android 控件

android布局分为两类 ViewGroup  View 

控件树

  ViewGroup

在每个控件的顶部,都有一个viewParent

Ui界面架构图

Activity--->Window --->DecorView--->TitleView  ContentView

Activity--->Window 每个activity都有一个window对象,在android中window对象通常有PhoneWindow来实现,PhoneWindow将一个DecorView设置为整个应用窗口的View

 

DecorView Decoview作为窗口界面的顶层视图,封装了一些窗口操作的方法

DecorView将要显示的具体内容呈现在了PhoneWindow上,在里面所有的View的监听事件,都是通过通过WindowMangerServic

来进行接收, 并通过Activity 对象来回调相应的onClickListener

TitleView .ContentView 在显示上DeovView将屏幕分成两部分,一个是TitleView 另一个是ContentView 

ContentView是一个Id 为contentde Framelayout 

activity_xml就是设置在这样大的一个framelayout里

 

标准视图树

视图树的第二层装载了一个LinearLayout,作为ViewGroup,这一层的布局结构会根据对应的参数设置不同的布局

requestWindowFeature(Window.FEATURE_NO_TITLE)来设置全屏显示,没有TitleView了

requestWindowFeature必须在setContentView() 之前调用

在代码中,当程序在onCrate()方法中调用setContentView方法后,AcitivityManangerService 回调onResume()

此时系统才会把整个Decorview添加到PhoneWindow中 并让其显示出来,完成整个界面 的绘制

去除title

<manifest xmlns:android="http://schemas.android.com/apk/res/android"
    package="com.yifei.myapplication">

    <application
        android:allowBackup="true"
        android:icon="@mipmap/ic_launcher"
        android:label="@string/app_name"
        android:roundIcon="@mipmap/ic_launcher_round"
        android:supportsRtl="true"
        android:theme="@style/Theme.AppCompat.Light.NoActionBar">  //去除actionBar
        <activity android:name=".MainActivity">
            <intent-filter>
                <action android:name="android.intent.action.MAIN" />

                <category android:name="android.intent.category.LAUNCHER" />
            </intent-filter>
        </activity>
    </application>

</manifest>

内容概要:本文针对国内加密货币市场预测研究较少的现状,采用BP神经网络构建了CCi30指数预测模型。研究选取2018年3月1日至2019年3月26日共391天的数据作为样本,通过“试凑法”确定最优隐结点数目,建立三层BP神经网络模型对CCi30指数收盘价进行预测。论文详细介绍了数据预处理、模型构建、训练及评估过程,包括数据归一化、特征工程、模型架构设计(如输入层、隐藏层、输出层)、模型编译与训练、模型评估(如RMSE、MAE计算)以及结果可视化。研究表明,该模型在短期内能较准确地预测指数变化趋势。此外,文章还讨论了隐层节点数的优化方法及其对预测性能的影响,并提出了若干改进建议,如引入更多技术指标、优化模型架构、尝试其他时序模型等。 适合人群:对加密货币市场预测感兴趣的研究人员、投资者及具备一定编程基础的数据分析师。 使用场景及目标:①为加密货币市场投资者提供一种新的预测工具和方法;②帮助研究人员理解BP神经网络在时间序列预测中的应用;③为后续研究提供改进方向,如数据增强、模型优化、特征工程等。 其他说明:尽管该模型在短期内表现出良好的预测性能,但仍存在一定局限性,如样本量较小、未考虑外部因素影响等。因此,在实际应用中需谨慎对待模型预测结果,并结合其他分析工具共同决策。
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