ViewPager的使用(本例仅实现引导页滑动效果)

本文详细介绍了如何在安卓应用中实现滑动引导页效果,包括布局文件的配置、图片的加载、适配器的创建及监听方法的实现。

实现引导页的滑动效果


一、写布局文件(activity——whats_new.xml里面插入ViewPager控件)

<android.support.v4.view.ViewPager
    android:id="@+id/view_pager"
    android:layout_width="fill_parent"
    android:layout_height="fill_parent"
    />

二、WhatsNewActivity.java中,写一个初始化方法<放入图片>。onCreate()中调用

initViewPager();
rivate void initViewPager() {
<span style="white-space:pre">		</span>//放入图片,即View对象
		List<View> list =new ArrayList<View>();
		 
		ImageView img1 = new ImageView(this);
		img1.setImageResource(R.drawable.guide_1);
		list.add(img1);
		ImageView img2 = new ImageView(this);
		img2.setImageResource(R.drawable.guide_2);
		list.add(img2);
		ImageView img3 = new ImageView(this);
		img3.setImageResource(R.drawable.guide_3);
		list.add(img3);
		
		//使用适配器绑定
		GuideAdapter mAdapter = new GuideAdapter(list);
		
		pager.setAdapter(mAdapter);
		
		//调用ViewPager对象的监听方法
		pager.setOnPageChangeListener(new OnPageChangeListener() {
			
			@Override
			public void onPageSelected(int arg0) {
				if(arg0==2){
					btnstart.setVisibility(View.VISIBLE);
				}else{
					btnstart.setVisibility(View.GONE);
				}
				
			}
			
			@Override
			public void onPageScrolled(int arg0, float arg1, int arg2) {
			}
			
			@Override
			public void onPageScrollStateChanged(int arg0) {
			}
		});
	}


三、新建Adapter包,创建GuideAdapter类。

package adapter;

import java.util.ArrayList;
import java.util.List;

import android.support.v4.view.PagerAdapter;
import android.support.v4.view.ViewPager;
import android.util.Log;
import android.view.View;
import android.view.ViewGroup;

//ViewPager的适配器
public class GuideAdapter extends PagerAdapter {
	
	private List<View> mlist=new ArrayList<View>();
	
	//重写一个构造方法进行导入图片初始化
	public GuideAdapter(List<View> list){
		 mlist=list;
	}
	
	// 获取要滑动的控件的数量,在这里我们以滑动的广告栏为例,那么这里就应该是展示的广告图片的ImageView数量
	@Override
	public int getCount() {
		return mlist.size();
	}

	//来判断显示的是否是同一张图片,这里我们将两个参数相比较返回即可
	@Override
	public boolean isViewFromObject(View arg0, Object arg1) {
		return arg0==arg1;
	}
	
	//PagerAdapter只缓存三张要显示的图片,如果滑动的图片超出了缓存的范围,就会调用这个方法,将图片销毁
	@Override
	public void destroyItem(ViewGroup container, int position, Object object) {
		((ViewPager)container).removeView(mlist.get(position));
	}
	
	// 当要显示的图片可以进行缓存的时候,会调用这个方法进行显示图片的初始化,我们将要显示的ImageView加入到ViewGroup中,然后作为返回值返回即可
	@Override
	public Object instantiateItem(ViewGroup container, int position) {
		((ViewPager)container).addView(mlist.get(position));
		return mlist.get(position);
	}	
}


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
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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