杂记录


项目用到的东西:

volley 网络框架(以前用Asych-task-http)

picasso 图片加载框架

recycleview 代替了ListView

SwipeRefreshLayout  代替了PullToRefresh 开源下拉刷新组件

butterknife 注解框架

信鸽推送,新浪微博分享,微信分享。

mvp 模式开发

从eclipse 迁移到android studio

---------------------------------------------

待写

---------------------------------------------

其他库

PhotoView放大缩小的图片处理库

jackson, json解析库

ZXing二维码识别库





网络框架随便记录

一:一个网络请求包含什么信息呢?
MyAndroidClient{

url     请求地址 String 
handler 请求处理器  Handler
Context 请求标记    Activity
param   请求协议数据  自定义
{
ID //协议id
requestdata //请求数据
responsedata //响应数据
packData(); //打包请求数据
unPackData();//解析返回数据
}

}




二:发送网络请求
//提交一个runnable对象表示一个网络任务,并返回一个future对象表示这个任务。
  听起来绕,实际上就是Future代表当前任务。

//Future request = threadPool.submit(new Runnable(new MyAndroidClient(xxx...)));

  Future<?> request = threadPool.submit(new AsyncHttpRequest(client, httpContext, uriRequest, responseHandler));

        if(context != null) {
            // 把这个网络任务记录在map中
            List<WeakReference<Future<?>>> requestList = requestMap.get(context);

            if(requestList == null) {
                requestList = new LinkedList<WeakReference<Future<?>>>();
                requestMap.put(context, requestList);
            }

            requestList.add(new WeakReference<Future<?>>(request));
        }


三:
 集合里面存放弱引用 ,这种思想 要学习一下,以后可能有其他应用场景。

 requestList.add(new WeakReference<Future<?>>(request));



内容概要:本文提出了一种基于融合鱼鹰算法和柯西变异的改进麻雀优化算法(OCSSA),用于优化变分模态分解(VMD)的参数,进而结合卷积神经网络(CNN)与双向长短期记忆网络(BiLSTM)构建OCSSA-VMD-CNN-BILSTM模型,实现对轴承故障的高【轴承故障诊断】基于融合鱼鹰和柯西变异的麻雀优化算法OCSSA-VMD-CNN-BILSTM轴承诊断研究【西储大学数据】(Matlab代码实现)精度诊断。研究采用西储大学公开的轴承故障数据集进行实验验证,通过优化VMD的模态数和惩罚因子,有效提升了信号分解的准确性与稳定性,随后利用CNN提取故障特征,BiLSTM捕捉时间序列的深层依赖关系,最终实现故障类型的智能识别。该方法在提升故障诊断精度与鲁棒性方面表现出优越性能。; 适合人群:具备一定信号处理、机器学习基础,从事机械故障诊断、智能运维、工业大数据分析等相关领域的研究生、科研人员及工程技术人员。; 使用场景及目标:①解决传统VMD参数依赖人工经验选取的问题,实现参数自适应优化;②提升复工况下滚动轴承早期故障的识别准确率;③为智能制造与预测性维护提供可靠的技术支持。; 阅读建议:建议读者结合Matlab代码实现过程,深入理解OCSSA优化机制、VMD信号分解流程以及CNN-BiLSTM网络架构的设计逻辑,重点关注参数优化与故障分类的联动关系,并可通过更换数据集进一步验证模型泛化能力。
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