Android Broadcast Receiver (广播接收者)

一、简介

  Broadcast Receiver是广播接收器,接收自定义和系统的主播。也可以称为监听器。

  Broadcast Intent与Intent一样是通信的媒介,与Intent不同的是Broadcast Intent同时被多个组件接收。

  Broadcast Intent广播机制,广播源发出消息,通过AMS(Activity manager service),可以使多个组件接收同一个消息。与Broadcast Intent成对配合应用的是Broadcast Receiver广播接收器,用于,接收Broadcast Intent广播出的消息。

  Intent与Broadcast Intent对比:

                (示图来源于Android权威指南)

二、Broadcast Receiver注册方式

  1. 静态注册

    静态注册是在AndroidManifest.xml文件中,通过标签<receiver>进行注册,使用标签<intentfilter>设置需要过滤的消息的intent。此种注册方式的生命周期是依随应用程序,在程序结束后接收到消息,程序会自动运行并被接收器事件执行。

 1 <!-- 广播接收类名 -->
 2 <!-- exported设置此broadcast receiver 能否接收其它应用的广播消息 -->
 3 <!-- permission是此广播的权限,只能接收符合权限应用的广播 -->
 4 <receiver
 5     android:name=".TimeBroadCastReceiver"
 6     android:exported="false"
 7     android:permission="com.example.RECEIVER_DEMO">
 8     <!-- priority 有序广播的优先级别 -->
 9     <intent-filter android:priority="100">
10         <!-- 广播消息名称 -->
11         <action android:name="android.intent.action.ACTION_TIME_TICK" />
12     </intent-filter>
13 </receiver>

 

  (1). exported是设置是否接收其它应用发出的广播,默认值是通过是否有intent-filter为设置,有intent-filter为true,反之为false。当为true时,接收其它应用广播消息。

  (2).android:permission是设置广播权限,只有接收申请了此权限的应用的广播。

 

  2. 动态注册

    动态注册是使用registerReceiver(...)方法进行注册,在此种注册方式中,Broadcast的生命周期与应用程序一样,在程序结束时,即结束。也可通过unRegisterReceiver(...)方法注销Broadcast。

 

 1 // 接收者收到消息后,处理函数回调handler
 2 mTimeReceiver = new TimeBroadCastReceiver(mHandler);
 3 IntentFilter intentFilter = new IntentFilter();
 4 // 广播消息名称
 5 intentFilter.addAction(Intent.ACTION_TIME_TICK);
 6 intentFilter.addAction(Intent.ACTION_TIME_CHANGED);
 7 // 有序广播优先级别
 8 intentFilter.setPriority(100);
 9 // 注册广播类
10 registerReceiver(mTimeReceiver, intentFilter);

   3. 自定义权限

1 <!-- 自定义权限名称,即注册一个新的权限 -->
2 <permission android:name="com.example.RECEIVER_DEMO"/>
3 <!-- 申请权限 -->
4 <uses-permission android:name="com.example.RECEIVER_DEMO"/>

 

  PS:这两种注册方式的区别在于生命周期的不同,在系统中,一些广播消息只能使用动态注册方式,比如:监听时间。

三、Broadcast Receiver 发送方式

  1. 普通(异步)广播方式

    普通广播方式,也可以称作异步广播,普通广播的消息可以被所有接收者收到,消息传递效率比较高,但缺点是不能将接收消息后的结果传递给下一个接收者,并且不能中止广播Intent的广播。

 

1 Intent intent = new Intent();
2 intent.setAction(Intent.ACTION_TIME_TICK);
3 intent.setAction(Intent.ACTION_TIME_CHANGED);
4 sendBroadcast(intent);

 

  2. 有序广播方式

    有序广播通过接收者设置的优先级别(优先级别取值范围-1000~1000之间,1000最高),依次接收广播消息。在接收到广播消息后,可以在Broadcast Intent添加此次接收者的一些数据,传递给下一个广播接收者。但是,此种方式的消息传递效率比较低。

 

1 Intent intent = new Intent();
2 // 消息名称
3 intent.setAction(Intent.ACTION_TIME_TICK);
4 intent.setAction(Intent.ACTION_TIME_CHANGED);
5 // receiverPermission 消息权限
6 sendOrderedBroadcast(intent, receiverPermission);

 

  总结:

    1. 普通广播:异步,消息传递效率高,数据不能共享。

    2. 有序广播:同步,消息传递效率低,数据能共享。

 

四、接收者实现

 1 public class TimeBroadCastReceiver extends BroadcastReceiver
 2 {
 3     protected static final String TAG = "TimeBroadCastReceiver";
 4 
 5     @Override
 6     public void onReceive(Context context, Intent intent)
 7     {
 8         switch (intent.getAction())
 9         {
10             case Intent.ACTION_TIME_TICK:
11                 SimpleDateFormat formatter = new SimpleDateFormat("yyyy年MM月dd日   HH:mm:ss     ");
12                 Date curDate = new Date(System.currentTimeMillis());
13                 String str = formatter.format(curDate);
14                 Log.d(TAG, str);
15                 // 接收到广播后,中止广播
16                 abortBroadcast();
17                 break;
18         }
19     }
20 }

 

注意:onReceive()方法必须在10秒内完成,如果超出时间,则会抛出“Application No Response”。当onReceive()需要长时间执行时,则需要使用Service来实现(context.startService())或者创建子线程实现。

PS:在多个应用中注册广播,并添加广播接收事件,广播类型和Action相同,即使添加相同权限,多个应用都可以接收此消息。实现仅本应用接收的广播,可以使用LocalBroadcastManager注册广播为本地(限本应用)广播;或者设置exported属性。

 

转载于:https://www.cnblogs.com/naray/p/5348809.html

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,能够捕捉数据中的时间依赖性。 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,它们在神经网络中用于添加非线性,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。
【4层】3100平米综合办公楼毕业设计(含计算书、建筑结构图) 、1资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 、1资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
1、资源项目源码均已通过严格测试验证,保证能够正常运行; 、2项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。、资 5源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。、 5资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
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