android 选项菜单(通过程序生成)

本文介绍了一个简单的 Android 应用示例,演示如何在应用程序中动态创建并响应菜单选项。通过 MyMenuDemo 类,应用能够在运行时生成带有图标和文本的菜单项,并为每个菜单项定义具体的操作。

 

 

 

在main.xml中

<?xml version="1.0" encoding="utf-8"?>

<LinearLayout

    xmlns:android="http://schemas.android.com/apk/res/android"

    android:layout_width="fill_parent"

    android:layout_height="fill_parent"

    android:orientation="vertical" >

 

    <TextView

        android:id="@+id/txt"

        android:layout_width="fill_parent"

        android:layout_height="wrap_content"

        android:gravity="center_horizontal"

        android:layout_marginTop="8dp"

        android:text="请按Menu键查看菜单选项" />

 

</LinearLayout>

 

 

 

 

 

 

在MyMenuDemo.java程序中

package com.li.menu;

 

import android.app.Activity;

import android.os.Bundle;

import android.view.Menu;

import android.view.MenuItem;

import android.widget.Toast;

 

public class MyMenuDemo extends Activity {

    @Override

    public void onCreate(Bundle savedInstanceState) {

        super.onCreate(savedInstanceState);

        super.setContentView(R.layout.main);

    }

 

  @Override

  public boolean onCreateOptionsMenu(Menu menu) {

     menu.add(Menu.NONE,Menu.FIRST + 1,1,"删除").setIcon(android.R.drawable.ic_menu_delete);

     menu.add(Menu.NONE,Menu.FIRST + 2,3,"保存").setIcon(android.R.drawable.ic_menu_save);

     menu.add(Menu.NONE,Menu.FIRST + 3,2,"帮助").setIcon(android.R.drawable.ic_menu_help);

     menu.add(Menu.NONE,Menu.FIRST + 4,4,"添加").setIcon(android.R.drawable.ic_menu_add);

     menu.add(Menu.NONE,Menu.FIRST + 5,5,"详情").setIcon(android.R.drawable.ic_menu_info_details);

     menu.add(Menu.NONE,Menu.FIRST + 6,6,"发送").setIcon(android.R.drawable.ic_menu_send);

     menu.add(Menu.NONE,Menu.FIRST + 7,7,"编辑").setIcon(android.R.drawable.ic_menu_edit);

     return true;

  }

 

  @Override

  public boolean onOptionsItemSelected(MenuItem item) {

     switch(item.getItemId()){ //判断操作菜单的ID

     case Menu.FIRST + 1:

       Toast.makeText(this,"您选择的是“删除”项",Toast.LENGTH_LONG).show();

       break;

     case Menu.FIRST + 2:

       Toast.makeText(this,"您选择的是“保存”项",Toast.LENGTH_LONG).show();

     break;

     case Menu.FIRST + 3:

       Toast.makeText(this,"您选择的是“帮助”项",Toast.LENGTH_LONG).show();

     break;

     case Menu.FIRST + 4:

       Toast.makeText(this,"您选择的是“添加”项",Toast.LENGTH_LONG).show();

     break;

     case Menu.FIRST + 5:

       Toast.makeText(this,"您选择的是“详情”项",Toast.LENGTH_LONG).show();

     break;

     case Menu.FIRST + 6:

       Toast.makeText(this,"您选择的是“发送”项",Toast.LENGTH_LONG).show();

     break;

     case Menu.FIRST + 7:

       Toast.makeText(this,"您选择的是“编辑”项",Toast.LENGTH_LONG).show();

     break;

     }

     return false;

  }

 

  @Override

  public void onOptionsMenuClosed(Menu menu) { //在菜单结束之后会执行此方法进行一些信息的显示

     Toast.makeText(this,

         "选项菜单关闭了",

         Toast.LENGTH_LONG).show();

  }

 

  @Override

  public boolean onPrepareOptionsMenu(Menu menu) { //在菜单显示之前会执行此方法进行一些信息的显示

     Toast.makeText(this,

         "在菜单显示(onCreateOptionsMenu()方法之前会调用此操作,可以在此操作之中完成一些预处理功能。)",

         Toast.LENGTH_LONG).show();

     return true;

  }

   

}



 

具有多种最大功率点跟踪(MPPT)方法的光伏发电系统(P&O-增量法-人工神经网络-模糊逻辑控制-粒子群优化)之使用粒子群算法的最大功率点追踪(MPPT)(Simulink仿真实现)内容概要:本文介绍了一个涵盖多个科研领域的综合性MATLAB仿真资源集合,重点聚焦于光伏发电系统中基于粒子群优化(PSO)算法的最大功率点追踪(MPPT)技术的Simulink仿真实现。文档还列举了多种MPPT方法(如P&O、增量电导法、神经网络、模糊逻辑控制等),并展示了该团队在电力系统、智能优化算法、机器学习、路径规划、无人机控制、信号处理等多个方向的技术服务能力与代码实现案例。整体内容以科研仿真为核心,提供大量可复现的Matlab/Simulink模型和优化算法应用实例。; 适合人群:具备一定电力电子、自动控制或新能源背景,熟悉MATLAB/Simulink环境,从事科研或工程仿真的研究生、科研人员及技术人员。; 使用场景及目标:①学习并实现光伏系统中基于粒子群算法的MPPT控制策略;②掌握多种智能优化算法在电力系统与自动化领域的建模与仿真方法;③获取可用于论文复现、项目开发和技术攻关的高质量仿真资源。; 阅读建议:建议结合提供的网盘资料,按照研究方向选取对应模块进行实践,重点关注Simulink模型结构与算法代码逻辑的结合,注重从原理到仿真实现的全过程理解,提升科研建模能力。
热成像人物检测数据集 一、基础信息 数据集名称:热成像人物检测数据集 图片数量: 训练集:424张图片 验证集:121张图片 测试集:61张图片 总计:606张热成像图片 分类类别: - 热成像人物:在热成像图像中的人物实例 - 非热成像人物:在非热成像或普通图像中的人物实例,用于对比分析 标注格式: YOLO格式,包含边界框和类别标签,适用于目标检测任务。数据来源于热成像和视觉图像,覆盖多种场景条件。 二、适用场景 热成像监控与安防系统开发: 数据集支持目标检测任务,帮助构建能够在低光、夜间或恶劣环境下自动检测和定位人物的AI模型,提升监控系统的可靠性和实时响应能力。 红外视觉应用研发: 集成至红外摄像头或热成像设备中,实现实时人物检测功能,应用于安防、军事、救援和工业检测等领域。 学术研究与创新: 支持计算机视觉与热成像技术的交叉研究,助力开发新算法用于人物行为分析或环境适应型检测模型。 教育与培训: 可用于高校或培训机构,作为学习热成像人物检测和AI模型开发的教学资源,提升实践技能。 三、数据集优势 精准标注与多样性: 每张图片均由专业标注员标注,确保边界框定位准确,类别分类清晰。包含热成像和非热成像类别,提供对比数据,增强模型的泛化能力和鲁棒性。 场景实用性强: 数据覆盖多种环境条件,如不同光照和天气,模拟真实世界应用,适用于复杂场景下的人物检测任务。 任务适配性高: YOLO标注格式兼容主流深度学习框架(如YOLOv5、YOLOv8等),可直接加载使用,支持快速模型开发和评估。 应用价值突出: 专注于热成像人物检测,在安防、监控和特殊环境检测中具有重要价值,支持早期预警和高效决策。
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