smartinvoke入门系列5——实现Java调用Flex

Java调用Flex方法示例
本文介绍如何在Java中调用Flex服务方法,通过创建FlexService类并在Java端实现对应的代理类,最终实现在Flex界面显示信息。

前面讲的都是Flex调用Java的情况,但是在某些时候需要Java调用Flex,比如,当Java某个后台任务执行完毕后应该调用Flex以便界面得到响应。

 

首先我们在Flex项目First_中新建一服务类cn.first.FlexServiceJava调用,内容如下:

package cn.first

{

    import cn.smartinvoke.ServerObject;

   

    import mx.controls.Alert;

 

    public class FlexService extends ServerObject

    {

        public function FlexService()

        {

           

        }

        /**

         *Java调用该方法在界面显示输入信息

         */

        public function showInfo(msg:String):void{

            Alert.show(msg);

        }

    }

}

 

FirstWin.mxml中添加对FlexService类的变量申明,以便将FlexService类编译进FirstWin.swf文件中,供Java调用。

Java项目First中新建FlexService.as类的对应代理类型FlexService.java,内容如下:

package cn.first;

 import cn.smartinvoke.FlashContainer;

 import cn.smartinvoke.RemoteObject;

 public class FlexService extends RemoteObject {

 public FlexService(FlashContainer flashContainer) {

        super(flashContainer);

        //调用flex插件cn.first.FlexService类型服务对象,并将该对象与当前对象关联

        this.nativeCreateObject("cn.first.FlexService");

 }

 /**

  * 调用FlexService.asshowInfo方法

  * @param msg

  */

 public void showInfo(String msg){

     this.call("showInfo",new Object[]{msg});

 }

}

 

这里的FlashContainer对象负责加载当前需要访问的swf.

修改First项目中的FirstWin.java文件,在shell.open();代码的后面加入如下代码:

 

final FlashContainer  container=shell.getFlashViewer().getFlashContainer();

        container.addListener(new ILoadCompleteListener(){

            //flex加载完毕后会自动调用这里的方法.

            @Override

            public void run() {

                FlexService service=new FlexService(container);

                service.showInfo("Hello Flex");

            }

           

        });

这段代码的作用是在FirstWin.swf文件加载完毕后自动调用run方法,我们在run方法中实现了Java调用Flex的功能。

内容概要:本文介绍了基于贝叶斯优化的CNN-LSTM混合神经网络在时间序列预测中的应用,并提供了完整的Matlab代码实现。该模型结合了卷积神经网络(CNN)在特征提取方面的优势与长短期记忆网络(LSTM)在处理时序依赖问题上的强大能力,形成一种高效的混合预测架构。通过贝叶斯优化算法自动调参,提升了模型的预测精度与泛化能力,适用于风电、光伏、负荷、交通流等多种复杂非线性系统的预测任务。文中还展示了模型训练流程、参数优化机制及实际预测效果分析,突出其在科研与工程应用中的实用性。; 适合人群:具备一定机器学习基基于贝叶斯优化CNN-LSTM混合神经网络预测(Matlab代码实现)础和Matlab编程经验的高校研究生、科研人员及从事预测建模的工程技术人员,尤其适合关注深度学习与智能优化算法结合应用的研究者。; 使用场景及目标:①解决各类时间序列预测问题,如能源出力预测、电力负荷预测、环境数据预测等;②学习如何将CNN-LSTM模型与贝叶斯优化相结合,提升模型性能;③掌握Matlab环境下深度学习模型搭建与超参数自动优化的技术路线。; 阅读建议:建议读者结合提供的Matlab代码进行实践操作,重点关注贝叶斯优化模块与混合神经网络结构的设计逻辑,通过调整数据集和参数加深对模型工作机制的理解,同时可将其框架迁移至其他预测场景中验证效果。
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