ajax学习笔记之跨域jsonp

本文介绍了如何解决Ajax跨域问题,重点讲解了JSONP(JSON with Padding)的工作原理。通过创建本地代理或服务器中转,利用script标签的src属性实现跨域数据获取。JSONP通过在返回数据前包裹一个预先定义好的函数名,使得在本地能够调用并处理跨域获取的数据。在实际应用中,先定义好回调函数,然后在需要跨域的Ajax请求中动态创建script标签,并设置src属性,包含URL及回调函数名。
json跨域解决:
xml文件 对方加入白名单中有自己

通过服务器中转 本地代理(通过同级目录下的php文件)

jsonp    


json with padding

ajax不允许跨域访问获得数据,通过script标签的src属性可以跨域访问数据 但是只获得数据却无法将它赋给比变量 相当于没用 

但是可以将src中的数据形式外面再套一层函数  例如 原来src地址的数据为 [ 1, 2, 3 ]  如果是 fn (  [ 1, 2, 3 ]   )  而在本地我们定一个fn 函数 那就可以在fn函数中使用数据了

所以类似的 我们请求src数据是 同时给对方一个我们这是先定义好的函数名  类似于回调函数的作用


事先定义好的函数   在其中可以处理跨域获得的数据



在需要跨域获得数据的事件中 再生成那个script标签 设置src  就会调用之前我们设置好的函数

src除了传递跨域的那个url外 还要加上我们给对方我们自己的回调函数名  需要我们传入参数的也可以加上参数 (参考ajax get方式)


MATLAB代码实现了一个基于多种智能优化算法优化RBF神经网络的回归预测模型,其核心是通过智能优化算法自动寻找最优的RBF扩展参数(spread),以提升预测精度。 1.主要功能 多算法优化RBF网络:使用多种智能优化算法优化RBF神经网络的核心参数spread。 回归预测:对输入特征进行回归预测,适用于连续值输出问题。 性能对比:对比不同优化算法在训练集和测试集上的预测性能,绘制适应度曲线、预测对比图、误差指标柱状图等。 2.算法步骤 数据准备:导入数据,随机打乱,划分训练集和测试集(默认7:3)。 数据归一化:使用mapminmax将输入和输出归一化到[0,1]区间。 标准RBF建模:使用固定spread=100建立基准RBF模型。 智能优化循环: 调用优化算法(从指定文件夹中读取算法文件)优化spread参数。 使用优化后的spread重新训练RBF网络。 评估预测结果,保存性能指标。 结果可视化: 绘制适应度曲线、训练集/测试集预测对比图。 绘制误差指标(MAE、RMSE、MAPE、MBE)柱状图。 十种智能优化算法分别是: GWO:灰狼算法 HBA:蜜獾算法 IAO:改进天鹰优化算法,改进①:Tent混沌映射种群初始化,改进②:自适应权重 MFO:飞蛾扑火算法 MPA:海洋捕食者算法 NGO:北方苍鹰算法 OOA:鱼鹰优化算法 RTH:红尾鹰算法 WOA:鲸鱼算法 ZOA:斑马算法
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