文字放大镜

本文介绍了一个基于Vue.js的组件,该组件实现了一种文字放大镜的效果。当鼠标悬停在文本上时,会显示一个放大的文本片段,包括当前字符及其周围的几个字符,以提供更好的阅读体验。

组件 文字 放大镜

组件

<template>
    <!-- @mouseout="box=false"  -->
    <span class="box" @mousemove="box = true" @mouseout="box=false">
        <p class="p" @mousedown="asd($event)">
            <span @mousemove="as(i,index)" v-for="(i,index) in text" :key="index">{{i}}</span>
        </p>
        <!-- overflow: hidden; -->
        <div id="q" 
            v-show="box">
            {{texts}}
        </div>
    </span>
</template>
<script>
    export default {
        props: ['text'],
        data() {
            return {
                box: false,
                texts: ''
            }
        },
        methods: {
            as(val, index) {
                // console.log(val,index)
                let a = ''
                if (this.$props.text[index - 1]) {
                    a += this.$props.text[index - 1]    
                }
                if (this.$props.text[index]) {
                    a += this.$props.text[index]
                }
                if (this.$props.text[index + 1]) {
                    a += this.$props.text[index + 1]
                }
                if (this.$props.text[index + 2]) {
                    a += this.$props.text[index + 2]
                }
                this.texts = a
                console.log(index)


                let divs = document.querySelector('#q')  //获取圈元素
                let boxp = document.querySelector('.p') //获取放大三倍的元素
                this.box = true
                document.onmousemove = e => {  
                     //鼠标位置
                //     // 让放大镜跟着鼠标位置
                    
                //     var scroll_top = document.documentElement.scrollTop || document.body.scrollTop;
                //     var scroll_left = document.documentElement.scrollLeft || document.body.scrollLeft;
                //    conole.log(scroll_top)
                //     // divs.style.left = e.clientX - 50 +'px'
                //     // divs.style.top = e.clientY - 50 +'px'
                //     targetX  = e.clientY + scroll_top + 'px';
                //     targetY = e.clientX + scroll_left + 'px';
                //     setInterval(function () {
                //         leaderX = leaderX + (targetX - leaderX) / 10;
                //         leaderY = leaderY + (targetY - leaderY) / 10;
                        divs.style.left = 10 + "px";
                        divs.style.top = 163 + "px";
                        console.log(divs.style.top)
                //     }, 10)
                }
            },
            asd(e) {
                let divs = document.querySelector('#q')  //获取圈元素
                let boxp = document.querySelector('.p') //获取放大三倍的元素
                this.box = true

            }
        },
        mounted() {
            let boxp = document.querySelector('.p') //获取放大三倍的元素
            let divss = document.querySelector('#a') //获取放大三倍的元素
        },
    }
</script>sss
<style scoped>
    .p {
        margin: 0;

    }

    .p span {
        padding: 0
    }

    #q {
        border-radius: 50%;
        border: 1px solid #eee;
        box-shadow: 0 0 6px rgb(163, 161, 161);
        font-size: 28px;
        pointer-events: none;
        line-height: 100px;
        text-align: center;
        width:100px;
        height:100px;
        position: fixed;
        z-index:9999;
        background:#fff;
        color: black;
        /* left:0px;
        top:0px; */
    }

    .box p {

        user-select: none;
        white-space: nowrap;

    }
</style>

通过引入
在这里插入图片描述
在这里插入图片描述在这里插入图片描述
还有全网页放大镜 在本地

基于数据驱动的 Koopman 算子的递归神经网络模型线性化,用于纳米定位系统的预测控制研究(Matlab代码实现)内容概要:本文围绕“基于数据驱动的 Koopman 算子的递归神经网络模型线性化,用于纳米定位系统的预测控制研究”展开,提出了一种结合数据驱动方法与Koopman算子理论的递归神经网络(RNN)模型线性化方法,旨在提升纳米定位系统的预测控制精度与动态响应能力。研究通过构建数据驱动的线性化模型,克服了传统非线性系统建模复杂、计算开销大的问题,并在Matlab平台上实现了完整的算法仿真与验证,展示了该方法在高精度定位控制中的有效性与实用性。; 适合人群:具备一定自动化、控制理论或机器学习背景的科研人员与工程技术人员,尤其是从事精密定位、智能控制、非线性系统建模与预测控制相关领域的研究生与研究人员。; 使用场景及目标:①应用于纳米级精密定位系统(如原子力显微镜、半导体制造设备)中的高性能预测控制;②为复杂非线性系统的数据驱动建模与线性化提供新思路;③结合深度学习与经典控制理论,推动智能控制算法的实际落地。; 阅读建议:建议读者结合Matlab代码实现部分,深入理解Koopman算子与RNN结合的建模范式,重点关注数据预处理、模型训练与控制系统集成等关键环节,并可通过替换实际系统数据进行迁移验证,以掌握该方法的核心思想与工程应用技巧。
基于粒子群算法优化Kmeans聚类的居民用电行为分析研究(Matlb代码实现)内容概要:本文围绕基于粒子群算法(PSO)优化Kmeans聚类的居民用电行为分析展开研究,提出了一种结合智能优化算法与传统聚类方法的技术路径。通过使用粒子群算法优化Kmeans聚类的初始聚类中心,有效克服了传统Kmeans算法易陷入局部最优、对初始值敏感的问题,提升了聚类的稳定性和准确性。研究利用Matlab实现了该算法,并应用于居民用电数据的行为模式识别与分类,有助于精细化电力需求管理、用户画像构建及个性化用电服务设计。文档还提及相关应用场景如负荷预测、电力系统优化等,并提供了配套代码资源。; 适合人群:具备一定Matlab编程基础,从事电力系统、智能优化算法、数据分析等相关领域的研究人员或工程技术人员,尤其适合研究生及科研人员。; 使用场景及目标:①用于居民用电行为的高效聚类分析,挖掘典型用电模式;②提升Kmeans聚类算法的性能,避免局部最优问题;③为电力公司开展需求响应、负荷预测和用户分群管理提供技术支持;④作为智能优化算法与机器学习结合应用的教学与科研案例。; 阅读建议:建议读者结合提供的Matlab代码进行实践操作,深入理解PSO优化Kmeans的核心机制,关注参数设置对聚类效果的影响,并尝试将其应用于其他相似的数据聚类问题中,以加深理解和拓展应用能力。
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