加载等待

在用户进行后台数据的查找时。为了有较好的体验效果。在后台数据返回前台前的这一段时间应该出现加载等待的显示div这样既能避免了用户在等待时的烦躁还可以避免了用户的频繁点击;
使用的jquery的blockUI.js 来实现遮罩层。jquery的ajax实现异步登录;

步骤一:引入js
    <script type="text/javascript" src="jquery.blockUI.js"></script>

步骤二:异步请求(jquery 的 ajax 请求)
   
    $.ajax({
            type :'post',
            url :'search.do?action=getPageData',
            dataType :'json',
            data : {
                'flag':flag,
                'name' :name
            },
            beforeSend:function(){
                //设置遮罩层
                $.blockUI({
                    message: '<image src="framework/images/loading/loadings.jpg"></image>',//自定义遮罩层中的"加载等待"的图片
                    css: {//遮罩层的大小等属性设置
                        border: 'none',
                        width: "20px",   // 宽度小一点
                        top: "50%",
                        left: "55%"
                    }
                });
                //将页面的按钮置为不可用
                $("#noclickCon")[0].disabled = true;
            },
            complete:function(){
                //移除遮罩层
                $.unblockUI();
                //将页面的按钮置为可用
                $("#noclickCon")[0].disabled = false;
            },
            success:function(data){
                //将后台返回的数据在前台页面进行展示
            },
            error:function(){

           }
        });

 

 

希望大家有指出不足!

【电能质量扰动】基于ML和DWT的电能质量扰动分类方法研究(Matlab实现)内容概要:本文研究了一种基于机器学习(ML)和离散小波变换(DWT)的电能质量扰动分类方法,并提供了Matlab实现方案。首先利用DWT对电能质量信号进行多尺度分解,提取信号的时频域特征,有效捕捉电压暂降、暂升、中断、谐波、闪变等常见扰动的关键信息;随后结合机器学习分类器(如SVM、BP神经网络等)对提取的特征进行训练与分类,实现对不同类型扰动的自动识别与准确区分。该方法充分发挥DWT在信号去噪与特征提取方面的优势,结合ML强大的模式识别能力,提升了分类精度与鲁棒性,具有较强的实用价值。; 适合人群:电气工程、自动化、电力系统及其自动化等相关专业的研究生、科研人员及从事电能质量监测与分析的工程技术人员;具备一定的信号处理基础和Matlab编程能力者更佳。; 使用场景及目标:①应用于智能电网中的电能质量在线监测系统,实现扰动类型的自动识别;②作为高校或科研机构在信号处理、模式识别、电力系统分析等课程的教学案例或科研实验平台;③目标是提高电能质量扰动分类的准确性与效率,为后续的电能治理与设备保护提供决策依据。; 阅读建议:建议读者结合Matlab代码深入理解DWT的实现过程与特征提取步骤,重点关注小波基选择、分解层数设定及特征向量构造对分类性能的影响,并尝试对比不同机器学习模型的分类效果,以全面掌握该方法的核心技术要点。
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