数据库

本文详细介绍了如何在Android项目中集成GreenDAO库,并通过具体步骤演示了如何创建实体Bean、数据库辅助类及进行数据的增删改查操作。

1.在工程project的build.gradle  

  repositories://添加一个仓库
                        mavenCentral()

   dependencies里边
    classpath 'org.greenrobot:greendao-gradle-plugin:3.2.2'

2.在当前module的build.gradle文件里添加依赖

    compile 'org.greenrobot:greendao:3.2.2'

3.在当前module的build.gradle文件里和dependencies 并列添加
    greendao {
        schemaVersion 1   //数据库版本号
        daoPackage 'com.example.(你项目的包名).gen'   //自 动生成代码的一个位置
        targetGenDir 'src/main/java'    //自动生成代码的一个位置

    }

4.在当前module的build.gradle文件里顶部添加

    apply plugin: 'org.greenrobot.greendao'

5.创建实体Bean,再类上要写注解@Entity,I属性@Id,@Property(nameInDb = "属性名")

6.CleanBuild之后会生成gen文件

7.创建MyApplication继承Application(一定要在清单文件中配置name)

MyApplication:

package com.example.greendao;

import android.app.Application;
import android.database.sqlite.SQLiteDatabase;

public class myApplication extends Application {
    private static myApplication application;
    private DaoSession daoSession;
     public static myApplication getApplication(){
         return application;
     }
    @Override
    public void onCreate() {
        super.onCreate();
        application=this;
        createDb();
    }

    private void createDb() {

        //创建数据库辅助类对象
           DaoMaster.DevOpenHelper devOpenHelper=new DaoMaster.DevOpenHelper(this,"greendao.db");
           //数据库对象
           SQLiteDatabase db=devOpenHelper.getWritableDatabase();
           //链接数据库
            DaoMaster daoMaster = new DaoMaster(db);
        daoSession = daoMaster.newSession();
    }
   public DaoSession getDaoSession(){
         return daoSession;
   }
}

MainActivity:

 

package com.example.greendao;

import android.support.v7.app.AppCompatActivity;
import android.os.Bundle;
import android.util.Log;

public class MainActivity extends AppCompatActivity {

    @Override
    protected void onCreate(Bundle savedInstanceState) {
        super.onCreate(savedInstanceState);
        setContentView(R.layout.activity_main);
        //添加
        insertdata();
        //查询
        query();
    }

    public ShowBeanDao showBeanDao(){
        return myApplication.getApplication().getDaoSession().getShowBeanDao();
    }
    //添加
    private void insertdata() {
        ShowBean insertData = new ShowBean(null,"王小二");
        showBeanDao().insert(insertData);
    }
    //查询
    private void query() {
        ShowBean user = showBeanDao().load((long) 1);
        Log.i("tag", "结果:" + user.getId() + "," + user.getName());

    }

}
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