ajax进行用户的有效性检测示例

本文介绍了一个使用Ajax进行用户有效性检测的示例,包括输入域、JavaScript脚本、Servlet文件及web.xml配置等内容。通过Ajax技术,可以在用户输入信息时即时验证其有效性。

ajax进行用户的有效性检测示例

1、 输入域:

会员的有效性检查:

<input type="text" name="username">&nbsp;&nbsp;<input type="button" value="检查" onclick="return check();">

2、 JavaScript脚本:

var xmlHttp;

//创建XMLHttpRequest对象

function createXMLHttpRequest() {

if(window.ActiveXObject) {

xmlHttp = new ActiveXObject("Microsoft.XMLHTTP");

} else if (window.XMLHttpRequest) {

xmlHttp = new XMLHttpReuqest();

}

//注册名有效性检查

function check() {

var username = document.getElementById('username').value;

if(username=="") {

alert("用户名不能为空!");

return;

}

createXMLHttpRequest();

xmlHttp.onreadystatechange = processCheck;

xmlHttp.open("GET", "CheckUser?username=" + username);

xmlHttp.send(null);

}

//绑定的有效性检查函数

function processCheck() {

var result;

if(xmlHttp.readyState == 4) { //如果响应完成

if(xmlHttp.status == 200) { //如果返回成功

result = xmlHttp.responseText;

var temp = myTrim(result);

if(temp=="false") {

alert("用户名无效,不能注册!");

return;

} else {

alert("用户名有效,可以注册!");

return;

}

}

}

}

//去除前后空格

function myTrim(str){

return str.replace(/^\s+/,'').replace(/\s+$/,'');

}

3、 Servlet文件:(CheckUser.java文件中的doGet方法

public void doGet(HttpServletRequest request, HttpServletResponse response) throws ServletException, IOException {

response.setContentType("text/html");

PrintWriter out = response.getWriter();

String username = request.getParameter("username");

boolean isChecked = true;

String[] login = {"admin", "solid"};

for(int i=0; i<login.length; i++) {

if(username.equals(login[i])) {

isChecked = false;

}

}

out.println(isChecked);

out.flush();

out.close();

}

4、 web.xml文件配置:

<servlet>

<servlet-name>CheckUser</servlet-name>

<servlet-class>com.solid.util.CheckUser</servlet-class>

</servlet>

<servlet-mapping>

<servlet-name>CheckUser</servlet-name>

<url-pattern>/CheckUser</url-pattern>

</servlet-mapping>

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