<frameset>和<body>不能同时直接使用。rows表示上下分隔,cols表示左右分隔


现在实现在一个框架集合中,以上下方面显示两个页面。

<!DOCTYPE html>
<html>
<head>
<meta charset="utf-8">
<title>框架frame</title>
</head>
<frameset rows="20%,80%">
	<frame src="11-a.html">
	<frame src="11-b.html">
</frameset>
</html>

11-a.html 显示:“这是11-a.html”, 11-b.html 显示:“这是11-b.html”

网页效果:


上下分别以20%和80%比例来显示。但此时两页面之间的边界可拉动改变比例。

可以在一个子页面添加“noresize”,并且在<frameset>添加frameborder="0"使页面间的那条横线不显示。

最好在<frameset>最后添加上<noframes>的提醒。

框架里网页的分隔比例最好不用百分比,而是用像素(另一个页面的像素也*号,意思是第一个页面占150像素,剩下的留给第二个页面显示),这样就算是进行窗口缩放,最上面的页面也能按照设定的像素来显示不至于变型。

<frameset rows="150px,*" frameborder="0">
	<frame src="11-a.html" noresize>
	<frame src="11-b.html">
	<noframes><body>浏览器不支持框架</body></noframes>
</frameset>

写了一个小框架页面:分上下两大部分,下面部分又分左右两部分。总页面是index.html;上面的是top.html,放一个图片;左边是left.html,放了几个歌曲名称的超链接;右边是right.html,显示对应的歌词。点击左边歌曲的超链接,右边页面相应进行切换(切换的页面是song1.html),显示对应歌曲的歌词。

<!--index.html-->
<!DOCTYPE html>
<html>
<head>
<meta charset="utf-8">
<title>余音绕梁</title>
</head>
<frameset rows="150px,*" frameborder="0">
	<frame src="top.html">
	<frameset cols="240px,*" frameborder="0">
		<frame src="left.html">
		<frame src="right.html" name="right_frame">
	</frameset>
	<noframes>浏览器不支持框架</noframes>
</frameset>
</html>

<!--top.html-->
<!DOCTYPE html>
<html>
<head>
<meta charset="utf-8">
<title>top</title>
</head>
<body style="text-align:center;">
<img src="kugou.png">
</body>
</html>

<!--left.html-->
<!DOCTYPE html>
<html>
<head>
<meta charset="utf-8">
<title>left</title>
</head>
<body bgcolor="#B0E0E6" style="line-height:30px">
<a href="right.html" target="right_frame">林俊杰 江南</a><br>
<a href="song1.html" target="right_frame">林俊杰 可惜没如果</a><br>
<a href="song2.html" target="right_frame">林俊杰 当你</a><br>
<a href="song3.html" target="right_frame">林俊杰 她说</a><br>
<a href="song4.html" target="right_frame">林俊杰 爱笑的眼睛</a><br>
</body>
</html>

<!--right.html-->
<!DOCTYPE html>
<html>
<head>
<meta charset="utf-8">
<title>right</title>
</head>
<body bgcolor="#F0F8FF" style="line-height:20px">
风到这里就是粘<br>
粘住过客的思念<br>
雨到了这里缠成线<br>
<!--省略-->
</body>
</html>

<!--song1.html-->
<!DOCTYPE html>
<html>
<head>
<meta charset="utf-8">
<title>song1</title>
</head>
<body bgcolor="#F0F8FF" style="line-height:20px">
假如把犯得起的错 能错的都错过<br>
应该还来得及去悔过<br>
假如没把一切说破<br>
那一场小风波 将一笑带过<br>
<!--省略-->
</body>
</html>

网页效果:(index.html)


点击第二个超链接:

内容概要:本文详细介绍了一个基于Java和Vue的联邦学习隐私保护推荐系统的设计与实现。系统采用联邦学习架构,使用户数据在本地完成模型训练,仅上传加密后的模型参数或梯度,通过中心服务器进行联邦平均聚合,从而实现数据隐私保护与协同建模的双重目标。项目涵盖完整的系统架构设计,包括本地模型训练、中心参数聚合、安全通信、前后端解耦、推荐算法插件化等模块,并结合差分隐私与同态加密等技术强化安全性。同时,系统通过Vue前端实现用户行为采集与个性化推荐展示,Java后端支撑高并发服务与日志处理,形成“本地训练—参数上传—全局聚合—模型下发—个性化微调”的完整闭环。文中还提供了关键模块的代码示例,如特征提取、模型聚合、加密上传等,增强了项目的可实施性与工程参考价值。 适合人群:具备一定Java和Vue开发基础,熟悉Spring Boot、RESTful API、分布式系统或机器学习相关技术,从事推荐系统、隐私计算或全栈开发方向的研发人员。 使用场景及目标:①学习联邦学习在推荐系统中的工程落地方法;②掌握隐私保护机制(如加密传输、差分隐私)与模型聚合技术的集成;③构建高安全、可扩展的分布式推荐系统原型;④实现前后端协同的个性化推荐闭环系统。 阅读建议:建议结合代码示例深入理解联邦学习流程,重点关注本地训练与全局聚合的协同逻辑,同时可基于项目架构进行算法替换与功能扩展,适用于科研验证与工业级系统原型开发。
源码来自:https://pan.quark.cn/s/a4b39357ea24 遗传算法 - 简书 遗传算法的理论是根据达尔文进化论而设计出来的算法: 人类是朝着好的方向(最优解)进化,进化过程中,会自动选择优良基因,淘汰劣等基因。 遗传算法(英语:genetic algorithm (GA) )是计算数学中用于解决最佳化的搜索算法,是进化算法的一种。 进化算法最初是借鉴了进化生物学中的一些现象而发展起来的,这些现象包括遗传、突变、自然选择、杂交等。 搜索算法的共同特征为: 首先组成一组候选解 依据某些适应性条件测算这些候选解的适应度 根据适应度保留某些候选解,放弃其他候选解 对保留的候选解进行某些操作,生成新的候选解 遗传算法流程 遗传算法的一般步骤 my_fitness函数 评估每条染色体所对应个体的适应度 升序排列适应度评估值,选出 前 parent_number 个 个体作为 待选 parent 种群(适应度函数的值越小越好) 从 待选 parent 种群 中随机选择 2 个个体作为父方和母方。 抽取父母双方的染色体,进行交叉,产生 2 个子代。 (交叉概率) 对子代(parent + 生成的 child)的染色体进行变异。 (变异概率) 重复3,4,5步骤,直到新种群(parentnumber + childnumber)的产生。 循环以上步骤直至找到满意的解。 名词解释 交叉概率:两个个体进行交配的概率。 例如,交配概率为0.8,则80%的“夫妻”会生育后代。 变异概率:所有的基因中发生变异的总体的比例。 GA函数 适应度函数 适应度函数由解决的问题决定。 举一个平方和的例子。 简单的平方和问题 求函数的最小值,其中每个变量的取值区间都是 [-1, ...
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