[转贴]指定S60程序图标的显示位置

本文介绍了S60系统的应用程序如何通过AIF_DATA结构或APP_REGISTRATION_INFO结构将图标定位到特定文件夹的方法。对于S60 2nd和3rd版本的不同配置进行了详细说明,并指出如果程序已存在于系统中,则安装程序会忽略文件夹名设置。
 S60的安装程序可以使应用程序图标显示在指定的文件夹下,如果程序指定的文件夹不存在,则会为程序图标创建新的文件夹。S60 2nd的程序通过AIF_DATA结构中的groupName属性指定程序图标出现在哪个文件夹下面。S60 3rd的程序通过APP_REGISTRATION_INFO结构中的group_name属性为实现这个功能: 
 
S60 2nd:
RESOURCE AIF_DATA
{
    app_uid=[YourAppUid];
    num_icons=2;
    embeddability=KAppNotEmbeddable;
    newfile=KAppDoesNotSupportNewFile;
    groupName="MyApp";          //Folder name
}
 
S60 3rd:
RESOURCE APP_REGISTRATION_INFO
 {
    app_file="YourApp";
    localisable_resource_file = "//resource//apps//YourApp";
    localisable_resource_id = R_YOURAPP_LOCALISABLE_APP_INFO;
    embeddability=KAppNotEmbeddable;
    newfile=KAppDoesNotSupportNewFile;
    group_name="MyApp";            //Folder name
 }
 
另外,如果程序已经存在系统中,那么安装程序将会忽略groupNamegroup_name),程序图标依然显示在原来的位置。
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