java m老师小讲堂——画板

ctrl+shift+o 自动导包

JFrame

顶级容器类
方法
1.可以直接使用setSize()设置它的Size,其他组件需要使用setPreferredSize()设置Size

2.setDefaultCloseOperation(operation)
operation 有四种值可选:
DO_NOTHING_ON_CLOSE
HIDE_ON_CLOSE
DISPOSE_ON_CLOSE 只关闭这个窗口
EXIT_ON_CLOSE 关闭整个程序
3.setVisible(true)
设置窗口可见,先设置窗口可见,再获取画笔
4.addMouseListener(mListener)
为窗口添加对鼠标操作的监听器
5.add(button);
添加组件

JButton

添加多个button,可以使用循环和数组,优化代码
1.setBackground(Color color)
设置button的背景颜色
Color类设置了许多静态常量颜色,可以直接使用,如Color.RED,或Color.red。大小写均可
2.addActionListener(mListener)
添加按钮监听器

Graphics

画笔类
直线drawLine、矩形drawRect、圆形drawOval
设置颜色
setColor

ActionListener,MouseListener

实现接口时,因为接口继承自abstract类,要重写接口中所有方法
e.getSource()获取产生e的对象
e.getActionCommand()获取按钮的label,如果按钮没有label,则为长度为零的字符串:“” *不是null

画图思路

首先创建一个JFrame类作为画板,画板基础属性包括大小,位置,名称,关闭时的操作
在画板上添加按钮,诸如Windows的画板,可以实现绘制直线,三角形等形状的操作,同时可以选定边框颜色。按钮包括label标签,颜色等基础属性,添加完所有组件后,使画板可见。
为所有组件和画板设置监听器,按钮的监听器ActionListener。

编写一个监听器类,要向该类传递创建的JFrame对象。
点击形状按钮时,接受按钮的label
点击颜色按钮时,接受按钮的背景颜色

根据不同的label绘制不同的图像

注意:
Q:如何确定一个立方体?
A:三个点。
所以绘制一个立方体,可以先绘制一个矩形,再点击第三个点,连接剩下的五条线

三角形同理,一条线和线外的一个点确定,所以可以先画一条线,再根据线外点,连接剩下的两条线。

鼠标单击clicked,按下pressed与松开pressed

在同一个点快速单击,会调用pressed和released方法和clicked方法,所以在绘制立方体时,要注意如何编写第三个点的代码
解决:
可以设置一个标志位和存储位,当按下松开发生在不同点时,保存两个点的坐标,并设置标志位为true,这样在按下第三个点调用clicked,判断标志位的状态,并在画图结束后设置为false

使用优化算法,以优化VMD算法的惩罚因子惩罚因子 (α) 和分解层数 (K)。 1、将量子粒子群优化(QPSO)算法与变分模态分解(VMD)算法结合 VMD算法背景: VMD算法是一种自适应信号分解算法,主要用于分解信号为不同频率带宽的模态。 VMD的关键参数包括: 惩罚因子 α:控制带宽的限制。 分解层数 K:决定分解出的模态数。 QPSO算法背景: 量子粒子群优化(QPSO)是一种基于粒子群优化(PSO)的一种改进算法,通过量子行为模型增强全局搜索能力。 QPSO通过粒子的量子行为使其在搜索空间中不受位置限制,从而提高算法的收敛速度与全局优化能力。 任务: 使用QPSO优化VMD中的惩罚因子 α 和分解层数 K,以获得信号分解的最佳效果。 计划: 定义适应度函数:适应度函数根据VMD分解的效果来定义,通常使用重构信号的误差(例如均方误差、交叉熵等)来衡量分解的质量。 初始化QPSO粒子:定义粒子的位置和速度,表示 α 和 K 两个参数。初始化时需要在一个合理的范围内为每个粒子分配初始位置。 执行VMD分解:对每一组 α 和 K 参数,运行VMD算法分解信号。 更新QPSO粒子:使用QPSO算法更新粒子的状态,根据适应度函数调整粒子的搜索方向和位置。 迭代求解:重复QPSO的粒子更新步骤,直到满足终止条件(如适应度函数达到设定阈值,或最大迭代次数)。 输出优化结果:最终,QPSO算法会返回一个优化的 α 和 K,从而使VMD分解效果最佳。 2、将极光粒子(PLO)算法与变分模态分解(VMD)算法结合 PLO的优点与适用性 强大的全局搜索能力:PLO通过模拟极光粒子的运动,能够更高效地探索复杂的多峰优化问题,避免陷入局部最优。 鲁棒性强:PLO在面对高维、多模态问题时有较好的适应性,因此适合海上风电时间序列这种非线性、多噪声的数据。 应用场景:PLO适合用于优化VMD参数(α 和 K),并将其用于风电时间序列的预测任务。 进一步优化的建议 a. 实现更细致的PLO更新策略,优化极光粒子的运动模型。 b. 将PLO优化后的VMD应用于真实的海上风电数据,结合LSTM或XGBoost等模型进行风电功率预测。
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