flex datagrid 中实现combobox联动

先前公司有一项目中有一这样需求,在网上google一大把,无解决办法,最近听高人指见用自定义事件和数据绑定来实现

我研究了两天才解决此问题,我觉得挺有意思,让我了解了flex事件的强大功能;

今天闲来整理一下,现将解决办法详细说明如下:

1.先自定义一个事件(CustomEvent .as):

import flash.events.Event;

 public class CustomEvent extends Event
 {
  
  public var data:Object;
  
  public var index:Object;
        
        public static const EVENT_NAME:String = "event_name";

        
        public function CustomEvent(type:String, index:Object=null,data:Object = null)
        {
            super(type);
            this.index=index;
            this.data = data;
        }
  
 }

 

第一个itemrenderer的combobox中的change()事件中实现自定义事件监听,;

其中妙处所在owner这个类的引用

 

public function change():void{
     data.DATETIME_TYPE=alarmActionDateType.selectedItem.ITEM_CODE;
   this.owner.dispatchEvent(new CustomEvent(CustomEvent.EVENT_NAME,data.onlyID,alarmActionDateType.selectedItem.ITEM_CODE));
    }
   

在第二个itemrenderer中的createComplete方法中定义一个init()方法;

  public function init():void
      {
       this.owner.addEventListener(CustomEvent.EVENT_NAME,ophandler);

}

public function ophandler(event:CustomEvent):void
      {
 
       if(event.index==data.onlyID){
        var resultList:ArrayCollection=getOplist(event.data.toString());
        //给data.operator赋值
          if(resultList.length>0){
      operator.dataProvider=resultList;
       
      for each(var o:Object in resultList)
             {
              if(data.OPERATOR == o.ITEM_CODE)
              {
               operator.selectedItem = o;
               return;
              }
             }
            operator.selectedIndex=0;
            data.OPERATOR=operator.selectedItem.ITEM_CODE;
     }else{
      operator.dataProvider = "";
     }
        
       }
       }

 

其实这个onlyID是我在表格中自动生成的序号,我用此来实现辨别现在操作的是哪一行,不然会出现改变一个下拉列表,其它行的下拉列表都会变的问题;

<mx:DataGrid id="you_dg" width="98%" height="98%">
   <mx:columns>
    <mx:DataGridColumn headerText="序号" width="70" minWidth="70">  
                <mx:itemRenderer>  
                    <mx:Component>  
                        <mx:Label text="{this.parentDocument.genrowno(data)}"/>  
                    </mx:Component>  
                </mx:itemRenderer>  
             </mx:DataGridColumn>

  <mx:DataGridColumn headerText="combobox1"  width="130" minWidth="130" dataField="ITEM_CODE" itemRenderer="ComboboxSendType">
    </mx:DataGridColumn>
    <mx:DataGridColumn headerText="combobox2"  width="130" minWidth="130" dataField="OPERATOR" itemRenderer="ComboboxDynamicOperator"></mx:DataGridColumn>

 

   public function genrowno(ob:Object):String {  
          ob.onlyID=String(you_dg.dataProvider.getItemIndex(ob)+1);
                return String(you_dg.dataProvider.getItemIndex(ob)+1);  
          }      

 

 

这样即可解决实现下拉列表联动的问题

 

 

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 3
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