关于Openwave 支持XHTML MP特性(转)

本文详细介绍了Openwave6.2及以上版本的新特性,包括对快捷键的支持、标记语言的增强、样式表的应用以及表格元素的使用。通过实际示例,展示了如何利用这些特性提升网页设计和用户体验。

Openwave6.2以上~ 比如西门子C65就是Openwave7

1 支持快捷键

2支持以下标记

  1.  
  2. h2....6
  3. Logo
  4. moon
  5. type 可是text,radio,checkbox,submit,hidden...
  6. Yes
  7. Garlic
  8. Balsamic
  9. I think that...

3支持样式表

  1. h1, h2, h3 {text-align: center}
  2. p.firstp {text-indent: 0em; margin-top: 0ex}
  3. p {text-indent: 1em; margin-top: 1ex}

4支持table

  1. C1
  2. C2 & C3
  3. C4

具体的效果请参考:
[1] http://devgate2.openwave.com/dev/xhtml/sample/index.html


来自 “ ITPUB博客 ” ,链接:http://blog.itpub.net/10294527/viewspace-125229/,如需转载,请注明出处,否则将追究法律责任。

转载于:http://blog.itpub.net/10294527/viewspace-125229/

根据原作 https://pan.quark.cn/s/459657bcfd45 的源码改编 Classic-ML-Methods-Algo 引言 建立这个项目,是为了梳理和总结传统机器学习(Machine Learning)方法(methods)或者算法(algo),和各位同仁相互学习交流. 现在的深度学习本质上来自于传统的神经网络模型,很大程度上是传统机器学习的延续,同时也在不少时候需要结合传统方法来实现. 任何机器学习方法基本的流程结构都是通用的;使用的评价方法也基本通用;使用的一些数学知识也是通用的. 本文在梳理传统机器学习方法算法的同时也会顺便补充这些流程,数学上的知识以供参考. 机器学习 机器学习是人工智能(Artificial Intelligence)的一个分支,也是实现人工智能最重要的手段.区别于传统的基于规则(rule-based)的算法,机器学习可以从数据中获取知识,从而实现规定的任务[Ian Goodfellow and Yoshua Bengio and Aaron Courville的Deep Learning].这些知识可以分为四种: 总结(summarization) 预测(prediction) 估计(estimation) 假想验证(hypothesis testing) 机器学习主要关心的是预测[Varian在Big Data : New Tricks for Econometrics],预测的可以是连续性的输出变量,分类,聚类或者物品之间的有趣关联. 机器学习分类 根据数据配置(setting,是否有标签,可以是连续的也可以是离散的)和任务目标,我们可以将机器学习方法分为四种: 无监督(unsupervised) 训练数据没有给定...
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