http://blog.zinewow.com/catalog.asp?tags=AcheGesture
基于Starling框架的AcheGesture是为基于Adobe AIR技术的移动应用提供的一套手势识别库。设计来源于苹果iOS开发框架的UIGestureRecognizers(Cocoa-Touch UIKit)。AcheGesture主要特性:
1、提供了最基本的几种手势,包括:Tap(轻击)、Double Tap(双击) 、Pinch(缩放)、Pan(拖拽)、Swipe(滑动)、Rotate(旋转)以及Long press(长按)。
2、提供针对每种手势的自定义配置,例如Long press的判别时间阈值(timeThreshold)。
3、处理手势之间的识别依赖(requireGestureRecognizerToFail)、识别优先级(priority)、同时作用(allowSimultaneous)等相互关系。
4、使用回调的机制传出手势(离散和连续)的所有识别状态:recognized、possible、failed、began、changed、ended和cancelled。
5、可扩展性,可以针对项目需求写手势识别扩展(GestureRecognizerPlugin),并动态注入(activate)。
6、开源免费,可在任何场合和情况下使用。
为何要写AcheGesture
1、代码复用的需求:
Starling提供了Touch事件,包括了单点和多点的。但是对于某个具体的手势却没有做封装,例如常见的Swipe。对于每一种手势实现后的代码逻辑复用是最基本的封装需求。
2、手势识别复杂的依赖关系处理的需求:
第二个原因,也是非常重要的原因就是处理多种手势关系的需求。例如一个显示对象绑定了一个单击(Tap)和一个双击(Double Tap),用户轻击两下,有以下可能:1、两个Tap和一个Double Tap,2、一个Tap和一个Double Tap 3、两个Tap,4、一个Double Tap。吃惊吗?竟然有四种,而且第2种可能相对比较难理解什么情况下发生的。其实一般情况下,我们期望得到的是第3和第4种。这就出现了手势识别依赖关系的需求。也就是说,Tap手势的识别依赖于Double Tap手势识别的失败(requireGestureRecognizerToFail)。通俗的说,就是,只有识别不出来Double Tap,Tap手势才能识别。多种手势的相互依赖关系使得手势的处理上复杂度提升,使得需要封装这样的逻辑统一处理。
3、多手势同时作用的需求:
这也是一个非常常见的需求,但是如果只是一个Touch对象可能不能很方便的实现。就是例如使用Pinch手势的缩放的同时,还可能在Pan(拖拽移动)甚至还有可能使用Rotate同时进行旋转操作。
如何使用AcheGesture
Step1: 定义手势对象:
以轻击(Tap)手势为例,此手势包含了两种状态,“识别”(recognized)和“可能识别”(possible),在TapGesture配置类中定义。所以首先定义手势对象,传入每个状态的回调函数。
{
var g1:Gesture = new TapGesture(onTapRecognized, onTapPossible);
}
此处有两个回调函数,onTapRecognized和onTapPossible。对于这个手势的定义,其实也可以直接使用Object类型,这个对象需要包含各种识别状态的回调函数,例如”recognized”, “possible”等等。以刚才的那个Tap手势为例,g1可写成以下这种形式:
建议使用acheGesture.data包下面的类型来定义每一种手势,除了有强类型提示的好处以外,也可以方便或者每种手势所包含的手势状态。以轻击(Tap)手势而言,就只有“识别”(recognized)和“可能识别”(possible)两种状态。
Step2: 绑定显示对象
接下来是使用GestureManager.add方法绑定定义的手势和目标显示对象。如下所示:
{
var g1:Gesture = new TapGesture(onTapRecognized, onTapPossible);
GestureManager.add(_btn, new GestureVars().onTap(g1).vars);
}
三个参数,第一个传入绑定的显示对象(Starling.display.DisplayObject),第二个传入的是手势识别的配置对象,第三个参数是是否允许多个手势同时作用。和定义手势对象类似,此处使用的GestureVars去对配置属性进行强类型,其实也可以使用Object直接配置,如下代码所示:
所以如果都使用Object类型就可以简化写成:
看个人喜好,建议使用acheGesture.data包下面的类型来强类型去配置手势。
Step3: 处理手势状态回调
所有的手势状态回调函数均接收一个参数,e: AcheGestureEvent,这个对象包含了手势状态回调会传出的一些属性,以Tap为例,在是否可能被识别(possible)状态,就是读取e.possible来确定如何显示按钮的状态。详细会在Tap手势的教程中介绍。
{
trace("tap gesture recognized!");
}
private function onTapPossible(e:AcheGestureEvent):void
{
trace("tap gesture onTapPossible >>>" + e.possible);
}
了解设置后的期望值。
在使用手势库完成需求之前,需要了解某种绑定方式预期得到怎样的结果。以下面三种绑定方式为例,均是绑定了单击(Tap)和双击(Double Tap)只是在细节设置上不同。
第一种,只是单单绑定了这两种手势,但是注意点是,add方法第三个参数传的是false,也就是说,同一个时刻不能多个手势同时作用,因为Tap和Double Tap都是在用户Touch Ended的时候来判断,所以,如果用户轻击两下,间隔时间符合双击,则收到一个双击,一个单击。注意是一个单击,因为第二个单击在判断的时候被双击优先判断了,所以不被识别。注意比较下面两种情况。
{
var g1:Gesture = new TapGesture(onTapRecognized);
var g2:Gesture = new DoubleTapGesture(onDoubleTapRecognized);
GestureManager.add(_btn, new GestureVars().onTap(g1).onDoubleTap(g2).vars,false);
}
第二种情况比较简单,就是,设置了add第三个参数为true,即,允许同时多个手势被识别,如果还像上一个那种操作情况,用户轻击两下,并且间隔时间符合双击的要求,则收到,两个单击和一个双击。也就是说这两种手势的识别互不干扰。各自识别各自的。
{
var g1:Gesture = new TapGesture(onTapRecognized);
var g2:Gesture = new DoubleTapGesture(onDoubleTapRecognized)
GestureManager.add(_btn, new GestureVars().onTap(g1).onDoubleTap(g2).vars, true);
}
第三种情况其实可能是我们想要的,就是设定了“依赖关系”,单机的识别依赖于双击的识别失败。还是像刚才那样操作,用户轻击两下,并且间隔时间符合双击的要求,此时收到的只是一次双击,没有单击。如果用户轻击一下,则在延迟一小段时间后收到单击。原因是,单击的识别需要等待双击识别失败(超过双击的时间间隔阈值)。
{
var g1:Gesture = new TapGesture(onTapRecognized);
var g2:Gesture = new DoubleTapGesture(onDoubleTapRecognized)
g1.requireGestureRecognizerToFail(g2);
GestureManager.add(_btn, new GestureVars().onTap(g1).onDoubleTap(g2).vars);
}
不同的设置带来不同的结果,了解自己需要的结果和对应的设置方法才能正确使用AcheGesture。
备注:
其它关于 AcheGesture 的链接(含DEMO):《Adobe AIR 移动开发:触摸、多点触控和手势输入》。
相关推荐
原生js图片圆形排列按钮控制3D旋转切换插件.zip
内含二维数组与三维数组,分别为list2nd,list3rd
原生js颜色随机生成9x9乘法表代码.zip
原生js实现图片叠加滚动切换代码.zip
【Academic tailor】学术小裁缝必备知识点:全局注意力机制(GAM) 注意力机制是深度学习中的重要技术,尤其在序列到序列(sequence-to-sequence)任务中广泛应用,例如机器翻译、文本摘要和问答系统等。这一机制由 Bahdanau 等人在其论文《Neural Machine Translation by Jointly Learning to Align and Translate》中首次提出。以下将详细介绍这一机制的背景、核心原理及相关公式。 全局注意力机制(Global Attention Mechanism, GAM)由 《Global Attention Mechanism: Retain Information to Enhance Channel-Spatial Interactions》提出,是一篇针对计算机视觉任务提出的方法。这篇文章聚焦于增强深度神经网络中通道和空间维度之间的交互,以提高分类任务的性能。与最早由 Bahdanau 等人提出的用于序列到序列任务的注意力机制 不同,这篇文章的重点是针对图像分类任务,并未专注于序
本项目在开发和设计过程中涉及到原理和技术有: B/S、java技术和MySQL数据库等;此文将按以下章节进行开发设计; 第一章绪论;剖析项目背景,说明研究的内容。 第二章开发技术;系统主要使用了java技术, b/s模式和myspl数据库,并对此做了介绍。 第三章系统分析;包罗了系统总体结构、对系统的性能、功能、流程图进行了分析。 第四章系统设计;对软件功能模块和数据库进行详细设计。 第五章系统总体设计;对系统管理员和用户的功能进行描述, 第六章对系统进行测试, 第七章总结心得;在论文最后结束章节总结了开发这个系统和撰写论文时候自己的总结、感想,包括致谢。
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。
镗夹具总工艺图
原生js树叶数字时钟代码.rar
近代非线性回归分析-韦博成1989
内容概要:本文详细介绍了用 Rust 语言实现冒泡排序算法的具体步骤,以及通过设置标志位来优化算法性能的方法。示例代码包括了函数定义、内外层循环逻辑、标志位的应用,并在主函数中展示了如何调用 bubble_sort 函数并显示排序前后的数组。 适合人群:具有基本 Rust 编程基础的学习者和开发者。 使用场景及目标:适用于想要深入了解 Rust 中冒泡排序实现方式及其优化技巧的技术人员。通过本篇文章,能够掌握 Rust 基本语法以及算法优化的基本思想。 阅读建议:除了仔细阅读和理解每一部分的内容外,还可以尝试修改代码,改变数据集大小,进一步探索冒泡排序的时间复杂度和优化效果。此外,在实际应用时也可以考虑引入并发或其他高级特性以提升性能。
培训课件 -安全隐患分类与排查治理.pptx
中国各地级市的海拔标准差数据集提供了298个地级市的海拔变异性信息。海拔标准差是衡量某地区海拔高度分布离散程度的统计指标,它通过计算各测量点海拔与平均海拔之间的差异来得出。这一数据对于评估地形起伏对网络基础设施建设的影响尤为重要,因为地形的起伏度不仅会增加建设成本,还会影响信号质量。此外,由于地形起伏度是自然地理变量,它与经济社会因素关联性较小,因此被用作“宽带中国”试点政策的工具变量,以研究网络基础设施建设对经济的影响。数据集中包含了行政区划代码、地区、所属省份、所属地域、长江经济带、经度、纬度以及海拔标准差等关键指标。这些数据来源于地理空间数据云,并以Excel和dta格式提供,方便研究者进行进一步的分析和研究。
YOLO算法的原理与实现
视网膜病变是糖尿病和高血压的主要微血管并发症。如果不及时治疗,可能会导致失明。据估计,印度三分之一的成年人患有糖尿病或高血压,他们未来患视网膜病变的风险很高。我们研究的目的是检查糖化血红蛋白 (HbA1c)、血压 (BP) 读数和脂质水平与视网膜病变的相关性。我们的主要假设是,血糖控制不佳(表现为高 HbA1c 水平、高血压和异常脂质水平)会导致视网膜病变风险增加。我们使用眼底照相机筛查了 119 名印度患者的视网膜病变,并获取了他们最近的血压、HbA1c 和血脂谱值。然后,我们应用 XGBoost 机器学习算法根据他们的实验室值预测是否存在视网膜病变。我们能够根据这些关键生物标志物高精度地预测视网膜病变。此外,使用 Shapely Additive Explanations (SHAP),我们确定了对模型最重要的两个特征,即年龄和 HbA1c。这表明血糖控制不佳的老年患者更有可能出现视网膜病变。因此,这些高风险人群可以成为早期筛查和干预计划的目标,以防止视网膜病变发展为失明。
在强化学习(RL)领域,如何稳定地优化策略是一个核心挑战。2015 年,由 John Schulman 等人提出的信赖域策略优化(Trust Region Policy Optimization, TRPO)算法为这一问题提供了优雅的解决方案。TRPO 通过限制策略更新的幅度,避免了策略更新过大导致的不稳定问题,是强化学习中经典的策略优化方法之一。
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。
这组数据涵盖了1999至2020年间中国各地区普通小学毕业生的数量。它为我们提供了一个深入了解中国教育领域中普通小学阶段教育水平和教育资源分配情况的窗口。通过分析这些数据,可以为制定科学合理的教育政策提供依据,同时,通过比较不同城市的普通小学毕业生数,也能为城市规划和劳动力市场调查提供参考。数据来源于中国区域统计年鉴和中国各省市统计年鉴,包含了8472个样本,以面板数据的形式呈现。这些数据对于掌握中国教育态势具有重要的参考价值。
原生js制作拖拽排列排序代码.zip
PixPin截图工具,非常好用的一款截图工具