Symbian全局变量的解决方案[整理自优快云论坛上的求助贴及其回复]

本文解答了Symbian系统中无法直接定义全局变量的问题,并提供了三种替代方案:将变量作为AppUi类成员传递给View;通过公共访问函数访问AppUi类的私有成员;使用单例模式。

原贴地址:http://community.youkuaiyun.com/Expert/topic/4026/4026425.xml?temp=.1575739
--------------------------------------------------------------------------------
主  题:  在Symbian上如何定义全局变量? 
作  者:  zzcat1 (忍猫) 
等  级:   
信 誉 值:  99 
所属社区:  移动平台 Symbian 
问题点数:  50 
回复次数:  3 
发表时间:  2005-5-22 14:33:04 
 

 
我想在几个View还有AppUi间传递数据,想用全局变量来传递,要如何才能定义全局变量呢?
如果不用全局变量,有没有其他方法在几个View间传递数据呢?

--------------------------------------------------------------------------------
 回复人: chenziteng(陈子腾) ( ) 信誉:100  2005-5-22 17:13:03  得分: 50 


 
目前不能定义全局变量。原因可参考如下文档:

Why doesn't Symbian OS support writeable static data
http://www3.symbian.com/faq.nsf/45aef46f9a8a61f9802569de0067eb63/71c212db06dce71380256d6e005ad2a8?OpenDocument

Does Symbian OS provide support for writeable static data (WSD)?
http://www3.symbian.com/faq.nsf/0/0840F25CBF63333680256FCC0063B5F3?OpenDocument

至少可以采用如下方法解决:
方法1(推荐)把这个变量定义成AppUi类的私有成员,在创建view时将这个变量传引用(或传指针)到view中,这样view就能随时访问它了。


方法2.把这个变量定义成AppUi类的私有成员,并为它写公共的访问函数
// CMyAppUi
public: // new methods
   TInt Share(); // return iShare

private:
   TInt iShare;

在View里通过下面的方式访问这个变量:
// 如果View继承自CAknView
CMyAppUi* appUi = static_cast<CMyAppUi*>(AppUi());
appUi->Share(); // :)

// 如果View是其它类型
CMyAppUi* appUi = static_cast<CMyAppUi*>(CCoeEnv::Static()->AppUi());
appUi->Share(); // :)

方法3.使用单态类,参考诺基亚论坛上的文档:
Tip Of The Month: How To Implement A Singleton Class In Symbian OS
http://www.forum.nokia.com/html_reader/main/1,,11322,00.html
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
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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