(转)jQuery.extend 函数详解

本文详细介绍了jQuery中的extend方法,包括其基本用法、参数配置、深度拷贝等特性,并通过实例展示了如何使用extend来扩展jQuery的功能。

摘至:http://www.cnblogs.com/RascallySnake/archive/2010/05/07/1729563.html

 

JQuery的extend扩展方法:
      Jquery的扩展方法extend是我们在写插件的过程中常用的方法,该方法有一些重载原型,在此,我们一起去了解了解。
    一、Jquery的扩展方法原型是:   

extend(dest,src1,src2,src3...);
    它的含义是将src1,src2,src3...合并到dest中,返回值为合并后的dest,由此可以看出该方法合并后,是修改了dest的结构的。
    如果想要得到合并的结果却又不想修改dest的结构,可以如下使用:
var newSrc=$.extend({},src1,src2,src3...)//也就是将"{}"作为dest参数。
    这样就可以将src1,src2,src3...进行合并,然后将合并结果返回给newSrc了。如下例:
var result=$.extend({},{name:"Tom",age:21},{name:"Jerry",sex:"Boy"})

    那么合并后的结果

result={name:"Jerry",age:21,sex:"Boy"}

    也就是说后面的参数如果和前面的参数存在相同的名称,那么后面的会覆盖前面的参数值。

 

      二、省略dest参数
      上述的extend方法原型中的dest参数是可以省略的,如果省略了,则该方法就只能有一个src参数,而且是将该src合并到调用extend方法的对象中去,如:
  1、$.extend(src)
  该方法就是将src合并到jquery的全局对象中去,如:

$.extend({
hello:function(){alert(
'hello');}
});
    就是将hello方法合并到jquery的全局对象中。

    2、$.fn.extend(src)
    该方法将src合并到jquery的实例对象中去,如:

$.fn.extend({
hello:function(){alert(
'hello');}
});
   就是将hello方法合并到jquery的实例对象中。

   下面例举几个常用的扩展实例:

$.extend({net:{}});
   这是在jquery全局对象中扩展一个net命名空间。
$.extend($.net,{
hello:function(){alert(
'hello');}
})
   这是将hello方法扩展到之前扩展的Jquery的net命名空间中去。

    三、Jquery的extend方法还有一个重载原型:  

extend(boolean,dest,src1,src2,src3...)
   第一个参数boolean代表是否进行深度拷贝,其余参数和前面介绍的一致,什么叫深层拷贝,我们看一个例子:
var result=$.extend( true, {},
{ name:
"John", location: {city: "Boston",county:"USA"} },
{ last:
"Resig", location: {state: "MA",county:"China"} } );
    我们可以看出src1中嵌套子对象location:{city:"Boston"},src2中也嵌套子对象location:{state:"MA"},第一个深度拷贝参数为true,那么合并后的结果就是: 
result={name:"John",last:"Resig",
location:{city:
"Boston",state:"MA",county:"China"}}
   也就是说它会将src中的嵌套子对象也进行合并
   如果第一个参数boolean为false,我们看看合并的结果是什么,如下:
var result=$.extend( false, {},
{ name:
"John", location:{city: "Boston",county:"USA"} },
{ last:
"Resig", location: {state: "MA",county:"China"} }
);

   那么合并后的结果就是:

result={name:"John",last:"Resig",location:{state:"MA",county:"China"}}

 

以上就是$.extend()在项目中经常会使用到的一些细节。

内容概要:本文围绕“基于数据驱动的 Koopman 算子的递归神经网络模型线性化,用于纳米定位系统的预测控制研究”展开,提出了一种结合Koopman算子理论与递归神经网络(RNN)的数据驱动建模方法,旨在对非线性纳米定位系统进行有效线性化建模,并实现高精度的模型预测控制(MPC)。该方法利用Koopman算子将非线性系统映射到高维线性空间,通过递归神经网络学习系统的动态演化规律,构建可解释性强、计算效率高的线性化模型,进而提升预测控制在复杂不确定性环境下的鲁棒性与跟踪精度。文中给出了完整的Matlab代码实现,涵盖数据预处理、网络训练、模型验证与MPC控制器设计等环节,具有较强的基于数据驱动的 Koopman 算子的递归神经网络模型线性化,用于纳米定位系统的预测控制研究(Matlab代码实现)可复现性和工程应用价值。; 适合人群:具备一定控制理论基础和Matlab编程能力的研究生、科研人员及自动化、精密仪器、机器人等方向的工程技术人员。; 使用场景及目标:①解决高精度纳米定位系统中非线性动态响应带来的控制难题;②实现复杂机电系统的数据驱动建模与预测控制一体化设计;③为非线性系统控制提供一种可替代传统机理建模的有效工具。; 阅读建议:建议结合提供的Matlab代码逐模块分析实现流程,重点关注Koopman观测矩阵构造、RNN网络结构设计与MPC控制器耦合机制,同时可通过替换实际系统数据进行迁移验证,深化对数据驱动控制方法的理解与应用能力。
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