Recyclerview上下拉刷新

本文介绍了一个基于Android平台的应用程序——火山App中视频模块的实现方式。通过使用Fragment及RecyclerView展示视频列表,并实现了上拉加载更多和下拉刷新的功能。
package com.example.administrator.huoshan_app.Home_fragment.Fragment_video;

import android.content.Intent;
import android.os.Bundle;
import android.support.annotation.NonNull;
import android.support.annotation.Nullable;
import android.support.v4.app.Fragment;
import android.support.v4.widget.SwipeRefreshLayout;
import android.support.v7.widget.GridLayoutManager;
import android.support.v7.widget.RecyclerView;
import android.util.Log;
import android.view.LayoutInflater;
import android.view.View;
import android.view.ViewGroup;

import com.example.administrator.huoshan_app.Home_fragment.Fragment_video.Api_video.Viedeo_bean;
import com.example.administrator.huoshan_app.Home_fragment.Fragment_video.Mvp_Video.Video_Iview;
import com.example.administrator.huoshan_app.Home_fragment.Fragment_video.Mvp_Video.Video_presenter;
import com.example.administrator.huoshan_app.R;

import org.greenrobot.eventbus.EventBus;

import java.util.List;


/**
 * Created by Administrator on 2017/12/27/027.
 */

public class Fragment_shipin extends Fragment implements Video_Iview{

    private View view;
    private RecyclerView rv;


    int pager = 0;
    //上下拉刷新控件
    private SwipeRefreshLayout sw;
    private Video_presenter video_presenter;

    @Nullable
    @Override
    public View onCreateView(@NonNull LayoutInflater inflater, @Nullable ViewGroup container, @Nullable Bundle savedInstanceState) {

        if (view==null) {
            view = inflater.inflate(R.layout.home_prage_video, container, false);
            rv = view.findViewById(R.id.video_rv);
            sw = view.findViewById(R.id.sw);

            //MVP
            video_presenter = new Video_presenter(this);

            video_presenter.getthis(pager);


        }
        return view;

    }

   //MVP
    @Override
    public void successful(final Viedeo_bean bean) {
        Video_adaper adaper = new Video_adaper(getContext(),bean);
        final GridLayoutManager manager = new GridLayoutManager(getContext(), 2);
        rv.setLayoutManager(manager);
        rv.setAdapter(adaper);


        //RecyclerView上拉刷新
        rv.addOnScrollListener(new RecyclerView.OnScrollListener() {
            @Override
            public void onScrollStateChanged(RecyclerView recyclerView, int newState) {
                super.onScrollStateChanged(recyclerView, newState);
                //GridLayoutManager
                int position = manager.findLastVisibleItemPosition();
                if (position == bean.getData().size()-1){
                    pager++;
                    //MVP再次请求
                    video_presenter.getthis(pager);
                    //关闭
                    sw.setRefreshing(false);
                }
            }
        });

        //SwipeRefreshLayout下拉加载
        sw.setOnRefreshListener(new SwipeRefreshLayout.OnRefreshListener() {
            @Override
            public void onRefresh() {
                pager++;
                //MVP再次请求
                video_presenter.getthis(pager);
                //关闭
                sw.setRefreshing(false);
            }
        });



    }
}

MATLAB代码实现了一个基于多种智能优化算法优化RBF神经网络的回归预测模型,其核心是通过智能优化算法自动寻找最优的RBF扩展参数(spread),以提升预测精度。 1.主要功能 多算法优化RBF网络:使用多种智能优化算法优化RBF神经网络的核心参数spread。 回归预测:对输入特征进行回归预测,适用于连续值输出问题。 性能对比:对比不同优化算法在训练集和测试集上的预测性能,绘制适应度曲线、预测对比图、误差指标柱状图等。 2.算法步骤 数据准备:导入数据,随机打乱,划分训练集和测试集(默认7:3)。 数据归一化:使用mapminmax将输入和输出归一化到[0,1]区间。 标准RBF建模:使用固定spread=100建立基准RBF模型。 智能优化循环: 调用优化算法(从指定文件夹中读取算法文件)优化spread参数。 使用优化后的spread重新训练RBF网络。 评估预测结果,保存性能指标。 结果可视化: 绘制适应度曲线、训练集/测试集预测对比图。 绘制误差指标(MAE、RMSE、MAPE、MBE)柱状图。 十种智能优化算法分别是: GWO:灰狼算法 HBA:蜜獾算法 IAO:改进天鹰优化算法,改进①:Tent混沌映射种群初始化,改进②:自适应权重 MFO:飞蛾扑火算法 MPA:海洋捕食者算法 NGO:北方苍鹰算法 OOA:鱼鹰优化算法 RTH:红尾鹰算法 WOA:鲸鱼算法 ZOA:斑马算法
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