wtl 控件调用的简单例子IE控件

本文介绍在Win32环境下使用ActiveX控件的方法,包括如何在WTL中创建支持ActiveX的对话框、插入WebBrowser控件、调用控件函数、处理控件事件等步骤。

在Win32下,ActiveX控件已经是个耳熟的概念了,即使对COM不太了解,使用ActiveX控件仍然是件容易的事件。即然是控件,无非要关注两个方面,第一是如何调用它的函数,其次是如何接收它的事件。 我们看看在WTL中如何使用ActiveX控件(基本对话框): 1. 创建项目时,让对话框支持ActiveX。从代码中,可以发现一些差异: //对话框从CaxDialogImpl继承,而不是从CdialogImpl继承: class CMainDlg : public CAxDialogImpl, public CUpdateUI, public CMessageFilter, public CidleHandler //起动时初始ActiveX: AtlAxWinInit() 2. 打开对话框资源,向对话框时插入Web Browser控件。可以发现rc文件中多了一项: CONTROL "",IDC_EXPLORER,"{8856F961-340A-11D0-A96B-00C04FD705A2}", WS_TABSTOP,7,7,198,174 #import "C:/WINNT/System32/shdocvw.dll" 3. 调用控件的函数, CaxDialogImpl实现了一个函数QueryControl,通过它可以查询到控件的接口,然后通过这个接口指针访问对象。 CAxWindow wndIE = GetDlgItem(IDC_EXPLORER); CComPtr pWB2; HRESULT hr = wndIE.QueryControl ( &pWB2 ); if ( pWB2 ) { CComVariant v; // empty variant pWB2->Navigate ( CComBSTR("http://blog.youkuaiyun.com/absurd/"), &v, &v, &v, &v ); } 4. 处理控件的事件,在对话框资源上,通过鼠标右键为控件加入事件处理函数,会下类似如下的代码: //import类型库,需要把后面那些参数删除才能编译过。 #import "C:/WINNT/System32/shdocvw.dll" raw_interfaces_only, raw_native_types, no_namespace, named_guids //让对话框从IdispEventImpl继承过来 class CMainDlg : public CAxDialogImpl, public CUpdateUI, public CMessageFilter, public CIdleHandler, public IDispEventImpl //增加事件映射 BEGIN_SINK_MAP(CMainDlg) //Make sure the Event Handlers have __stdcall calling convention SINK_ENTRY(IDC_EXPLORER, 0x68, OnDownloadCompleteExplorer) END_SINK_MAP() //增加事件处理函数 VOID __stdcall OnDownloadCompleteExplorer() { // TODO : Add Code for event handler. MessageBox("download ok"); } 5. 还要在OnInitDialog做些初始化工作,事件才能生效。 AtlAdviseSinkMap ( this, true ); 6. 最后在CloseDialog中做些~初始化工作: AtlAdviseSinkMap ( this, false ); 简单吧。

基于数据驱动的 Koopman 算子的递归神经网络模型线性化,用于纳米定位系统的预测控制研究(Matlab代码实现)内容概要:本文围绕“基于数据驱动的 Koopman 算子的递归神经网络模型线性化,用于纳米定位系统的预测控制研究”展开,提出了一种结合数据驱动方法与Koopman算子理论的递归神经网络(RNN)模型线性化方法,旨在提升纳米定位系统的预测控制精度与动态响应能力。研究通过构建数据驱动的线性化模型,克服了传统非线性系统建模复杂、计算开销大的问题,并在Matlab平台上实现了完整的算法仿真与验证,展示了该方法在高精度定位控制中的有效性与实用性。; 适合人群:具备一定自动化、控制理论或机器学习背景的科研人员与工程技术人员,尤其是从事精密定位、智能控制、非线性系统建模与预测控制相关领域的研究生与研究人员。; 使用场景及目标:①应用于纳米级精密定位系统(如原子力显微镜、半导体制造设备)中的高性能预测控制;②为复杂非线性系统的数据驱动建模与线性化提供新思路;③结合深度学习与经典控制理论,推动智能控制算法的实际落地。; 阅读建议:建议读者结合Matlab代码实现部分,深入理解Koopman算子与RNN结合的建模范式,重点关注数据预处理、模型训练与控制系统集成等关键环节,并可通过替换实际系统数据进行迁移验证,以掌握该方法的核心思想与工程应用技巧。
基于粒子群算法优化Kmeans聚类的居民用电行为分析研究(Matlb代码实现)内容概要:本文围绕基于粒子群算法(PSO)优化Kmeans聚类的居民用电行为分析展开研究,提出了一种结合智能优化算法与传统聚类方法的技术路径。通过使用粒子群算法优化Kmeans聚类的初始聚类中心,有效克服了传统Kmeans算法易陷入局部最优、对初始值敏感的问题,提升了聚类的稳定性和准确性。研究利用Matlab实现了该算法,并应用于居民用电数据的行为模式识别与分类,有助于精细化电力需求管理、用户画像构建及个性化用电服务设计。文档还提及相关应用场景如负荷预测、电力系统优化等,并提供了配套代码资源。; 适合人群:具备一定Matlab编程基础,从事电力系统、智能优化算法、数据分析等相关领域的研究人员或工程技术人员,尤其适合研究生及科研人员。; 使用场景及目标:①用于居民用电行为的高效聚类分析,挖掘典型用电模式;②提升Kmeans聚类算法的性能,避免局部最优问题;③为电力公司开展需求响应、负荷预测和用户分群管理提供技术支持;④作为智能优化算法与机器学习结合应用的教学与科研案例。; 阅读建议:建议读者结合提供的Matlab代码进行实践操作,深入理解PSO优化Kmeans的核心机制,关注参数设置对聚类效果的影响,并尝试将其应用于其他相似的数据聚类问题中,以加深理解和拓展应用能力。
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