Android进阶练习-自定义视图(3)

本文介绍如何使Android视图响应用户输入,包括处理触摸事件、利用手势识别增强用户体验及创建符合物理逻辑的动作,如抛掷手势,并确保动画平滑过渡。

使视图可交互


     绘制UI界面只是创建自定义视图中的一部分工作,你还应该去响应用户的输入,并且让这种响应更贴近现实生活,比如现实世界中的一些物理现象,一些人们的行为习惯等等,

处理输入手势 


    像其他的UI框架一样,Android也提供了一个输入事件模型。用户的触摸动作被转化为了一些事件,并且Android会进行事件回调,你可以通过覆写回调方法来处理用户的触屏事件,响应用户进行交互。像触屏事件会回调  onTouchEvent(android.view.MotionEvent) 方法,你只需要覆写它来处理该事件
   @Override
   public boolean onTouchEvent(MotionEvent event) {
    return super.onTouchEvent(event);
   }
     触摸事件本身并不是特别的重要,现代触摸用户界面定义了以手势为主的交互动作,像轻敲、拉、推、抛和放大缩小手势,为了将原始触摸事件转化为手势,Android提供了 GestureDetector  类。构建 GestureDetector 时需要传递一个实现了 GestureDetector.OnGestureListener  接口的类的实例,如果你不想处理所有的手势,你可以通过继承 GestureDetector.SimpleOnGestureListener   类来代替实现 GestureDetector.OnGestureListener   接口  
class mListener extends GestureDetector.SimpleOnGestureListener {
   @Override
   public boolean onDown(MotionEvent e) {
       return true;
   }}
mDetector = new GestureDetector(PieChart.this.getContext(), new mListener()); 
     不管你是不是使用   GestureDetector.SimpleOnGestureListener ,你都必须实现 onDown() 方法并且返回 true ,这一步非常有必要,因为所有的手势都是从   onDown() 方法开始的,如果你从 onDown()方法返回 false ,那么Android系统会认为你想忽略手势识别剩余的操作,并且   GestureDetector.SimpleOnGestureListener 方法将得不到调用,当你确实想忽略整个手势时你可以返回 false 。一旦你实现了 GestureDetector.OnGestureListener  接口并且创建出来了一个实例,那么你就可以使用你的 GestureDetector 来表明触屏事件是从 onTouchEvent() 接收过来的
@Override
public boolean onTouchEvent(MotionEvent event) {
   boolean result = mDetector.onTouchEvent(event);
   if (!result) {
       if (event.getAction() == MotionEvent.ACTION_UP) {
           stopScrolling();
           result = true;
       }
   }
   return result;
}
     当像   onTouchEvent()  传递一个触摸事件时,它并不会认为是一个手势的一部分,它默认返回是 false     

创建符合物理逻辑的动作


     手势是一种强大的方式来控制触屏设备,但是它们可能违反直觉和难以记住除非它们能够产生符合物理逻辑的结果。一个最好的例子是抛手势,当用户在手机屏幕上快速的滑动手指然后向上或向下抬高他们的手指,在UI上可以表现为在手指移动方向上快速滑动,然后减慢,就像用户在推一个飞轮并让它转动一样

     然而,模拟推飞轮的感觉并不是一件很简单的事,要让一个飞轮模型正确的工作,需要用到大量的物理和数学知识。幸运的是,Android提供了一些工具类来帮助我们模拟这个和其它的一些行为, Scroller 类是处理 flywheel-style   抛手势最基本的一个类

      调用   fling()   方法需要使用开始的速率和x轴和y轴上的最大和最小值,对于速率值,你可以使用   GestureDetector 帮你计算好了的速率值
@Override
public boolean onFling(MotionEvent e1, MotionEvent e2, float velocityX, float velocityY) {
   mScroller.fling(currentX, currentY, velocityX / SCALE, velocityY / SCALE, minX, minY, maxX, maxY);
   postInvalidate();
}   

注意:尽管   GestureDetector   帮我们计算的速率值很准确,但许多的开发者感觉这个速率会让抛动画看起来很快,所以一般来说会把这个速率值缩小4到8倍

      调用 fling()  方法只是为抛手势建立起了一个物理模型,然后,我们应该每隔一个常规合理的时间来调用 Scroller.computeScrollOffset()  更新  Scroller   ,   computeScrollOffset() 方法更新   Scroller   对象的内部状态借助于在当前的时间去渲染它和使用物理模型去计算x轴和y轴的坐标,我们可以调用   getCurrX()   和 getCurrY() 来获取这些值   
if (!mScroller.isFinished()) {
    mScroller.computeScrollOffset();
    setPieRotation(mScroller.getCurrY());
}
     Scroller   为你计算出滚动的位置,但是它并不会自动的把这些位置信息应用到你的视图上,获得和应用新的坐标信息能够让你的滑动看起来顺畅平滑,但这项工作需要你手动来做,有两种方式来做到这点:

1、在调用 fling()  后调用 postInvalidate()  方法,这样可以迫使视图重绘,这项技术需要你在 onDraw()    方法中计算好滚动的偏移量和滚动偏移量每次改变后都要调用   postInvalidate()  方法
2、为抛手势设置一个 ValueAnimator  播放动画一直到手势结束,并且增加一个监听器,在监听器中调用 addUpdateListener()   来处理滚动动画      
    
     提供的例子中使用的是第二种方法,这项技术稍微复杂点,但是它看起来更贴近Android中的动画系统并且不要求潜在的不需要的无效视图,   ValueAnimator 在 API level 11  以上版本中提供,但是我们可以在程序运行的时候动态的检测手机操作系统的版本来决定是否使用
       mScroller = new Scroller(getContext(), null, true);
       mScrollAnimator = ValueAnimator.ofFloat(0,1);
       mScrollAnimator.addUpdateListener(new ValueAnimator.AnimatorUpdateListener() {
           @Override
           public void onAnimationUpdate(ValueAnimator valueAnimator) {
               if (!mScroller.isFinished()) {
                   mScroller.computeScrollOffset();
                   setPieRotation(mScroller.getCurrY());
               } else {
                   mScrollAnimator.cancel();
                   onScrollFinished();
               }
           }
       });

让你的视图中的动画平滑的播放


     用户期待一个更现代的UI,在不同的状态间转换平滑。UI元素的淡入淡出,让用户动作的开始和结束过渡的尽量平滑,在Android3.0以上版本,可以很简单的做到这些。

     使用Android的动画系统,即使是一个属性的改变也会影响到视图的显示效果,不要直接的去改变属性。可以使用   ValueAnimator 来代替这种改变
mAutoCenterAnimator = ObjectAnimator.ofInt(PieChart.this, "PieRotation", 0);
mAutoCenterAnimator.setIntValues(targetAngle);
mAutoCenterAnimator.setDuration(AUTOCENTER_ANIM_DURATION);
mAutoCenterAnimator.start(); 
     如果你想改变的是视图基础属性的值,制作动画就更简单了,因为视图提供了一个内置的 ViewPropertyAnimator 类 ,并且这个类同时优化了动画的多个属性
animate().rotation(targetAngle).setDuration(ANIM_DURATION).start();



 
标题SpringBoot智能在线预约挂号系统研究AI更换标题第1章引言介绍智能在线预约挂号系统的研究背景、意义、国内外研究现状及论文创新点。1.1研究背景与意义阐述智能在线预约挂号系统对提升医疗服务效率的重要性。1.2国内外研究现状分析国内外智能在线预约挂号系统的研究与应用情况。1.3研究方法及创新点概述本文采用的技术路线、研究方法及主要创新点。第2章相关理论总结智能在线预约挂号系统相关理论,包括系统架构、开发技术等。2.1系统架构设计理论介绍系统架构设计的基本原则和常用方法。2.2SpringBoot开发框架理论阐述SpringBoot框架的特点、优势及其在系统开发中的应用。2.3数据库设计与管理理论介绍数据库设计原则、数据模型及数据库管理系统。2.4网络安全与数据保护理论讨论网络安全威胁、数据保护技术及其在系统中的应用。第3章SpringBoot智能在线预约挂号系统设计详细介绍系统的设计方案,包括功能模块划分、数据库设计等。3.1系统功能模块设计划分系统功能模块,如用户管理、挂号管理、医生排班等。3.2数据库设计与实现设计数据库表结构,确定字段类型、主键及外键关系。3.3用户界面设计设计用户友好的界面,提升用户体验。3.4系统安全设计阐述系统安全策略,包括用户认证、数据加密等。第4章系统实现与测试介绍系统的实现过程,包括编码、测试及优化等。4.1系统编码实现采用SpringBoot框架进行系统编码实现。4.2系统测试方法介绍系统测试的方法、步骤及测试用例设计。4.3系统性能测试与分析对系统进行性能测试,分析测试结果并提出优化建议。4.4系统优化与改进根据测试结果对系统进行优化和改进,提升系统性能。第5章研究结果呈现系统实现后的效果,包括功能实现、性能提升等。5.1系统功能实现效果展示系统各功能模块的实现效果,如挂号成功界面等。5.2系统性能提升效果对比优化前后的系统性能
在金融行业中,对信用风险的判断是核心环节之一,其结果对机构的信贷政策和风险控制策略有直接影响。本文将围绕如何借助机器学习方法,尤其是Sklearn工具包,建立用于判断信用状况的预测系统。文中将涵盖逻辑回归、支持向量机等常见方法,并通过实际操作流程进行说明。 一、机器学习基本概念 机器学习属于人工智能的子领域,其基本理念是通过数据自动学习规律,而非依赖人工设定规则。在信贷分析中,该技术可用于挖掘历史数据中的潜在规律,进而对未来的信用表现进行预测。 二、Sklearn工具包概述 Sklearn(Scikit-learn)是Python语言中广泛使用的机器学习模块,提供多种数据处理和建模功能。它简化了数据清洗、特征提取、模型构建、验证与优化等流程,是数据科学项目中的常用工具。 三、逻辑回归模型 逻辑回归是一种常用于分类任务的线性模型,特别适用于二类问题。在信用评估中,该模型可用于判断借款人是否可能违约。其通过逻辑函数将输出映射为0到1之间的概率值,从而表示违约的可能性。 四、支持向量机模型 支持向量机是一种用于监督学习的算法,适用于数据维度高、样本量小的情况。在信用分析中,该方法能够通过寻找最佳分割面,区分违约与非违约客户。通过选用不同核函数,可应对复杂的非线性关系,提升预测精度。 五、数据预处理步骤 在建模前,需对原始数据进行清理与转换,包括处理缺失值、识别异常点、标准化数值、筛选有效特征等。对于信用评分,常见的输入变量包括收入水平、负债比例、信用历史记录、职业稳定性等。预处理有助于减少噪声干扰,增强模型的适应性。 六、模型构建与验证 借助Sklearn,可以将数据集划分为训练集和测试集,并通过交叉验证调整参数以提升模型性能。常用评估指标包括准确率、召回率、F1值以及AUC-ROC曲线。在处理不平衡数据时,更应关注模型的召回率与特异性。 七、集成学习方法 为提升模型预测能力,可采用集成策略,如结合多个模型的预测结果。这有助于降低单一模型的偏差与方差,增强整体预测的稳定性与准确性。 综上,基于机器学习的信用评估系统可通过Sklearn中的多种算法,结合合理的数据处理与模型优化,实现对借款人信用状况的精准判断。在实际应用中,需持续调整模型以适应市场变化,保障预测结果的长期有效性。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
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