TabHost分析

TabHost结构:

Main

 

    对于一些自然和漂亮的设计,其实类图就说明了一切。其中TabHost包括一个用于显示内容的FrameLayout以及排布各个Tab指示的TabWidget,其中各个Tab的规格通过TabSpec指定。由于TabHost的Tab以及各个Tab的内容有不同的风格,因此在TabSpec中定义中IndicatorStrategy和ContentStrategy。其中IndicatorStrategy用于指定Tab指示的生成方式,实现类分别有LabelIndicatorStratey、LabelAndIconIndicatorStratey和ViewIndicatorStratey。LabelIndicatorStratey用于纯文本的Tab指示,LabelAndIconIndicatorStratey用于文本+图标的Tab指示,而ViewIndicatorStratey则是将指定的View作为Tab指示。对于Tab的内容,通过ContentStrategy也可以指定多种形式的内容获取方式。


TabHost的详细实现参考:

http://blog.youkuaiyun.com/yanbin1079415046/article/details/7973022,很详细~!

不过自API 13以后TabHost不推荐使用了,官方推荐使用Fragment+FragementTabHost实现:

Demo--> http://blog.youkuaiyun.com/yangyu20121224/article/details/9016223

经验 - 实现Tab功能的几种方式
        1.(废弃)继承自TabActivity + TabHost 布局 + Activity 内容
                1.1:TabActivity为ActivityGroup[在版本13里被放弃]子类
                1.2:使用getTabHost() 获得TabHost 对象
                1.3:使用 newTabSpec(...).setContent(Intent) 添加Tab标签与内容

        2.(废弃)继承自ActivityGroup + TabHost布局 + Activity 内容
                2.1:ActivityGroup在版本13里被放弃
                2.2:使用findViewById 获得TabHost 对象
                2.3:使用setup(new LocalActivityManager(this, true))初始化
                2.4:使用 newTabSpec(...).setContent(Intent) 添加Tab标签与内容

        3.(简单)继承自FragmentActivity + FragmentTabHost 布局 + Fragment 内容
                3.1:使用findViewById 获得FragmentTabHost 对象
                3.2:使用setup(this, getSupportFragmentManager(), R.id.realtabcontent)初始化
                3.3:使用addTab(newTabSpec().setIndicator(),Fragment.class, null) 添加Tab标签与内容

        4.(复杂)继承自FragmentActivity + TabHost 布局 + ViewPager布局 + Fragment 内容
                4.1:使用findViewById 获得TabHost 对象
                4.2:使用setup()初始化
                4.3:使用TabHost.addTab(tabSpec.setContent(DummyTabFactory));添加Tab标签与空内容
                4.4:在TabHost.onTabChanged中控制ViewPager的实际显示
                4.5:滑动时在ViewPager.onPageSelected 中控制Tab标签的选择。
                PS:当Tab标签数量固定且不追求和系统保持一致的标签效果,的情况下这里的TabHost布局有些多余。
                如 :特有应用需要的Tab标签固定,且有自己的一套显示效果,那么这里完全无需TabHost布局。
http://blog.youkuaiyun.com/wangjinyu501/article/details/8169924/
        5.(DIY)继承自FragmentActivity + 自定义布局 + ViewPager布局 + Fragment 内容
                5.1:自定义布局中嵌入固定Tab标签元素
                5.2:在标签元素点击事件中控制ViewPager的实际显示
                5.3:滑动时在ViewPager.onPageSelected 中控制标签元素的选择。

基于数据驱动的 Koopman 算子的递归神经网络模型线性化,用于纳米定位系统的预测控制研究(Matlab代码实现)内容概要:本文围绕“基于数据驱动的 Koopman 算子的递归神经网络模型线性化,用于纳米定位系统的预测控制研究”展开,提出了一种结合数据驱动方法与Koopman算子理论的递归神经网络(RNN)模型线性化方法,旨在提升纳米定位系统的预测控制精度与动态响应能力。研究通过构建数据驱动的线性化模型,克服了传统非线性系统建模复杂、计算开销大的问题,并在Matlab平台上实现了完整的算法仿真与验证,展示了该方法在高精度定位控制中的有效性与实用性。; 适合人群:具备一定自动化、控制理论或机器学习背景的科研人员与工程技术人员,尤其是从事精密定位、智能控制、非线性系统建模与预测控制相关领域的研究生与研究人员。; 使用场景及目标:①应用于纳米级精密定位系统(如原子力显微镜、半导体制造设备)中的高性能预测控制;②为复杂非线性系统的数据驱动建模与线性化提供新思路;③结合深度学习与经典控制理论,推动智能控制算法的实际落地。; 阅读建议:建议读者结合Matlab代码实现部分,深入理解Koopman算子与RNN结合的建模范式,重点关注数据预处理、模型训练与控制系统集成等关键环节,并可通过替换实际系统数据进行迁移验证,以掌握该方法的核心思想与工程应用技巧。
基于粒子群算法优化Kmeans聚类的居民用电行为分析研究(Matlb代码实现)内容概要:本文围绕基于粒子群算法(PSO)优化Kmeans聚类的居民用电行为分析展开研究,提出了一种结合智能优化算法与传统聚类方法的技术路径。通过使用粒子群算法优化Kmeans聚类的初始聚类中心,有效克服了传统Kmeans算法易陷入局部最优、对初始值敏感的问题,提升了聚类的稳定性和准确性。研究利用Matlab实现了该算法,并应用于居民用电数据的行为模式识别与分类,有助于精细化电力需求管理、用户画像构建及个性化用电服务设计。文档还提及相关应用场景如负荷预测、电力系统优化等,并提供了配套代码资源。; 适合人群:具备一定Matlab编程基础,从事电力系统、智能优化算法、数据分析等相关领域的研究人员或工程技术人员,尤其适合研究生及科研人员。; 使用场景及目标:①用于居民用电行为的高效聚类分析,挖掘典型用电模式;②提升Kmeans聚类算法的性能,避免局部最优问题;③为电力公司开展需求响应、负荷预测和用户分群管理提供技术支持;④作为智能优化算法与机器学习结合应用的教学与科研案例。; 阅读建议:建议读者结合提供的Matlab代码进行实践操作,深入理解PSO优化Kmeans的核心机制,关注参数设置对聚类效果的影响,并尝试将其应用于其他相似的数据聚类问题中,以加深理解和拓展应用能力。
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