iceFreedom-CSDN博客

转载 Android之Theme和Style

低级扩展方式为保持与平台界面样式的兼容性，你应始终通过扩展框架或支持库中的现有样式来创建自己的样式。如需扩展样式，请使用 parent 属性指定要扩展的样式。然后，你可以替换继承的样式属性并添加新属性。例如：</推荐扩展方式当然上述做法其实并不规范，官方建议我们直接继承支持库中的样式（已定义好相关的style）。不过，你应始终继承 Android 支持库中的核心应用样式。为与 Android 4.0（API 14）及更高版本兼容，支持库中的样式会针对各版本中可用的界面属性进行优化。

2024-03-11 20:11:17 41

转载 Android Jetpack - Navigation 组件：进行应用程序导航

Navigation 组件是一种 Android Jetpack 库，它可以帮助开发者轻松地实现应用程序中的导航功能。导航组件包含多个类和组件，包括导航图、目的地、导航控制器等，可以帮助我们管理应用程序中的页面导航和任务导航。通过使用 Navigation 组件，我们可以更加方便地实现应用程序的导航功能，同时也可以提高应用程序的用户体验。在本篇文章中，我们将介绍如何使用 Navigation 组件来实现应用程序导航，并提供一些示例和更多的扩展功能。优势适用场景提供一致的导航体验。

2024-03-11 15:21:21 34

转载 Android 之弹窗小结

1. 前言弹窗即显示在界面上的窗口，如软键盘弹框、吐司弹框、确认弹框、下拉选择框、应用悬浮框等。 Android提供的弹框控件也很多，比如常用的Spinner、Dialog、Toast、PopWindow、SnackBar、DialogFragment等。2. Spinner下拉选择框 Spinner根Listview，Gridview等是同一时代的产物，所以用法也根它们差不多，主要用到BaseAdapter来加载数据源。2.1 用系统提供的Adapter 使用简单，但样式固定，数据模

2024-03-09 16:25:52 34

转载 Matlab时频分析之连续小波变换CWT

1. 小波分析介绍和傅里叶变换比，小波变换和短时傅里叶变换都有着相同的优点，就是可以同时在时域和频域观察信号。所以小波变换在非定常信号的分析中有很大的作用。和短时傅里叶变换相比，小波变换有着窗口自适应的特点，即高频信号分辨率高（但是频率分辨率差），低频信号频率分辨率高（但是时间分辨率差），而在工程中常常比较关心低频的频率和高频出现的时间，所以近些年用途比较广泛。在数学上，小波还有正交化等优点，应用领域广泛。本文只讨论如何利用matlab实现cwt的时频分析2. 小波分析基本原理小波的含义，即为时

2020-05-25 11:19:03 12168 1

转载 Matlab实现经典功率谱分析和估计

Matlab 实现经典功率谱分析和估计Matlab 实现经典功率谱分析和估计功率谱Matlab使用1.直接法2.间接法3.改进直接法：Bartlett法4.Welch法附上谋篇论文，分析EEG信号功率谱代码Matlab 实现经典功率谱分析和估计功率谱功率谱是功率谱密度函数的简称，它定义为单位频带内的信号功率。它表示了信号功率随着频率的变化情况，即信号功率在频域的分布状况。功率谱表示了信号功率随着频率的变化关系。常用于功率信号（区别于能量信号）的表述与分析，其曲线（即功率谱曲线）一般横坐标为频率，纵

2020-05-20 15:33:11 7853

转载 matlab快速傅里叶变换（三个matlab程序介绍）

一种积分变换，它来源于函数的傅里叶积分表示。积分（1）称为ƒ 的傅里叶积分。周期函数在一定条件下可以展成傅里叶级数，而在（－∞，∞）上定义的非周期函数ƒ，显然不能用三角级数来表示。但是J.-B.-J.傅里叶建议把ƒ表示成所谓傅里叶积分的方法。傅里叶变换在物理学、电子类学科、数论、组合数学、信号处理、概率论、统计学、密码学、声学、光学、海洋学、结构动力学等领域都有着广泛的应用（例如在信号处理中...

2019-11-20 16:38:46 8559 1

转载 Matlab快速傅里叶变换程序（FFT）编写

Matlab快速傅里叶变换程序（FFT）编写（不利用Matlab内置fft）写一个基于基2FFT算法的傅里叶变换。利用原理：DIT-FFT（时域抽取法基2FFT）。DIT-FFT：设序列x(n)的长度为N，且满足N=2^M，M为自然数。①按n的奇偶把x(n)分解为两个N/2的子序列。②对x(n)做DFT，经过化简可以得到X(k)=X1(k)+W^k;X(k+N/2)=X1(k)+W^...

2019-11-20 10:30:01 2696 1

转载信号能量、功率、功率谱密度、自相关函数公式总结

已知时域求能量与功率若 x(t) 为能量信号，其总能量：若 x(t) 为功率信号，其平均功率：若 x(t) 为周期信号且基本周期为，其平均功率：已知频域求能量(1)由时域求能量：(2)根据傅立叶逆转换公式(3)将(2)代入(1)(4)故信号的能量(帕斯瓦尔定理）能量谱密度能量信号自相关函数信号 x(t) 的自相关函数x(t)的自相关函数取傅立叶变换可得...

2019-11-20 10:20:40 9753 1

转载信号的能量谱和功率谱解析

信号可以分成能量信号与功率信号，非周期能量信号具有能量谱密度，是傅立叶变换的平方，功率信号具有功率谱密度，其与自相关函数是一对傅立叶变换对，等于傅立叶变换的平方/区间长度。不能混淆。能量信号是没有功率谱的。胡广书老师的书上找到这么一段话，“随机信号在时间上是无限的，在样本上也是无穷多，因此随机信号的能量是无限的，它应是功率信号。功率信号不满足傅里叶变换的绝对可积的条件，因此其傅里叶变换是不存在的...

2019-11-20 10:13:38 4987

转载 CNN学习笔记：正则化缓解过拟合

过拟合现象在下图中，虽然绿线完美的匹配训练数据，但太过依赖，并且与黑线相比，对于新的测试数据上会具有更高的错误率。虽然这个模型在训练数据集上的正确率很高，但这个模型却很难对从未见过的数据做出正确响应，认为该模型存在过拟合现象。绿线代表过拟合模型，黑线代表正则化模型。故我们使用正则化来解决过拟合问题。正则化模型正则化是机器学习中通过显示控制模型复杂度来避免模型过拟合、确保泛化能力的一种有效...

2019-11-05 10:20:21 784

转载 Keras：评价指标 categorical_accuracy和 sparse_categorical_accuracy

2019-10-24 10:23:31 2718

iceFreedom的博客