DOM资料之基本知识

◆ 概念:

Document Object Model,文档对象模型。

DOM 为文档提供了结构化表示,并定义了如何通过脚本来访问文档结构。目的其实就是为了能让js操作html元素而制定的一个规范。

▲ DOM树:
这里写图片描述

▲ 节点(Node):
由结构图中我们可以看到,整个文档就是一个文档节点。而每一个HMTL标签都是一个元素节点。标签中的文字则是文字节点。标签的属性是属性节点。

获取节点:

★ 通过 id 找到 HTML 元素
document.getElementById("demo");
返回值是一个标签,可以直接使用。获得属性值,设置属性。

★ 通过标签名找到 HTML 元素
document.getElementsByTagName("div")
返回值是标签数组。

★ 通过类名找到 HTML 元素
document.getElementsByClassName("a");
返回值是标签数组。

注:
1、通过类名查找 HTML 元素在 IE 5,6,7,8 中无效。
2、标签数组习惯性是遍历之后再使用

◆ 事件三要素:

★ 事件源:引发后续事件的标签。

获取事件源:
(1)通过id获取:
var div = document.getElementById("box");
(2)通过标签名获取:
var arr1 = document.getElementsByTagName("div")
(3)通过classname获取
var arr2 = document.getElementsByClassName("div")
var arr2=3 = document.getElementByName("aaa")(一般不用)

★ 事件类型:js已经定义好,直接使用。

驱动程序----匿名函数:对样式和html的操作即DOM操作。

★ 绑定事件: 

可以操作标签的属性和样式
div.style.width=300px;

(1)匿名绑定
div.onclick = function(){ 程序 };
(2)函数名绑定,不能写括号
   div.onclick = fn;
   function fn(){ 程序 }
(3)行内绑定
function fn(){ 程序 }
<div id="box" onclick="fn()"></div>

示例:

<!DOCTYPE html>
<html>
<head lang="en">
    <meta charset="UTF-8">
    <title></title>
    <style>
        div {
            width: 100px;
            height: 100px;
            background-color: pink;
            cursor: pointer;
        }
    </style>
</head>
<body>
    <div id="box"></div>

<script>
    //需求:点击盒子,弹出对话框alert(1)。
    //步骤:
    //1.获取事件源(document.getElementById("box"))
    //2.绑定事件 (事件源.事件 = function(){ 事件驱动程序 })
    //3.书写事件驱动程序。


    //1.获取事件源(document.getElementById("box"))
    var div = document.getElementById("box");
    //2.绑定事件 (事件源.事件 = function(){ 事件驱动程序 })
    div.onclick = function () {
        //3.书写事件驱动程序。
        alert(1);
    }   
</script>
</body>
</html>
内容概要:本文详细介绍了一个基于Java和Vue的联邦学习隐私保护推荐系统的设计与实现。系统采用联邦学习架构,使用户数据在本地完成模型训练,仅上传加密后的模型参数或梯度,通过中心服务器进行联邦平均聚合,从而实现数据隐私保护与协同建模的双重目标。项目涵盖完整的系统架构设计,包括本地模型训练、中心参数聚合、安全通信、前后端解耦、推荐算法插件化等模块,并结合差分隐私与同态加密等技术强化安全性。同时,系统通过Vue前端实现用户行为采集与个性化推荐展示,Java后端支撑高并发服务与日志处理,形成“本地训练—参数上传—全局聚合—模型下发—个性化微调”的完整闭环。文中还提供了关键模块的代码示例,如特征提取、模型聚合、加密上传等,增强了项目的可实施性与工程参考价值。 适合人群:具备一定Java和Vue开发基础,熟悉Spring Boot、RESTful API、分布式系统或机器学习相关技术,从事推荐系统、隐私计算或全栈开发方向的研发人员。 使用场景及目标:①学习联邦学习在推荐系统中的工程落地方法;②掌握隐私保护机制(如加密传输、差分隐私)与模型聚合技术的集成;③构建高安全、可扩展的分布式推荐系统原型;④实现前后端协同的个性化推荐闭环系统。 阅读建议:建议结合代码示例深入理解联邦学习流程,重点关注本地训练与全局聚合的协同逻辑,同时可基于项目架构进行算法替换与功能扩展,适用于科研验证与工业级系统原型开发。
源码来自:https://pan.quark.cn/s/a4b39357ea24 遗传算法 - 简书 遗传算法的理论是根据达尔文进化论而设计出来的算法: 人类是朝着好的方向(最优解)进化,进化过程中,会自动选择优良基因,淘汰劣等基因。 遗传算法(英语:genetic algorithm (GA) )是计算数学中用于解决最佳化的搜索算法,是进化算法的一种。 进化算法最初是借鉴了进化生物学中的一些现象而发展起来的,这些现象包括遗传、突变、自然选择、杂交等。 搜索算法的共同特征为: 首先组成一组候选解 依据某些适应性条件测算这些候选解的适应度 根据适应度保留某些候选解,放弃其他候选解 对保留的候选解进行某些操作,生成新的候选解 遗传算法流程 遗传算法的一般步骤 my_fitness函数 评估每条染色体所对应个体的适应度 升序排列适应度评估值,选出 前 parent_number 个 个体作为 待选 parent 种群(适应度函数的值越小越好) 从 待选 parent 种群 中随机选择 2 个个体作为父方和母方。 抽取父母双方的染色体,进行交叉,产生 2 个子代。 (交叉概率) 对子代(parent + 生成的 child)的染色体进行变异。 (变异概率) 重复3,4,5步骤,直到新种群(parentnumber + childnumber)的产生。 循环以上步骤直至找到满意的解。 名词解释 交叉概率:两个个体进行交配的概率。 例如,交配概率为0.8,则80%的“夫妻”会生育后代。 变异概率:所有的基因中发生变异的占总体的比例。 GA函数 适应度函数 适应度函数由解决的问题决定。 举一个平方和的例子。 简单的平方和问题 求函数的最小值,其中每个变量的取值区间都是 [-1, ...
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