2018 代码日记 2月21日

本文总结了《第一行代码》第三章的学习心得,详细介绍了安卓开发中的基本控件和四种常见布局方式,包括线性布局、相对布局、帧布局及百分比布局。文中还探讨了自定义控件的方法,ListView与RecyclerView的区别与使用技巧,并分享了一些实用资源。

最近几天把第一行代码第三章部分学完了。

第三章主要讲了安卓中基本的几种控件,四种布局,自定义控件的写法,ListView和RecyclerView的写法,最后使用RecyclerView写了一个模拟对话框的project。

学习的过程中发现网上有相当一部分安卓前端框架,提供基本组件供使用。网页前端、手机APP前端需要掌握的细节真的是太多了,其中的一些思想也有共通之处。

安卓实际上有多种布局形式,常有“安卓六大布局”等文章,这本书讲了线性布局、相对布局、帧布局、百分比布局,但事实上第四个并不常用,除此之外还有表格布局,网格布局等,最常用的还是前两种。

学到“自定义控件”这里的时候,愈发觉着天下框架一家亲。SAPUI5的也是xml的格式的,做起应用的感觉和安卓有点相似,但相对之下,在WEBIDE上使用SAPUI5这套框架进行开发真心是太恶心了。也许是官方没有合理的文档的缘故,做起和后端数据库相连接的东西全都是一头雾水。在SAP实习的几个月里,大部分精力都投入在这上面,回想一下稍微有些不值。

ListView和RecyclerView学习的时候,需要熟练掌握adapter(对listView recyclerView进行初始化)、viewHolder(内部类,存储缓存信息)、xxxLayoutManager(设定recyclerView的布局)这几种概念和用法,注意继承时相应方法的重写,详情还是看代码吧。RecycleView是ListView的升级版,定义更加清楚,运用更加灵活,除了能够自定义布局外,还能方便地对每个子view中的组件注册事件等,使用时记得在build.gradle文件中添加一行:

compile 'com.android.support:recyclerview-v7:26.1.0'

最后在做UIBestPractice时,找到了一个还不错的UI收集站下载了气泡图:http://588ku.com/sucai/1523018.html  PS:每天只能免费下载一个素材。

学会了用画图的方式压缩图片:打开图片-“调整图片大小”;注意重新保存会失去png透明属性;

学会了在AS中用内嵌的draw9patch对图片拉伸方式进行定义:把图片导入AS - Create 9 patch file - 删除原来图片 - 双击图片进行编辑,左上两条线表示拉伸时拉伸的部分,右下两条线表示填充内容的范围。

最后把代码全部放到了git上了:

https://github.com/lancecm/Android

最近用git是越来越熟练了。这个repo加上了带有图片的readme瞬间就觉得高大上了,是个好主意。


源码来自:https://pan.quark.cn/s/a3a3fbe70177 AppBrowser(Application属性查看器,不需要越狱! ! ! ) 不需要越狱,调用私有方法 --- 获取完整的已安装应用列表、打开和删除应用操作、应用运行时相关信息的查看。 支持iOS10.X 注意 目前AppBrowser不支持iOS11应用查看, 由于iOS11目前还处在Beta版, 系统API还没有稳定下来。 等到Private Header更新了iOS11版本,我也会进行更新。 功能 [x] 已安装的应用列表 [x] 应用的详情界面 (打开应用,删除应用,应用的相关信息展示) [x] 应用运行时信息展示(LSApplicationProxy) [ ] 定制喜欢的字段,展示在应用详情界面 介绍 所有已安装应用列表(应用icon+应用名) 为了提供思路,这里只用伪代码,具体的私有代码调用请查看: 获取应用实例: 获取应用名和应用的icon: 应用列表界面展示: 应用列表 应用运行时详情 打开应用: 卸载应用: 获取info.plist文件: 应用运行时详情界面展示: 应用运行时详情 右上角,从左往右第一个按钮用来打开应用;第二个按钮用来卸载这个应用 INFO按钮用来解析并显示出对应的LSApplicationProxy类 树形展示LSApplicationProxy类 通过算法,将LSApplicationProxy类,转换成了字典。 转换规则是:属性名为key,属性值为value,如果value是一个可解析的类(除了NSString,NSNumber...等等)或者是个数组或字典,则继续递归解析。 并且会找到superClass的属性并解析,superClass如...
基于遗传算法辅助异构改进的动态多群粒子群优化算法(GA-HIDMSPSO)的LSTM分类预测研究(Matlab代码实现)内容概要:本文研究了一种基于遗传算法辅助异构改进的动态多群粒子群优化算法(GA-HIDMSPSO),并将其应用于LSTM神经网络的分类预测中,通过Matlab代码实现。该方法结合遗传算法的全局搜索能力与改进的多群粒子群算法的局部优化特性,提升LSTM模型在分类任务中的性能表现,尤其适用于复杂非线性系统的预测问题。文中详细阐述了算法的设计思路、优化机制及在LSTM参数优化中的具体应用,并提供了可复现的Matlab代码,属于SCI级别研究成果的复现与拓展。; 适合人群:具备一定机器学习和优化算法基础,熟悉Matlab编程,从事智能算法、时间序列预测或分类模型研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①提升LSTM在分类任务中的准确性与收敛速度;②研究混合智能优化算法(如GA与PSO结合)在神经网络超参数优化中的应用;③实现高精度分类预测模型,适用于电力系统故障诊断、电池健康状态识别等领域; 阅读建议:建议读者结合Matlab代码逐步调试运行,理解GA-HIDMSPSO算法的实现细节,重点关注种群划分、异构策略设计及与LSTM的集成方式,同时可扩展至其他深度学习模型的参数优化任务中进行对比实验。
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