简易版表单验证

本文详细介绍了使用HTML和JavaScript进行表单验证的方法,包括用户名、手机号、验证码和密码的正则表达式验证,以及不同级别的密码强度判断。通过具体代码示例,展示了如何在用户输入信息后即时反馈验证结果。
  <style>
    *{list-style:none;}   
    </style>
</head>
<body>
    <ul>
        <li><span>用户名:</span><input type="text" id="user"/><span></span></li>
        <li><span>手机号码:</span><input type="text" id="tel"/><span></span></li>
        <li><span>验证码:</span><input type="text" id="yz"/><span></span><span></span><li>
        <li><span>密码:</span><input type="text" id="poss"/><span></span></li>
        <li><input type="button" id="btn" value="注册"/></li>
    </ul>
</body>
<script>
    var ouser=document.getElementById("user")
    var otel=document.getElementById("tel")
    var oyz=document.getElementById("yz")
    var oposs=document.getElementById("poss")
    var obtn=document.getElementById("btn")
    var u=t=false;    //if 小括号判断真假       
        ouser.onblur=function(){         //判断用户名,失去焦点验证输入是否正确
                reg=/^[\u2E80-\u9FFF]{2,4}$/   //正则判断用户名
                  if(reg.test(this.value)){   //判断正则
                        this.nextElementSibling.innerHTML="输入正确"  //给后面一个span里面加提示,并判断是否正确 
                        u=true;
                  }else{
                        this.nextElementSibling.innerHTML="输入不正确"
                        u=false
                  }
        }             
        otel.onblur=function(){
            reg=/^[1]\d{10}$/
            if(reg.test(this.value)){
                this.nextElementSibling.innerHTML="手机号格式正确"
                      t=true;
            }else
            this.nextElementSibling.innerHTML="手机号格式不正确"
                      t=false
        }     
        oyz.onclick=function(){      //点击时获取验证码
                var random=Math.round(Math.random()*9999)
                var num=random.toString()
                for(i=0;i<num.length;i++){
                    oyz.nextElementSibling.innerHTML=num;
                }
        }
        oyz.onblur=function(){
            reg=/^\d{4}$/
            if(reg.test(this.value)){
                alert("验证码正确")                 
            }else
            alert("验证码不正确")                  
        }      
        oposs.onblur=function(){   //密码的等级,判断简单 一般  困难   
            numReg=/\d/;            //简单  纯数字
            azReg=/[a-z]/i;         //一般   字母
            tsReg=/^\d[a-z]/i;      //困难    
            var n=a=t=0;            //            
            if(numReg.test(this.value)){
                n=1
            }if(azReg.test(this.value)){
                a=1
            }if(tsReg.test(this.value)){
                t=1;
            }switch(n+a+t){
                case 1:
                this.nextElementSibling.innerHTML="简单"
                break;
                case 2:
                this.nextElementSibling.innerHTML="一般"
                break;
                case 3:
                this.nextElementSibling.innerHTML="困难"
            }
        }      
        obtn.onclick=function(){
            if(u && t){
                    alert("注册成功")
            }else{
                alert("请重新填写")
            }
        }
</script>
MATLAB代码实现了一个基于多种智能优化算法优化RBF神经网络的回归预测模型,其核心是通过智能优化算法自动寻找最优的RBF扩展参数(spread),以提升预测精度。 1.主要功能 多算法优化RBF网络:使用多种智能优化算法优化RBF神经网络的核心参数spread。 回归预测:对输入特征进行回归预测,适用于连续值输出问题。 性能对比:对比不同优化算法在训练集和测试集上的预测性能,绘制适应度曲线、预测对比图、误差指标柱状图等。 2.算法步骤 数据准备:导入数据,随机打乱,划分训练集和测试集(默认7:3)。 数据归一化:使用mapminmax将输入和输出归一化到[0,1]区间。 标准RBF建模:使用固定spread=100建立基准RBF模型。 智能优化循环: 调用优化算法(从指定文件夹中读取算法文件)优化spread参数。 使用优化后的spread重新训练RBF网络。 评估预测结果,保存性能指标。 结果可视化: 绘制适应度曲线、训练集/测试集预测对比图。 绘制误差指标(MAE、RMSE、MAPE、MBE)柱状图。 十种智能优化算法分别是: GWO:灰狼算法 HBA:蜜獾算法 IAO:改进天鹰优化算法,改进①:Tent混沌映射种群初始化,改进②:自适应权重 MFO:飞蛾扑火算法 MPA:海洋捕食者算法 NGO:北方苍鹰算法 OOA:鱼鹰优化算法 RTH:红尾鹰算法 WOA:鲸鱼算法 ZOA:斑马算法
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