javascript 回调函数

有一系列javascript方法需要调用,并且可能对于每个方法都有自己的回调函数,要求顺序执行各函数和自己的回调函数,下面这个方法就是基于这个需求产生的,目前还不太完善,但是足以满足大部分需求了。使用方法:传入Array数组的option参数fun(要调用的函数名),callback(回调函数方法体),timeout(如果没有回调方法可设置延时执行序列中下个方法)。
var CallBackEventHandle = function() {
var options;
if (arguments.length == 0) {
return;
}
options = arguments[0];
if (options.constructor == Array) {
options = options.reverse();
var deep = 1;
var RecursiveFun = function() {
var options;
var funStr = "";
if (arguments.length == 0) {
return;
}
options = arguments[0];
var optionObj = options.pop();
if (optionObj != undefined) {

var fun, callback, timeout;
if ("fun" in optionObj) {
fun = optionObj.fun;
}
if ("callback" in optionObj) {
callback = optionObj.callback;
}
if ("timeout" in optionObj) {
timeout = optionObj.timeout;
}
var symbol = "";
var num=1;
for (var i = 1; i < deep; i++) {
num = num*2;
}
for(var i=1 ;i<num;i++) {
symbol += "\\";
}

symbol += "\"";
deep++;
if (typeof (fun) == "string") {
if (typeof (callback) == "string") {
funStr += fun + "(";
funStr += "{ finishCallBack: " + symbol + callback + RecursiveFun(options) + symbol + " }";
funStr += ");";
}
else if (typeof (callback) == "undefined") {
funStr += fun + "(";
funStr += "{ finishCallBack: " + symbol + RecursiveFun(options, timeout) + symbol + " }";
funStr += ");";
}
if (arguments[1] != undefined && !isNaN(arguments[1])) {
funStr = "var next" + fun + "=function(){setTimeout(function(){" + funStr + "}," + parseInt(arguments[1]) + ")};";
funStr += "next" + fun + "();";
}
}
// var evalfun;
// eval("evalfun=" + fun);
// evalfun(option);

return funStr
}
else {
return "";
}
};
var funstr = RecursiveFun(options);
if (funstr != "")
eval(funstr);
}
};

function fun1(option)
{
alert("fun1");
if(option && "finishCallBack" in option)
{
var finishcall = option.finishCallBack;
if(typeof(finishcall) == "string")
{
eval(finishcall);
}
else
{
finishcall();
}
}
}

function fun2(option)
{
alert("fun2");
if(option && "finishCallBack" in option)
{
var finishcall = option.finishCallBack;
if(typeof(finishcall) == "string")
{
eval(finishcall);
}
else
{
finishcall();
}
}
}


function fun3(option)
{
alert("fun3");
if(option && "finishCallBack" in option)
{
var finishcall = option.finishCallBack;
if(typeof(finishcall) == "string")
{
eval(finishcall);
}
else
{
finishcall();
}
}
}
//依次调用fun1,fun1的callback,fun2,fun2的callback,fun3,fun3的callback
CallBackEventHandle(new Array({fun:"fun1",callback:"alert('a');"},{fun:"fun2",callback:"alert('b');"},{fun:"fun3",callback:"alert('c');"}));
//依次调用fun1,fun1的callback,fun2,(这里没有传入callbak参数,而是设置了timeout,将延迟5秒执行fun3),fun3,fun3的callback
CallBackEventHandle(new Array({fun:"fun1",callback:"alert('a');"},{fun:"fun2",timeout:"5000"},{fun:"fun3",callback:"alert('c');"}));


function w(s)
{
document.write(s);
}
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 支持向量机非线性回归通用MATLAB程序解析 #### 一、概述 本文将详细介绍一个基于MATLAB的支持向量机(SVM)非线性回归的通用程序。该程序采用支持向量机方法来实现数据的非线性回归,并通过不同的核函数设置来适应不同类型的数据分布。此外,该程序还提供了数据预处理的方法,使得用户能够更加方便地应用此程序解决实际问题。 #### 二、核心功能与原理 ##### 1. 支持向量机(SVM) 支持向量机是一种监督学习模型,主要用于分类和回归分析。对于非线性回归任务,SVM通过引入核技巧(kernel trick)将原始低维空间中的非线性问题转换为高维空间中的线性问题,从而实现有效的非线性建模。 ##### 2. 核函数 核函数的选择直接影响到模型的性能。本程序内置了三种常用的核函数: - **线性核函数**:`K(x, y) = x'y` - **多项式核函数**:`K(x, y) = (x'y + 1)^d` - **径向基函数(RBF)**:`K(x, y) = exp(-γ|x - y|^2)` 其中RBF核函数被广泛应用于非线性问题中,因为它可以处理非常复杂的非线性关系。本程序默认使用的是RBF核函数,参数`D`用于控制高斯核函数的宽度。 ##### 3. 数据预处理 虽然程序本身没有直接涉及数据预处理的过程,但在实际应用中,对数据进行适当的预处理是非常重要的。常见的预处理步骤包括归一化、缺失值处理等。 ##### 4. 模型参数 - **Epsilon**: ε-insensitive loss function的ε值,控制回归带宽。 - **C**: 松弛变量的惩罚系数,控制模型复杂度与过拟合的风险之间的平衡。 #### 三、程序实现细节 ##### 1. 函数输入与输出 - **输入**: - `X`: 输入特征矩阵,维度为(n, l),其中n是特征数量,l是样本数量。 - `Y`: 目标值向量,长度为l。 - `Epsilon`: 回归带宽。 - `C`: 松弛变量的惩罚系数。 - `D`: RBF核函数的参数。 - **输出**: - `Alpha1`: 正的拉格朗日乘子向量。 - `Alpha2`: 负的拉格朗日乘子向量。 - `Alpha`: 拉格朗日乘子向量。 - `Flag`: 标记向量,表示每个样本的类型。 - `B`: 偏置项。 ##### 2. 核心代码解析 程序首先计算所有样本间的核矩阵`K`,然后构建二次规划问题并求解得到拉格朗日乘子向量。根据拉格朗日乘子的值确定支持向量,并计算偏置项`B`。 - **核矩阵计算**:采用RBF核函数,通过`exp(-(sum((xi-xj).^2)/D))`计算任意两个样本之间的相似度。 - **二次规划**:构建目标函数和约束条件,使用`quadprog`函数求解最小化问题。 - **支持向量识别**:根据拉格朗日乘子的大小判断每个样本是否为支持向量,并据此计算偏置项`B`。 #### 四、程序扩展与优化 - **多核函数支持**:可以通过增加更多的核函数选项,提高程序的灵活性。 - **自动调参**:实现参数自动选择的功能,例如通过交叉验证选择最优的`Epsilon`和`C`值。 - **并行计算**:利用MATLAB的并行计算工具箱加速计算过程,特别是当样本量很大时。 #### 五、应用场景 该程序适用于需要进行非线性回归预测的场景,如经济预测、天气预报等领域。通过调整核函数和参数,可以有效应对各种类型的非线性问题。 ### 总结 本程序提供了一个支持向量机非线性回归的完整实现框架,通过灵活的核函数设置和参数调整,能够有效地处理非线性问题。对于需要进行回归预测的应用场景,这是一个非常实用且强大的工具。
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