将图像装载入网格

讨论装载图片,也许你说啊那很容易啊,你可以用loadMovie("imageURL"),但是那不是我要在这里谈论的,我们要通过XML装载他们,OK仍然不是什么困难的问题,只是要将将他们装入一个网格而已

首先我们要使用一个补间类来填充延迟(延时可能很长)

#include "mc_tween2.as"//包含一个补间类

接着我们创建一个XML对象,这样我们就可以在转载图片对象的时候使用XML 属性了。

var myXmlVar:XML = new XML();

myXmlVar.ignoreWhite = true;

ignoreWhite 是XML的一个参数,控制XML是否有二义性,如果一个文本节点以空格开头,在运行时就会被丢弃,接下来创建一个数组来存放XML标记

var myArray:Array = new Array();

然后,我们需要创建更多的一些变量,在我们创建格子的时候,他能够被正确的放置,下面我给出了一个表展示这些变量是干什么的


方块上方的间隔称为yOffset 对应的xOffset也可以依次类推,图片的宽和高分别命名为imageWidth 和imageHeight,columnNumber 是要放置的图片的行书,rowNumber依次类推,这样来声明

varyOffset:Number = 10 ;

varxOffset:Number
= 10 ;

varimageWidth:Number
= 100 ;

varimageHeight:Number
= 100 ;

varcolumnNumber:Number
= 3 ;

varrowNumber:Number
= Math.round(Math.max());

Math.round(Math.max())这一点对于那些想要无限行列格子的人来说很重要。如果你想要设置数值,改了就是了。下面我们创建一个当XML对象创建时候调用的函数,所以我们会显式的使用ONLOAD函数,在这里面,我们将添加一些XML元素的属性,在接下来的FOR循环里面从XML遍历装载的数据,然后将其发送到一个后面将创建的一个新函数,这个函数将这些数据转换为图片并放置它

myXmlVar.onLoad = function()

... {

myArray
=this.firstChild.childNodes;

for(i=0;i<items.length;i++)

...{

vartitles
=items[i].attributes.imageUrl;

vartexts
=items[i].attributes.linkUrl;

generateImage(i,imageUrl,linkUrl);

}


}


下面就来看看这个读取数据装载函数

functioncreateItem(i:Number,imageUrl:String,linkUrl:String):Void ... {

varitemClip:MovieClip
=_root.attachMovie("linkage","item"+i,i);

itemClip._x
=(i%columnNumber)*imageWidth+xOffset;

itemClip._y
=Math.floor(i/rowNumber)*rowNumber+yOffset;

itemClip.holder.loadMovie(imageUrl);

itemClip.onRelease
=function()

...{

getURL(linkUrl);

}


}


So that's almost it apart from out final and most important line:

myXmlVar.load("yourXml.xml");

OK. Now here is how your XML should work:

< grid >

< photolinkUrl = " http://start.deepdesigners.com/ " imageUrl = " images/1.jpg " />

< photolinkUrl = " http://start.deepdesigners.com/ " imageUrl = " images/1.jpg " />

< photolinkUrl = " http://start.deepdesigners.com/ " imageUrl = " images/1.jpg " />

< photolinkUrl = " http://start.deepdesigners.com/ " imageUrl = " images/1.jpg " />

< photolinkUrl = " http://start.deepdesigners.com/ " imageUrl = " images/1.jpg " />

< photolinkUrl = " http://start.deepdesigners.com/ " imageUrl = " images/1.jpg " />

< photolinkUrl = " http://start.deepdesigners.com/ " imageUrl = " images/1.jpg " />

</ grid >

如果象我一样懒,下面就是所有的代码

#include " mc_tween2.as "

varmyXmlVar:XML
= new XML();

myXmlVar.ignoreWhite
= true ;

varyOffset:Number
= 10 ;

varxOffset:Number
= 10 ;

varimageWidth:Number
= 100 ;

varimageHeight:Number
= 100 ;

varcolumnNumber:Number
= 3 ;

varrowNumber:Number
= Math.round(Math.max());

myXmlVar.onLoad
= function()

... {

myArray
=this.firstChild.childNodes;

for(i=0;i<items.length;i++)

...{

vartitles
=items[i].attributes.imageUrl;

vartexts
=items[i].attributes.linkUrl;

generateImage(i,imageUrl,linkUrl);

}


}


functiongenerateImage(i:Number,imageUrl:String,linkUrl:String):Void
... {

varitemClip:MovieClip
=_root.attachMovie("linkage","item"+i,i);

itemClip._x
=(i%columnNumber)*imageWidth+xOffset;

itemClip._y
=Math.floor(i/rowNumber)*rowNumber+yOffset;

itemClip.holder.loadMovie(imageUrl);

itemClip.onRelease
=function()

...{

getURL(linkUrl);

}


}


myXmlVar.load(
" yourXml.xml " );

源文档 <http://start.deepdesigners.com/tutorial/loading-images-into-a-grid-as2/>

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