XListView的集成使用+AsyncTask

XList集成分为几步
1.导入三个java文件:

这里写图片描述

2.导入xml文件:

这里写图片描述

3.导入图片和strings.xml或者复制:

    <string name="xlistview_header_hint_normal">下拉刷新</string>
    <string name="xlistview_header_hint_ready">松开刷新数据</string>
    <string name="xlistview_header_hint_loading">正在加载...</string>
    <string name="xlistview_header_last_time">上次更新时间:</string>
    <string name="xlistview_footer_hint_normal">查看更多</string>
    <string name="xlistview_footer_hint_ready">松开载入更多</string>

4.在activity.xml里写 :

<com.example.x.XListView
     android:layout_width="match_parent"
     android:layout_height="match_parent"
     android:id="@+id/xlv"></com.example.x.XListView>

5.写代码(用到了AsyncTask)

package com.example.xlist2;

import android.os.AsyncTask;
import android.support.v7.app.AppCompatActivity;
import android.os.Bundle;
import android.view.View;
import android.view.ViewGroup;
import android.widget.BaseAdapter;
import android.widget.ListAdapter;
import android.widget.TextView;

import com.example.bean.news;
import com.example.utils.NetWorkUtils;
import com.example.x.XListView;
import com.google.gson.Gson;

import java.util.ArrayList;
import java.util.List;

public class MainActivity extends AppCompatActivity implements XListView.IXListViewListener{

    private XListView xlv;
    private String url="http://api.expoon.com/AppNews/getNewsList/type/1/p/1";
    private List<news.DataBean> list=new ArrayList<news.DataBean>();
    private MyAdapter adapter;

    @Override
    protected void onCreate(Bundle savedInstanceState) {
        super.onCreate(savedInstanceState);
        setContentView(R.layout.activity_main);
        //调用initdata方法
        initdata(url);
        //找控件
        xlv = (XListView) findViewById(R.id.xlv);
        xlv.setPullLoadEnable(true);
        xlv.setXListViewListener(this);
        adapter = new MyAdapter();
        //创建适配器
        xlv.setAdapter(adapter);
    }
    public void load(){
        xlv.stopRefresh();
        xlv.stopLoadMore();
        xlv.setRefreshTime("");
    }
    public void initdata(String url){
        new MysyncTask().execute(url);
    }
    //异步任务
    class MysyncTask extends AsyncTask<String,Void,String>{



        @Override
        protected String doInBackground(String... params) {
            String param = params[0];
            String s = NetWorkUtils.conget(url);
            return s;
        }

        @Override
        protected void onPostExecute(String s) {
            super.onPostExecute(s);
            Gson gson=new Gson();
            news news = gson.fromJson(s, news.class);
            List<com.example.bean.news.DataBean> data = news.getData();
            list.addAll(data);
            adapter.notifyDataSetChanged();//刷新适配器
        }
    }
    //上拉刷新
    @Override
    public void onRefresh() {
        list.clear();
        initdata(url);
        load();
    }
    //下拉加载
    @Override
    public void onLoadMore() {
        initdata(url);
        load();
    }
    class MyAdapter extends BaseAdapter{

        @Override
        public int getCount() {
            return list.size();
        }

        @Override
        public Object getItem(int position) {
            return list.get(position);
        }

        @Override
        public long getItemId(int position) {
            return position;
        }

        @Override
        public View getView(int position, View convertView, ViewGroup parent) {
            viewHalder sj;
            if (convertView==null){
               convertView= View.inflate(MainActivity.this,R.layout.items,null);
                sj=new viewHalder();
                sj.text1= (TextView) convertView.findViewById(R.id.text1);
                sj.text2= (TextView) convertView.findViewById(R.id.text2);
                convertView.setTag(sj);
            }else{
                sj= (viewHalder) convertView.getTag();
            }
            sj.text1.setText(list.get(position).getNews_title());
            sj.text2.setText(list.get(position).getPic_url());
            return convertView;
        }
        class viewHalder{
            TextView text1,text2;
        }
    }
}
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
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