安卓selector和自定义shape

本文介绍如何使用Android的Selector实现背景状态变化,以及如何利用shape标签来自定义背景样式,包括不同形状、渐变色、描边等特性。

一、安卓Selector背景选择器
1.在drawable中配置Android的selector。
<?xml version="1.0" encoding="utf-8" ?>
<selector xmlns:android="http://schemas.android.com/apk/res/android">
<!-- 默认时的背景图片-->
<item android:drawable="@drawable/pic1" />
<!-- 没有焦点时的背景图片-->
<item android:state_window_focused="false" android:drawable="@drawable/pic1" />
<!-- 非触摸模式下获得焦点并单击时的背景图片-->
<item android:state_focused="true"  android:state_pressed="true"
  android:drawable="@drawable/pic2" />
<!-- 触摸模式下单击时的背景图片-->
<item android:state_focused="false" android:state_pressed="true"
  android:drawable="@drawable/pic3" />
<!--选中时的图片背景-->
<item android:state_selected="true" android:drawable="@drawable/pic4" />
<!--获得焦点时的图片背景-->
<item android:state_focused="true" android:drawable="@drawable/pic5" />
</selector>
2.android:listSelector或者android:background属性设置
3.去除listView原有背景android:cacheColorHint="@android:color/transparent" 


二、安卓shape自定义背景几何图形
1.shape基本属性(rectangle、oval、line、ring)
android:shape=["rectangle" | "oval" | "line" | "ring"]   
shape的形状,默认为矩形,可以设置为矩形(rectangle)、椭圆形(oval)、线性形状(line)、环形(ring)   
下面的属性只有在android:shape="ring时可用:   
android:innerRadius         尺寸,内环的半径。   
android:innerRadiusRatio    浮点型,以环的宽度比率来表示内环的半径,   
android:thickness           尺寸,环的厚度   
android:thicknessRatio      浮点型,以环的宽度比率来表示环的厚度,例如,如果android:thicknessRatio="2",   
android:useLevel            boolean值,如果当做是LevelListDrawable使用时值为true,否则为false. 

2.子标签及所具有的基本属性(corners、gradient、padding、size、solid、stroke)
<corners    //定义圆角,其中radius与其它四个并不能共同使用。  
android:radius="dimension"      //全部的圆角半径   
android:topLeftRadius="dimension"   //左上角的圆角半径   
android:topRightRadius="dimension"  //右上角的圆角半径   
android:bottomLeftRadius="dimension"    //左下角的圆角半径   
android:bottomRightRadius="dimension" />    //右下角的圆角半径  
<solid  android:color="color" />   //solid用以指定内部填充色
<gradient  
android:type=["linear" | "radial" | "sweep"]    //共有3中渐变类型,线性渐变(默认)/放射渐变/扫描式渐变   
android:angle="integer"     //渐变角度,必须为45的倍数,0为从左到右,90为从上到下   
android:centerX="float"     //渐变中心X的相当位置,范围为0~1   
android:centerY="float"     //渐变中心Y的相当位置,范围为0~1   
android:startColor="color"   //渐变开始点的颜色   
android:centerColor="color"  //渐变中间点的颜色,在开始与结束点之间   
android:endColor="color"    //渐变结束点的颜色   
android:gradientRadius="float"  //渐变的半径,只有当渐变类型为radial时才能使用   
android:useLevel=["true" | "false"] />  //使用LevelListDrawable时就要设置为true。设为false时才有渐变效果   
<stroke        
android:width="dimension"   //描边的宽度   
android:color="color"   //描边的颜色   
// 以下两个属性设置虚线   
android:dashWidth="dimension"   //虚线的宽度,值为0时是实线   
android:dashGap="dimension" />      //虚线的间隔  

内容概要:本文系统研究了基于CNN-SVM的卷积神经网络与支持向量机融合的数据分类预测方法,聚焦其在工业故障识别中的应用,提供了完整的Matlab代码实现。通过CNN提取输入数据的深层空间特征,再由SVM进行高精度分类,充分发挥两者优势,有效提升了故障识别的准确性、鲁棒性与泛化能力。该方法特别适用于处理电力系统、机械设备等领域的高维、非线性、强噪声监测数据,在变压器故障诊断、轴承缺陷识别等场景中具有重要应用价值。文档还整合了机器学习、深度学习、图像处理、路径规划、电力系统优化等多个前沿科研方向的技术资源,配套大量Matlab/Simulink仿真案例与Python代码,全面支持科研复现与工程实践。; 适合人群:具备一定编程基础,熟练掌握Matlab或Python语言,从事电气工程、自动化、人工智能、机械故障诊断等相关领域研究的研发人员及高校研究生; 使用场景及目标:① 实现工业设备的状态监测与多类别故障分类;② 深入理解CNN与SVM融合模型的设计原理与工程实现细节;③ 借助所提供的丰富算法案例开展科研复现、模型优化与系统仿真验证; 阅读建议:建议按照文档目录结构系统化学习,结合百度网盘提供的完整代码资源进行动手实践,重点关注CNN特征提取层与SVM分类器之间的数据接口设计与参数调优策略,同时可延伸学习文中涉及的其他智能算法及其在电力系统、信号处理等领域的交叉应用,全面提升科研创新能力。
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