JSF自定义组件(1)

刚接触,只是把一些注意的地方记录下来

自定义组件的常用类

javax.faces.component.UIComponent
自定义Component所要继承的父类,但通常,您是继承其子类,例如UIInput、UIOutput等等。
javax.faces.webapp.UIComponentTag
自定义JSF标签所要继承的父类,继承它可以帮您省去许多JSF标签处理的细节。
javax.faces.context.FacesContext
包括了JSF相关的请求信息,您可以通过它取得请求对象或请求参数,或者是javax.faces.application.Application对象。
javax.faces.application.Application
包括了一个应用程序所共享的信息,像是locale、验证器、转换器等等,您可以通过一些 工厂方法 取得相关的信息。

 编码解码
将编码的动作写在encodeBegin()或是encodeEnd()都可以

....
public void decode(FacesContext context) {
Map reqParaMap = context.getExternalContext().
getRequestParameterMap();
String clientId = getClientId(context);
String submittedValue =
(String) reqParaMap.get(clientId + TEXT);
setSubmittedValue(submittedValue);
setValid(true);
}
....
我们必须先取得RequestParameterMap,这个Map对象中填入了所有客户端传来的请求参数, Component在这个方法中有机会查询这些请求参数中,是否有自己所想要取得的数据

取得请求值之后,您可以将数据借由setSumittedValue()设定给绑定的bean,最后调用setValid()方法,这个方法设定为true时,表示组件正确的获得自己的值,没有任何的错误发生

组件标签

完成Component的自定义,接下来要设定一个自定义Tag与之对应,自定义Tag的目的,在于设定 Component属性,取得Componenty类型,取得Renderer类型值等;属性的设定包括了设定静态值、设定绑定值、设定验证器等等。
setRendererType(String rendererType)

 

基于径向基函数神经网络RBFNN的自适应滑模控制学习(Matlab代码实现)内容概要:本文介绍了基于径向基函数神经网络(RBFNN)的自适应滑模控制方法,并提供了相应的Matlab代码实现。该方法结合了RBF神经网络的非线性逼近能力和滑模控制的强鲁棒性,用于解决复杂系统的控制问题,尤其适用于存在不确定性和外部干扰的动态系统。文中详细阐述了控制算法的设计思路、RBFNN的结构与权重更新机制、滑模面的构建以及自适应律的推导过程,并通过Matlab仿真验证了所提方法的有效性和稳定性。此外,文档还列举了大量相关的科研方向和技术应用,涵盖智能优化算法、机器学习、电力系统、路径规划等多个领域,展示了该技术的广泛应用前景。; 适合人群:具备一定自动控制理论基础和Matlab编程能力的研究生、科研人员及工程技术人员,特别是从事智能控制、非线性系统控制及相关领域的研究人员; 使用场景及目标:①学习和掌握RBF神经网络与滑模控制相结合的自适应控制策略设计方法;②应用于电机控制、机器人轨迹跟踪、电力电子系统等存在模型不确定性或外界扰动的实际控制系统中,提升控制精度与鲁棒性; 阅读建议:建议读者结合提供的Matlab代码进行仿真实践,深入理解算法实现细节,同时可参考文中提及的相关技术方向拓展研究思路,注重理论分析与仿真验证相结合。
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