Flex之数据格式化

  数据格式化是对某些特殊的数据的格式进行规范。例如,日期格式有很多种,可以为"1990-1-2"、"2/1/1990"等。有时数据格式化是必须的,如货币的格式要统一。
  格式化组件概述
  Flex 3.0中提供了几种常见的数据格式化组件,如DateFormatter、NumberFormatter、PhoneFormatter等。数据格式化组件说明如表19-3所示。
  表19-3 Flex 3.0中的数据格式化组件 组件名 说明 CurrencyFormatter 对货币数据格式化 DataFormatter 对日期数据格式化 NumberFormatter 对数据格式化 PhoneFormatter 对电话号码数据格式化 ZipCodeFormatter 对邮编数据格式化 使用数据格式化组件的format方法可格式化数据。其语法如下所示。
  数据格式化组件id.format(数据);
  以下代码使用format方法格式化日期。
  var today:Date=new Date();
  DateDisplay.format(today);
  货币格式化组件
  组件用以格式化货币,其常用的属性如表19-4所示。
  表19-4 组件常用属性 属性名 说明 alignSymbol 货币符号位置。其值可为"left"或"right" currencySymbol 货币符号。如"$"、"¥"、"£" useThousandsSeparator 是否使用千位符","。其值可为true或false useNegativeSign 是否使用负号。其值可为true或false error 格式化数据出错时的提示信息 以下代码使用组件格式化货币。
   layout="absolute" fontSize="13">
  
  
  
  
  
  
  
  
  日期格式化组件
  组件用以格式化日期,其常用的属性如表19-5所示。
  表19-5 组件常用属性 组件的formatString属性中定义格式化掩码,可用"Y|M|D|A|E|H|J|K|L|N|S"组合生成。日期掩码字符的说明如表19-6所示。
  表19-6 日期掩码字符的说明 掩码字符 说 明 Y 年份。可用若干个Y组成。例如:YY=05,YYYY=2005,YYYYY=02005 M 月份。可用若干个M组成。例如:M=7,MM=07,MMM=Jul,MMMM=July D 天。可用若干个D组成。例如,D=4,DD=04 A am或pm E 星期几。可用若干个E组成。例如,E=1,EE=01,EEE=Mon,EEEE=Monday H 从1开始记数的24小时制(1-24) J 从0开始记数的24小时制(0-23) K 从0开始记数的12小时制(0-11) L 从1开始记数的12小时制(1-12) N 分钟。可用若干个N组成。例如,N=3,NN=03 S 秒。例如,SS=30 根据上述表格中的掩码字符可组成丰富的日期格式。例如,掩码"EEEE,MMM.D,YYYY 'at' H:NN A"应用的结果为"Tuesday,Sept.8,2005 at 1:26 PM"。
  以下代码使用组件格式化当前日期。
  
  layout="absolute" fontSize="13">
  
  
  
  
  
  
  
  
  
  
  数字格式化组件
  组件用以格式化数字,其常用的属性如表19-7所示。
  表19-7 组件常用属性 属性名 说 明 useThousandsSeparator 是否使用千位符","。其值可为true或false useNegativeSign 是否使用负号。其值可为true或false error 格式化数据出错时的提示信息 以下代码使用组件格式化数字。
   layout="absolute" fontSize="13">
  
  
  
  
  
  
  
  
  电话格式化组件
  组件用以格式化电话,其常用的属性如表19-8所示。
  表19-8 组件常用属性
  以下代码使用组件格式化电话号码。 属性名 说 明 error 格式化数据出错时的提示信息 formatString 格式化掩码。例如,(###)###-#### areaCodeFormat 区号掩码。例如,(###) validPatternChars 可用的掩码符。默认为"+()#-."六种 layout="absolute" fontSize="13">
  
  
  
  
  
  
  
  
  邮编格式化组件
  组件用以格式化邮编,其常用的属性如表19-9所示。
  表19-9 组件常用属性
  以下代码使用组件格式化邮编。 属性名 说 明 error 格式化数据出错时的提示信息 formatString 格式化掩码。例如,####,###-### layout="absolute" fontSize="13">
  
  
  
  
  
  
  
内容概要:本文介绍了基于贝叶斯优化的CNN-LSTM混合神经网络在时间序列预测中的应用,并提供了完整的Matlab代码实现。该模型结合了卷积神经网络(CNN)在特征提取方面的优势与长短期记忆网络(LSTM)在处理时序依赖问题上的强大能力,形成一种高效的混合预测架构。通过贝叶斯优化算法自动调参,提升了模型的预测精度与泛化能力,适用于风电、光伏、负荷、交通流等多种复杂非线性系统的预测任务。文中还展示了模型训练流程、参数优化机制及实际预测效果分析,突出其在科研与工程应用中的实用性。; 适合人群:具备一定机器学习基基于贝叶斯优化CNN-LSTM混合神经网络预测(Matlab代码实现)础和Matlab编程经验的高校研究生、科研人员及从事预测建模的工程技术人员,尤其适合关注深度学习与智能优化算法结合应用的研究者。; 使用场景及目标:①解决各类时间序列预测问题,如能源出力预测、电力负荷预测、环境数据预测等;②学习如何将CNN-LSTM模型与贝叶斯优化相结合,提升模型性能;③掌握Matlab环境下深度学习模型搭建与超参数自动优化的技术路线。; 阅读建议:建议读者结合提供的Matlab代码进行实践操作,重点关注贝叶斯优化模块与混合神经网络结构的设计逻辑,通过调整数据集和参数加深对模型工作机制的理解,同时可将其框架迁移至其他预测场景中验证效果。
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