VC++2008菜单应用~~2

本文详细介绍了MFC菜单的更新机制,包括如何使用UPDATE_COMMAND_UI消息响应函数来更新菜单项的状态,实现菜单项的启用、禁用及文本修改等功能。此外,还提供了右键菜单的实现方法以及如何动态添加、插入和删除菜单项的具体步骤。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

1、MFC菜单的更新机制

为菜单添加UPDATE_COMMAND_UI消息响应函数后,当显示菜单时,系统发出WM_INITMENUPOPUP消息,然后由程序窗体的基类入CFrameWnd接管并创建一个CCmdUI对象,并与程序的第一个菜单项相关联,调用该对象的一个成员函数DoUpdate()。DoUpdate()发出CN_UPDATE_COMMAND_UI消息,该消息中带有一个CCmdUI对象的指针,这时系统会判断是否存在一个ON_UPDATE_COMMAND_UI宏去捕捉这个菜单项消息。存在的话就会调用相应的消息响应函数处理。当更新完第一个菜单项后,同一个CCmdUI对象就设置为与第二个菜单项相关联,依次顺序进行,直到完成所有菜单项的处理。这既是MFC的菜单更新机制。

利用UPDATE_COMMAND_UI消息响应函数中CCmdUI对象,我们可以对菜单进行 可用或禁用、设置标记菜单、设置菜单项文本等操作。

2、右键菜单

代码如下:

void CMFCTestView::OnRButtonUp(UINT nFlags, CPoint point)
{
	// TODO: 在此添加消息处理程序代码和/或调用默认值
	CMenu menu;
	menu.LoadMenu(IDR_MAINFRAME);
	CMenu *pPopMenu = menu.GetSubMenu(0);
	ClientToScreen(&point);
	pPopMenu->TrackPopupMenu(TPM_LEFTALIGN | TPM_RIGHTBUTTON,point.x,point.y,this);

	CView::OnRButtonUp(nFlags, point);
}
上述代码在视类右键弹起消息响应函数中加载已经做好的菜单,并显示出来。这样就达到了右键菜单的目的。
3、动态添加、插入菜单项
CMenu menu;
//创建一个菜单
menu.CreateMenu();
//在现有菜单后添加一个弹出菜单ADDMENU1 	
GetMenu()->AppendMenu(MF_POPUP,(UINT)menu.m_hMenu,TEXT("ADDMENU1"));

CMenu menu1;
//创建一个菜单
menu1.CreateMenu();
//在现有菜单中位置2上插入一个菜单INSERTMENU1
GetMenu()->InsertMenu(2,MF_POPUP | MF_BYPOSITION,(UINT)menu1.m_hMenu,TEXT("INSERTMENU1"));

//在菜单ADDMENU1 增加一个菜单项
menu.AppendMenu(MF_STRING | MF_POPUP,555,TEXT("HELLO"));

//在HELLO菜单项创建子菜单!
CMenu menu2;
menu2.CreateMenu();
menu2.AppendMenu(MF_STRING,666,TEXT("WORLD"));

menu.AppendMenu(MF_BYPOSITION|MF_POPUP|MF_STRING,(UINT)menu2.m_hMenu,TEXT("子菜单"));

//端口CMenu对象与菜单句柄的联系。
menu.Detach();
menu1.Detach();
menu2.Detach();
4、删除菜单
通过DeleteMenu函数删除菜单!
DeleteMenu(2,MF_BYPOSITION)//删除位置2的菜单

转载于:https://www.cnblogs.com/icove/archive/2010/08/05/1793589.html

内容概要:本文档详细介绍了一个基于MATLAB实现的跨尺度注意力机制(CSA)结合Transformer编码器的多变量时间序列预测项目。项目旨在精准捕捉多尺度时间序列特征,提升多变量时间序列的预测性能,降低模型计算复杂度与训练时间,增强模型的解释性和可视化能力。通过跨尺度注意力机制,模型可以同时捕获局部细节和全局趋势,显著提升预测精度和泛化能力。文档还探讨了项目面临的挑战,如多尺度特征融合、多变量复杂依赖关系、计算资源瓶颈等问题,并提出了相应的解决方案。此外,项目模型架构包括跨尺度注意力机制模块、Transformer编码器层和输出预测层,文档最后提供了部分MATLAB代码示例。 适合人群:具备一定编程基础,尤其是熟悉MATLAB和深度学习的科研人员、工程师和研究生。 使用场景及目标:①需要处理多变量、多尺度时间序列数据的研究和应用场景,如金融市场分析、气象预测、工业设备监控、交通流量预测等;②希望深入了解跨尺度注意力机制和Transformer编码器在时间序列预测中的应用;③希望通过MATLAB实现高效的多变量时间序列预测模型,提升预测精度和模型解释性。 其他说明:此项目不仅提供了一种新的技术路径来处理复杂的时间序列数据,还推动了多领域多变量时间序列应用的创新。文档中的代码示例和详细的模型描述有助于读者快速理解和复现该项目,促进学术和技术交流。建议读者在实践中结合自己的数据集进行调试和优化,以达到最佳的预测效果。
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