javascripte15

 

fontcolor(color)     ->指定使用某顏色<o:p></o:p>

fontsize(size)  ->指定使用某字級大小<o:p></o:p>

indexOf(搜尋值,[起始位置])<o:p></o:p>

              ->由左至右搜尋該字串第一次出現的位置<o:p></o:p>

lastIndexOf(搜尋值,[起始位置])<o:p></o:p>

              ->由右至左搜尋該字串第一次出現的位置<o:p></o:p>

字串物件可使用的方法如下。<o:p></o:p>

字串物件方法(3)<o:p></o:p>

replace(x,y)           ->用字串y 取代字串x<o:p></o:p>

toLowerCase()              ->轉換成小寫<o:p></o:p>

toUpperCase()        ->轉換成大寫<o:p></o:p>

charAt(index)         ->傳回索引值所指的字元<o:p></o:p>

substring(索引值A,索引值B)<o:p></o:p>

              ->傳回由索引值A至索引值B前一字元<o:p></o:p>

                  所構成的字串<o:p></o:p>

substr(索引值A, 字串長度)<o:p></o:p>

              ->傳回由索引值A開始的子字串<o:p></o:p>

字串物件可使用的方法如下。<o:p></o:p>

字串物件方法(4)<o:p></o:p>

slice(起始值 [, 結束值])<o:p></o:p>

              ->將字串從指定的字元位置開始, <o:p></o:p>

                 指定的位置結束, 摘錄成一新的字串<o:p></o:p>

split(“字元”)      ->將字串以指定之字元為單位, 切成<o:p></o:p>

                 數個子字串, 並存成陣列<o:p></o:p>

concat(字串2 [, 字串3])<o:p></o:p>

              ->將幾段字串結合成完整字串<o:p></o:p>

<Script><o:p></o:p>

<o:p> </o:p>

   var str   = "Hello!";<o:p></o:p>

   var num   = 12345;<o:p></o:p>

   var yahoo = "來去Yahoo";<o:p></o:p>

   with(document){<o:p></o:p>

      write(str.big(),"<BR>");<o:p></o:p>

      write(num.toString().bold(),"<BR>");<o:p></o:p>

      write(yahoo.link("http://tw.yahoo.com/"));<o:p></o:p>

   }<o:p></o:p>

<o:p> </o:p>

</Script><o:p></o:p>

字串物件範例一<o:p></o:p>

<Script><o:p></o:p>

<o:p> </o:p>

   var str1   = "10";<o:p></o:p>

   var str2   = "20";<o:p></o:p>

<o:p> </o:p>

   with(document){<o:p></o:p>

      write(str1 + str2,"<BR>");<o:p></o:p>

      write(Number(str1) + Number(str2),"<BR>");<o:p></o:p>

   }<o:p></o:p>

<o:p> </o:p>

</Script><o:p></o:p>

字串物件範例二<o:p></o:p>

<Script><o:p></o:p>

<o:p> </o:p>

   var sayHello = "你好嗎";<o:p></o:p>

<o:p> </o:p>

   document.write(sayHello.fontcolor("#ff00ff"), "<BR>");<o:p></o:p>

   document.write(sayHello.replace('',''));<o:p></o:p>

   document.write("共有", sayHello.length, "個字。<BR>");<o:p></o:p>

<o:p> </o:p>

</Script><o:p></o:p>

字串物件範例三<o:p></o:p>

<Script><o:p></o:p>

   var hello = "HELLO!"<o:p></o:p>

   with(document) {<o:p></o:p>

      write(hello,"<BR>")<o:p></o:p>

      write("1個字元為",hello.charAt(0),"<BR>")<o:p></o:p>

      write("L在第",hello.indexOf("L"),"個字元","<BR>")<o:p></o:p>

      write("L在第",hello.lastIndexOf("L"), "個字元","<BR>")<o:p></o:p>

      write("k在第",hello.indexOf("k"),"個字元","<BR>")<o:p></o:p>

      write(hello.fontsize("5"),"<BR>")<o:p></o:p>

      write("擷取第2至第4個字元:",hello.substring(1,4),"<BR>")<o:p></o:p>

      write("擷取從第2個字元開始的3個字元:",<o:p></o:p>

            hello.substr(1,3),"<BR>")<o:p></o:p>

   }<o:p></o:p>

<o:p> </o:p>

</Script><o:p></o:p>

字串物件範例四<o:p></o:p>

<Script><o:p></o:p>

   function isEmail() {<o:p></o:p>

      if (document.form1.text1.value == "")<o:p></o:p>

         alert("請填寫你的電子郵件地址。");<o:p></o:p>

      else if (document.form1.text1.value.indexOf("@") == -1)<o:p></o:p>

         alert("沒有\"@\"符號,不算電子郵件地址。");<o:p></o:p>

      else<o:p></o:p>

         alert("檢查完成!");<o:p></o:p>

   }<o:p></o:p>

</Script><o:p></o:p>

<form name="form1"><o:p></o:p>

具有多种最大功率点跟踪(MPPT)方法的光伏发电系统(P&O-增量法-人工神经网络-模糊逻辑控制-粒子群优化)之使用粒子群算法的最大功率点追踪(MPPT)(Simulink仿真实现)内容概要:本文介绍了一个涵盖多个科研领域的综合性MATLAB仿真资源集合,重点聚焦于光伏发电系统中基于粒子群优化(PSO)算法的最大功率点追踪(MPPT)技术的Simulink仿真实现。文档还列举了多种MPPT方法(如P&O、增量电导法、神经网络、模糊逻辑控制等),并展示了该团队在电力系统、智能优化算法、机器学习、路径规划、无人机控制、信号处理等多个方向的技术服务能力与代码实现案例。整体内容以科研仿真为核心,提供大量可复现的Matlab/Simulink模型和优化算法应用实例。; 适合人群:具备一定电力电子、自动控制或新能源背景,熟悉MATLAB/Simulink环境,从事科研或工程仿真的研究生、科研人员及技术人员。; 使用场景及目标:①学习并实现光伏系统中基于粒子群算法的MPPT控制策略;②掌握多种智能优化算法在电力系统与自动化领域的建模与仿真方法;③获取可用于论文复现、项目开发和技术攻关的高质量仿真资源。; 阅读建议:建议结合提供的网盘资料,按照研究方向选取对应模块进行实践,重点关注Simulink模型结构与算法代码逻辑的结合,注重从原理到仿真实现的全过程理解,提升科研建模能力。
热成像人物检测数据集 一、基础信息 数据集名称:热成像人物检测数据集 图片数量: 训练集:424张图片 验证集:121张图片 测试集:61张图片 总计:606张热成像图片 分类类别: - 热成像人物:在热成像图像中的人物实例 - 非热成像人物:在非热成像或普通图像中的人物实例,用于对比分析 标注格式: YOLO格式,包含边界框和类别标签,适用于目标检测任务。数据来源于热成像和视觉图像,覆盖多种场景条件。 二、适用场景 热成像监控与安防系统开发: 数据集支持目标检测任务,帮助构建能够在低光、夜间或恶劣环境下自动检测和定位人物的AI模型,提升监控系统的可靠性和实时响应能力。 红外视觉应用研发: 集成至红外摄像头或热成像设备中,实现实时人物检测功能,应用于安防、军事、救援和工业检测等领域。 学术研究与创新: 支持计算机视觉与热成像技术的交叉研究,助力开发新算法用于人物行为分析或环境适应型检测模型。 教育与培训: 可用于高校或培训机构,作为学习热成像人物检测和AI模型开发的教学资源,提升实践技能。 三、数据集优势 精准标注与多样性: 每张图片均由专业标注员标注,确保边界框定位准确,类别分类清晰。包含热成像和非热成像类别,提供对比数据,增强模型的泛化能力和鲁棒性。 场景实用性强: 数据覆盖多种环境条件,如不同光照和天气,模拟真实世界应用,适用于复杂场景下的人物检测任务。 任务适配性高: YOLO标注格式兼容主流深度学习框架(如YOLOv5、YOLOv8等),可直接加载使用,支持快速模型开发和评估。 应用价值突出: 专注于热成像人物检测,在安防、监控和特殊环境检测中具有重要价值,支持早期预警和高效决策。
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