Symbian学习笔记(6):关于多线程与活动对象

symbian支持多线程(它有一个 RThread类)但却又不提倡大家使用多线程,理由一般是说应用更安全?代码更简单?不过我觉得最有说服力的是省电。

既然如此,那我们就不说“多线程”,说说“多任务”吧,活动对象(Active Object)提供了非抢占式的多任务协同处理机制,它不是多线程的,而是运行在一个单线程中。

AO机制包括两个类CActiveScheduler和CActive:

调度器CActiveScheduler:顾名思义它是协调多个活动对象的调度者。既然是非抢占式的,那它的调度原则是什么呢?教材上说法是:

A) 根据活动对象的优先级顺序对已注册的所有活动对象逐个检查。
B) 判断它是否是活动的(IsActive),且它的iStatus是否不为KRequestPending。
C) 满足则执行它的RunL方法。

活动对象CActive:这可以理解为一个“线程”,就象Java中的Runable。它受调度器的指挥,它的关键在于类型为TRequestStatus的iStatus成员变量。

一般情况下在CActive中会有一个异步操作(方法形参表中包括一个TReuqestStatus类型参数),如果没有也无所谓(根据上面的调度原则,只要保证它不为KRequestPending即可)。

因为GUI应用自带了CActiveScheduler,所以我们要做的事情就是实现一个派生于CActive的子类,重载方法RunL()、DoCancel()和RunError()。当然还应该有一个类似于Start的方法来启动它。

Start负责启动,一般是在这里去执行一个异步操作(比如加载JPEG的图像,如上篇所言;或者打开一个定时器,如书上例子)。如果没有异步操作的话,也可以在这里啥事都不做。但是无论如何,它的最后一行肯定应该是SetActive(),让自己成为活动状态。

RunL负责具体的工作,如果是刚才Start了一个异步操作,此时应该处理该操作结束后的事务(如上篇中加载了图像以后就可以显示到屏幕上了)。如果刚才没有Start一个异步操作,那现在也得做点事情了。

有一种情况,我们把一个大任务分解成多个小任务,放在RunL中来做,那就得再加一个状态TInt iState来记录此次回调应该做哪一步小任务了(每完成一个小任务就改一个iState的值,并且还得再SetActive,让这个活动对象继续处于活动状态,直到所有任务完成)。

DoCancel提供了用户可以中止活动任务的手段,而RunError则提供了错误处理的机会。

另外,在这个CActive的子类中,应该有一个地方(一般是在ConstructL中)将自己放入调度器的队列中,即调用CActiveScheduler::Add(this)。

帖一段代码,就是上篇加载JPEG图像的代码应该放在一个AO中来实现,利用向导生成一个CActive的子类:
classCImageLoader:publicCActive
...{
public:
~CImageLoader();

//Two-phasedconstructor.
staticCImageLoader*NewL(CDemoUIAppView*p);
staticCImageLoader*NewLC(CDemoUIAppView*p);

public://Newfunctions
voidStartL();

private:
CImageLoader();
voidConstructL();

private://FromCActive
voidRunL();
voidDoCancel();
TIntRunError(TIntaError);
private:
RFsiRFs;
CDemoUIAppView
*iParent;
CImageDecoder
*iDec;
}
;

cpp中的实现更简单了,在StartL中负责刚才的加载jpeg图像(主要是它有一个异步调用),在RunL中负责重绘CDemoUIAppView的界面即可。
voidCImageLoader::StartL()
...{
Cancel();
//Cancelanyrequest,justtobesure

if(iDec)
iDec
->Cancel();
deleteiDec;
iDec
=NULL;

iDec
=CImageDecoder::FileNewL(iRFs,KJPEGFile);

iParent
->iBkImageMask=new(ELeave)CFbsBitmap();
iParent
->iBkImageMask->Create(iDec->FrameInfo().iOverallSizeInPixels,iDec->FrameInfo().iFrameDisplayMode);
iDec
->Convert(&iStatus,*(iParent->iBkImageMask));

SetActive();
//Tellschedulerarequestisactive
}


voidCImageLoader::RunL()
...{
if(iParent)
iParent
->DrawNow();
}


  • 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