关于element ui 中级联选择器异常的记录

本文介绍了解决前端ElementUI中级联选择器(el-cascader)数据回显问题的方法。当从后端获取的数据包含特殊监视器时,级联选择器无法正常显示数据。文章提供了一种解决方案,即通过将后端返回的Long类型数据转换为String类型来解决该问题。

 在编写项目时,前端需要用到element ui 中的级联选择器(el-cascader),通过它实现项目商品分类的选择,具体效果如下图所示:

这里将数据保存之后,再点击修改时,信息回显到弹框中,所有信息已经回显到指定位置上,除级联选择器之外,它的信息没有显示出来。通过检查后端返回给前端的数据(它是一个数组),发现数据是完整的带回来的;

但是确在这里没有展现出来,后端返回的级联选择器需要的数据如下:

仔细观察会发现,数组中,除了路径信息外,还有一个 __ob__: Observer,它是vue对整个数据设置的监视器,能够实现视图与数据的响应式更新,一般不可枚举。因为vue中是支持双向绑定的,当数据发生变化,可以很好的将变化后的结果展示出来。

网上百度发现,那么可以使用JSON.stringify 将数组转换成字符串,然后在通过JSON.parse的方式将JSON字符串转换成Object对象。代码如下:JSON.parse(JSON.stringfy(array)),后端没有错误提示信息,但是级联选择器上依然没有信息;

因为后端中返回的数组中的数据是Long类型,通过后端将返回的数组中的数据转换成String类型返回给前端,可以解决。这时,后端返回的级联选择器中的内容如下:

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

打赏作者

VogtZhao

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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