Android Develop Training中文翻译01《Getting Started》

《开始》

欢迎参加android开发培训课程,在这里你可以学到一整套描述如何利用代码示例完成一个特定任务的课程,这些代码示例可以在你的app中重复利用。课程被分为多个组,在左侧的导航栏里你能看到它的上级目录。

第一组《开始》,主要讲android下开发app的基本要领。如果你是个android应用开发的新人,你应该按顺序完成以下课程。


建立你的第一个程序


在安装了Android SDK后,从本课程开始学习android开发基础。

  1. 创建一个Android项目
  2. 运行你的
  3. 创建一个简单的用户界面
  4. 开始学习Activity

管理Activity的生命周期


怎样启动和终止Activities以及怎样通过实施生命周期回调方法创造一种无缝的用户体验。

  1. Activity的启动
  2. Activity的暂停和继续
  3. Activity的终止和重启
  4. 重新创建Activity

不同设备的适配


怎样使用可替代的资源建立应用从而使不同设备运行一个应用时都能达到最佳用户体验。

  1. 支持多种语言
  2. 支持多种屏幕
  3. 支持多种Android版本

利用Fragment创建灵活的用户界面


怎样给你的应用创建一个足够灵活,能够用多种用户界面组件显示在多种大小的屏幕上的用户界面。为手机和平板创建一个通用的应用。

  1. 使用支持库
  2. 创建Fragment
  3. 创建一个灵活的用户界面
  4. 与其他Fragment沟通

存储数据


怎样保存以下数据:临时数据,下载的文件,用户多媒体文件,应用结构数据或其他数据。

  1. 保存设定键值
  2. 保存文件
  3. 在SQL 数据库保存数据

与其他应用进行交互


怎样利用设备上其他可用应用程序创建可以运行更高级的用户任务的用户体验。例如拍摄照片或查看地图上的地址。

  1. 将用户转移到其他应用
  2. 从Activity获得反馈结果
  3. 允许其他应用启动你的Activity

共享内容


怎样利用与其他应用分享信息使你的应用交互达到更高层次,怎样进行信息的接收和发送,怎样提供一种简单的、可扩展的分享用户内容的操作途径

  1. 向其他应用发送内容
  2. 从其他应用接收内容
  3. 添加简单的分享操作

纯属自用的副产品,谨慎使用

  • 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