jQuery学习 四 jQuery jQuery 遍历

jQuery学习 四 jQuery jQuery 遍历

四 jQuery jQuery 遍历
(1) 向上遍历 DOM 树
parent() 返回被选元素的直接父元素
parents() 返回被选元素的所有祖先元素
parentsUntil() 返回介于两个给定元素之间的所有祖先元素。
$(document).ready(function(){
  $("span").parent().css({"color":"red","border":"2px solid red"});//父元素
  $("span").parents().css({"color":"green","border":"2px solid green"});//祖父元素
  $("span").parentsUntil().css({"pink":"red","border":"2px solid pink"});//曾祖父元素
});

(2) 向下遍历 DOM 树
children() 返回被选元素的所有直接子元素。 也可以使用可选参数来过滤对子元素的搜索。
$(document).ready(function(){
    $("div").children().css({"color":"red","border":"2px solid red"});
});

<div class="descendants" style="width:500px;">div (当前元素)
  <p class="1">p (儿子元素)
    <span>span (孙子元素)</span>     
  </p>
  <p class="2">p (儿子元素)
    <span>span (孙子元素)</span>
  </p>
</div>
$(document).ready(function(){
    $("div").children("p.1").css({"color":"red","border":"2px solid red"});
});

find() 返回被选元素的后代元素,一路向下直到最后一个后代。
<div class="descendants" style="width:500px;">div (当前元素)
  <p>p (儿子元素)
    <span>span (孙子元素)</span>     
  </p>
  <p>p (儿子元素)
    <span>span (孙子元素)</span>
  </p>
</div>
$(document).ready(function(){
  $("div").find("span").css({"color":"red","border":"2px solid red"});
});

(3)水平遍历 同胞(siblings)
siblings() 返回被选元素的所有同胞元素
<div>div (父元素)
  <p>p</p>
  <span>span</span>
  <h2>h2</h2>
  <h3>h3</h3>
  <p>p</p>
</div>
$(document).ready(function(){
    $("h2").siblings().css({"color":"red","border":"2px solid red"});
});

next() 方法返回被选元素的下一个同胞元素
$(document).ready(function(){
    $("h2").next().css({"color":"red","border":"2px solid red"});
});

nextAll() 返回被选元素的所有跟随的同胞元素。
$(document).ready(function(){
  $("h2").nextAll();
});

nextUntil() 返回介于两个给定参数之间的所有跟随的同胞元素。
<div>div (父元素)
  <p>p</p>
  <span>span</span>
  <h2>h2</h2>
  <h3>h3</h3>
  <h4>h4</h4>
  <h5>h5</h5>
  <h6>h6</h6>
  <p>p</p>
</div>
$(document).ready(function(){
    $("h2").nextUntil("h6").css({"color":"red","border":"2px solid red"});//h3,h4,h5将变红色
});

prev() 与next()类似,只不过方向相反而已,返回被选元素的上一个同胞元素
prevAll() 与nextAll()类似,只不过方向相反而已, 返回被选元素的上面所有的同胞元素。
prevUntil() 与nextUntil()类似,只不过方向相反而已

(4) 过滤
缩写搜索元素的范围
三个最基本的过滤方法是:first(), last() 和 eq(),它们允许您基于其在一组元素中的位置来选择一个特定的元素。
其他过滤方法,比如 filter() 和 not() 允许您选取匹配或不匹配某项指定标准的元素。

first() 方法 返回被选元素的首个元素
$(document).ready(function(){
  $("div p").first(); //选取首个 <div> 元素内部的第一个 <p> 元素
});

last() 方法 返回被选元素的最后一个元素
$(document).ready(function(){
  $("div p").last(); //选择最后一个 <div> 元素中的最后一个 <p> 元素
});

eq() 方法 返回被选元素中带有指定索引号的元素,索引号从 0 开始,因此首个元素的索引号是 0 而不是 1
<body>
<h1>欢迎访问我的主页</h1>
    <p>W3Cschool教程 (index 0).</p>
    <p>http://www.w3cschool.cn (index 1)。</p>
    <p>google (index 2).</p>
    <p>http://www.google.com (index 3)。</p>
</body>
$(document).ready(function(){
  $("p").eq(1).css("background-color","yellow"); //选取第二个 <p> 元素(索引号 1):
});

filter() 方法允许您规定一个标准。不匹配这个标准的元素会被从集合中删除,匹配的元素会被返回。
<body>
<h1>欢迎访问我的主页</h1>
    <p>W3Cschool教程 (index 0).</p>
    <p class="url">http://www.w3cschool.cn (index 1)。</p>
    <p>google (index 2).</p>
    <p class="url">http://www.google.com (index 3)。</p>
</body>
$(document).ready(function(){
   $("p").filter(".url").css("background-color","yellow");//class='url' p元素背景色将变黄色
});

not() 方法返回不匹配标准的所有元素。not() 方法与 filter() 相反。
$(document).ready(function(){
   $("p").not(".url").css("background-color","yellow");//不是class='url' p元素背景色将变黄色
});
  • 0
    点赞
  • 1
    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`。 #### 、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