TiledLayer常用的方法都哪些，大概功能是什么？
触摸屏开发，用低级界面做好看点的UI，怎样设计可以方便响应pointerPressed？
高手请支我两招。
-
等级
本版专家分：1931结帖率 100% -
TiledLayer 对低级界面的布局是不是很有用？
TiledLayer常用的方法都哪些，大概功能是什么？
触摸屏开发，用低级界面做好看点的UI，怎样设计可以方便响应pointerPressed？
高手请支我两招。展开阅读全文
-
等级
本版专家分：1820
-
呵呵，关注中……
-
等级
本版专家分：3248 -
TiledLayer查API啊
低级界面做好看点的UI，自己画啊,美工帮忙啊!
怎样设计可以方便响应pointerPressed
-------------------------------
设计一个类啊,存放UI的坐标和值
public class Map {
public int startX=0;//开始x位子
public int endX=0;//结束x位子
public int startY=0;
public int endY=0;
public int value=0;
}
每次页面跳转就把所有UI的值放进public static Vector mapVector= new Vector();
然后在pointerPressed里面开始找
public int getSelectMapValue(int screenX,int screenY)
{
int tempSelectValue=-1;
Map tempMap=new Map();
int tempStartX=0;
int tempStartY=0;
int tempEndX=0;
int tempEndY=0;
boolean tempState=true;
if(mapVector.isEmpty()!=true)
{
tempState=true;
for(int i=0;i<mapVector.size()&&tempState==true;i++)
{
tempMap=(Map)mapVector.elementAt(i);
tempStartX=tempMap.startX;
tempStartY=tempMap.startY;
tempEndX=tempMap.endX;
tempEndY=tempMap.endY;
if(screenX>=tempStartX&&screenX<=tempEndX
&&screenY>=tempStartY&&screenY<=tempEndY)
{
tempSelectValue=i;
tempState=false;
}
}
}
return tempSelectValue;//没有找到返回-1,找到就返回你设置的值
}
这是我自己用的方法,有点笨,呵呵不知道有没有更好的方法!
-
等级
本版专家分：3248
-
貌似回答过你一次吧,这次够详细了吧,汗一个!
-
等级
本版专家分：1931
-
哈哈，貌似亲人啊！
-
等级
本版专家分：3248
-
貌似亲人不厚道,才给我1半的分~!~呵呵
- Android坦克大战游戏设计解析八篇及代码下载
Layer类，该类为一抽象类，提供了游戏人物及背景的层次的基本构架，它代表了游戏场景中一个可视化的元素，如游戏人物(Sprite)或是分片背景(TiledLayer). Sprite类，为一个基本动画游戏人物，它可以显示多个动画帧中...
- 从零开始Android游戏编程（第二版） 第八章 地图的设计和实现
第八章 地图的设计和实现 这本来是第十章，前面计划还有两章的内容，一是跟第四章一样，完成一个Asteroid游戏作为小结，总结一下前面讲过的Sprite的用法，并演示NPC和子弹的处理方法。但是，在写第七章的最后一个...
- MIDP2.0 Game API简介
MIDP 2.0 为移动开发者带来几项新特性，比如支持媒体、更好的用户界面、新的连通协议、enabled push、空中下载和更好的安全性。然而一个最让人感兴趣的新特性就是GAME API。这篇文章重点介绍GAME API里的新类和它们...
- j2me_游戏开发－背景篇：TiledLayer
在Ｊ２ＭＥ中背景是个...其主要常用的函数有：构造函数：TiledLayer(int column,int row,Image img,int width,int height); //不清楚他为什么把列数放在前面呢？可能是开发时要以分列的原因吧设置单元格内容setCel
- J2ME API查询手册之javax.microedition.lcdui.game包
闲暇之余自己总结了一下J2ME API中MIDP2.0新添加的game包里的类以及方法，鉴于本人尚属菜鸟则个，可能会有一些解释错误和不足，希望大家给予指正，谢谢：）包：javax.microedition.lcdui.game.*类：GameCanvas ...
- [译]使用Game API创建2D动作游戏（二）
(接上文) 游戏场景就像洋葱头 典型的2D动作游戏包括一个背景和一些活动的人物.尽管你可以自己来画这样的场景,但Game API能让你用layers 来创建场景. 你可以用一个layer来做城市的背景,另一个来做一辆汽车....
- J2ME游戏API简介
游戏API包提供了一系列针对无线设备的游戏开发类。由于无线设备仅有有限的计算能力，因此许多API的目的在于提高Java游戏的性能，并且把原来很多需要手动编写的代码如屏幕双缓冲、图像剪裁等都交给API间接调用本地...
- J2ME游戏源代码—Eliminator Demo
Eliminator是我翻译的《J2ME游戏开发》中的实例，这里给出它的Demo版本，没有什么游戏性，但是演示了基于MIDP2.0的手机游戏开发中，游戏的基本框架。其可执行文件如下： 附件 Eliminator-没有敌人的版本（可执行...
- Android坦克大战游戏设计解析二
大大方便了程序员在移动平台上开发复杂游戏。一般的游戏可以分为游戏人物及背景，可以将游戏场景分成多个层次。在Java ME Game API中提供了几个类。 Layer类，该类为一抽象类，提供了游戏人物及背景的层次的基本...
- ArcGIS for iOS 开发系列(3) – 基础篇-“Hello World Map”
搞定了环境配置，我们赶快开始ArcGIS for iOS开发吧，按惯例首先创建一个“Hello World Map”程序，使用在上一节中我们新建好的项目。 第一步：配置界面。 找到“ViewController_iPhone/iPad.xib”...
- j2me试题
J2ME试题（答案系我自己做的，不保证百分百正确，只作参考。。。）1.关于线程下面描述错误的是:( D )A. 如果线程处于死亡状态，则它不是Runnable线程B. 线程可以将控制权交给较低优先级的线程C....
- 一个基于TiledLayer实现的滚屏代码
代码地址：http://www.freewebs.com/cqucyf/j2me/ScrollScreen.rar实现了三种方式：1、移动坐标——move方法实现2、重新填充地图数据——单元格移动3、组合以上两种方式实现。
- Android坦克大战游戏设计解析五
TiledLayer实现了由小的图形（称为tile)拼接成大的背景，坦克大战游戏的背景是由砖块，石块，树林，水面，雪地等小的图片拼接而成。TiledLayer可以很容易的实现这种类型的背景，包括水面波汶的动态效果。 下面的...
- KJAVA MIDP 2.0: The Game API快速入门
MIDP 2.0: The Game APIby Mikko Kontio-01/09/2003 翻译：bolowMIDP 2.0为 移动设备提供了众多新的特性，主要表现在媒体的支持，增强的Ui接口，更多的网络协议，OTA以及安全性等方面。然而最让我们感兴趣的是游戏...
- Failed to load resource: net::ERR_CONNECTION_TIMED_OUT
http://59.108.92.220:8080/crossdomain.xml var mapServerUrl = ...//全国地图服务地址 可以正常访问到，但地图没有出来 MapFrame/Scripts/MapO
- IOS GPS定位
Apple系列的移动设备定位位置有两种方式，一是使用ArcGIS API for iOS中MapView中的GPS对象来获取当前位置；二是通过iPhone SDK中的CLLocationManager来获取。前者在获取当前位置的时候会受到设备的限制，如iPod ...
- 【J2me 2D 游戏开发系列】◣Himi游戏开发启蒙教程◢Java零基础学习J2me游戏开发全过程!
本站文章均为 李华明Himi 原创,转载务必在明显处注明：转载自【黑米GameDev街区】 原文链接...Himi从写博客的最早开始就是Android游戏开发相关的，其实那么很多童鞋也知道Himi是做Java-J2me/Kjava出身，所以不少童鞋
- 本人编写的《J2ME开发精解》已经由电子工业出版社出版
J2ME开发网站长詹建飞编写的《J2ME开发精解》一书已经陆续在各个书店和网上书店上架，本书由电子工业出版社出版，SUN中国技术社区推荐java用书。目录如下：J2ME开发精解詹建飞 编著2006年1月出版ISBN 7-121-02210-...
- android目录结构
Android系统原理及开发要点详解第1章 Android系统概述 第2章 Android系统开发综述 第3章 Android的Linux内核与驱动程序 第4章 Android的底层库和程序 第5章 Android的Java虚拟机和Java环境 第6章 Android的GUI...
- 多源在线与离线数据读取之四（Android移动端开发读取四川地理信息中心切片底图）
本系列专题本来上次想一次性写完，无奈工作太忙，上月就中断了一个月，这个月补上两篇，在此对各位表示抱歉。 本实例主要是针对四川地理信息中心的切片，如果利用ArcGIS for Android API进行解析，并读入作用底...
- Java初级从入门到精通
课程分为：J2SE 基础阶段，中级阶段，阶段; 课间会讲解一些小程序的开发：如：猜拳游戏,模拟银行柜员机程序，退休金结算程序等.
- 科研伦理与学术规范 期末考试2 （40题）.pdf
科研伦理与学术规范 期末考试2 （40题）
- 奥特曼大全及关系明细.pdf
此文档有详细奥特曼大全及关系明细
- 手把手做安卓应用开发
安豆是一个想学Android应用开发的小白，于是它找到自己的邻居－程序员大牛－熊哥帮忙。熊哥手把手带着安豆搭建程序的开发环境，实现应用的功能，美化应用界面，让安豆终于开发出了自己的第一个安卓应用－计算器。 学习的过程中，两个伙伴有问有答，学习的过程生动有趣。你一定不会睡着。 让从没有接触过安卓开发并且什么都不会的小白，变成一个能够开发出简单的计算器应用的菜鸟。 让小白对安卓开发有个整体的认识，初步形成安卓开发的概念，掌握安卓开发最最基础的知识。
- matlab神经网络30个案例分析
【目录】- MATLAB神经网络30个案例分析(开发实例系列图书) 第1章 BP神经网络的数据分类——语音特征信号分类1 本案例选取了民歌、古筝、摇滚和流行四类不同音乐，用BP神经网络实现对这四类音乐的有效分类。 第2章 BP神经网络的非线性系统建模——非线性函数拟合11 本章拟合的非线性函数为y=x21+x22。 第3章 遗传算法优化BP神经网络——非线性函数拟合21 根据遗传算法和BP神经网络理论，在MATLAB软件中编程实现基于遗传算法优化的BP神经网络非线性系统拟合算法。 第4章 神经网络遗传算法函数极值寻优——非线性函数极值寻优36 对于未知的非线性函数，仅通过函数的输入输出数据难以准确寻找函数极值。这类问题可以通过神经网络结合遗传算法求解，利用神经网络的非线性拟合能力和遗传算法的非线性寻优能力寻找函数极值。 第5章 基于BP_Adaboost的强分类器设计——公司财务预警建模45 BP_Adaboost模型即把BP神经网络作为弱分类器，反复训练BP神经网络预测样本输出，通过Adaboost算法得到多个BP神经网络弱分类器组成的强分类器。 第6章 PID神经元网络解耦控制算法——多变量系统控制54 根据PID神经元网络控制器原理，在MATLAB中编程实现PID神经元网络控制多变量耦合系统。 第7章 RBF网络的回归——非线性函数回归的实现65 本例用RBF网络拟合未知函数，预先设定一个非线性函数，如式y=20+x21-10cos（2πx1）+x22-10cos（2πx2）所示，假定函数解析式不清楚的情况下，随机产生x1,x2和由这两个变量按上式得出的y。将x1,x2作为RBF网络的输入数据，将y作为RBF网络的输出数据，分别建立近似和精确RBF网络进行回归分析，并评价网络拟合效果。 第8章 GRNN的数据预测——基于广义回归神经网络的货运量预测73 根据货运量影响因素的分析，分别取国内生产总值（GDP），工业总产值，铁路运输线路长度，复线里程比重，公路运输线路长度，等级公路比重，铁路货车数量和民用载货汽车数量8项指标因素作为网络输入，以货运总量，铁路货运量和公路货运量3项指标因素作为网络输出，构建GRNN，由于训练数据较少，采取交叉验证方法训练GRNN神经网络，并用循环找出最佳的SPREAD。 第9章 离散Hopfield神经网络的联想记忆——数字识别81 根据Hopfield神经网络相关知识，设计一个具有联想记忆功能的离散型Hopfield神经网络。要求该网络可以正确地识别0~9这10个数字，当数字被一定的噪声干扰后，仍具有较好的识别效果。 第10章 离散Hopfield神经网络的分类——高校科研能力评价90 某机构对20所高校的科研能力进行了调研和评价，试根据调研结果中较为重要的11个评价指标的数据，并结合离散Hopfield神经网络的联想记忆能力，建立离散Hopfield高校科研能力评价模型。 第11章 连续Hopfield神经网络的优化——旅行商问题优化计算100 现对于一个城市数量为10的TSP问题，要求设计一个可以对其进行组合优化的连续型Hopfield神经网络模型，利用该模型可以快速地找到最优（或近似最优）的一条路线。 第12章 SVM的数据分类预测——意大利葡萄酒种类识别112 将这178个样本的50%做为训练集,另50%做为测试集,用训练集对SVM进行训练可以得到分类模型,再用得到的模型对测试集进行类别标签预测。 第13章 SVM的参数优化——如何更好的提升分类器的性能122 本章要解决的问题就是仅仅利用训练集找到分类的最佳参数，不但能够高准确率的预测训练集而且要合理的预测测试集，使得测试集的分类准确率也维持在一个较高水平，即使得得到的SVM分类器的学习能力和推广能力保持一个平衡，避免过学习和欠学习状况发生。 第14章 SVM的回归预测分析——上证指数开盘指数预测133 对上证指数从1990.12.20-2009.08.19每日的开盘数进行回归分析。 第15章 SVM的信息粒化时序回归预测——上证指数开盘指数变化趋势和变化空间预测141 在这个案例里面我们将利用SVM对进行模糊信息粒化后的上证每日的开盘指数进行变化趋势和变化空间的预测。 若您对此书内容有任何疑问，可以凭在线交流卡登录中文论坛与作者交流。 第16章 自组织竞争网络在模式分类中的应用——患者癌症发病预测153 本案例中给出了一个含有60个个体基因表达水平的样本。每个样本中测量了114个基因特征，其中前20个样本是癌症病人的基因表达水平的样本(其中还可能有子类), 中间的20个样本是正常人的基因表达信息样本, 余下的20个样本是待检测的样本(未知它们是否正常)。以下将设法找出癌症与正常样本在基因表达水平上的区别，建立竞争网络模型去预测待检测样本是癌症还是正常样本。 第17章SOM神经网络的数据分类——柴油机故障诊断159 本案例中给出了一个含有8个故障样本的数据集。每个故障样本中有8个特征，分别是前面提及过的：最大压力(P1)、次最大压力(P2)、波形幅度(P3)、上升沿宽度(P4)、波形宽度(P5)、最大余波的宽度(P6)、波形的面积(P7)、起喷压力(P8)，使用SOM网络进行故障诊断。 第18章Elman神经网络的数据预测——电力负荷预测模型研究170 根据负荷的历史数据，选定反馈神经网络的输入、输出节点，来反映电力系统负荷运行的内在规律，从而达到预测未来时段负荷的目的。 第19章 概率神经网络的分类预测——基于PNN的变压器故障诊断176 本案例在对油中溶解气体分析法进行深入分析后，以改良三比值法为基础，建立基于概率神经网络的故障诊断模型。 第20章 神经网络变量筛选——基于BP的神经网络变量筛选183 本例将结合BP神经网络应用平均影响值（MIV，Mean Impact Value）方法来说明如何使用神经网络来筛选变量，找到对结果有较大影响的输入项，继而实现使用神经网络进行变量筛选。 第21章 LVQ神经网络的分类——乳腺肿瘤诊断188 威斯康星大学医学院经过多年的收集和整理，建立了一个乳腺肿瘤病灶组织的细胞核显微图像数据库。数据库中包含了细胞核图像的10个量化特征（细胞核半径、质地、周长、面积、光滑性、紧密度、凹陷度、凹陷点数、对称度、断裂度），这些特征与肿瘤的性质有密切的关系。因此，需要建立一个确定的模型来描述数据库中各个量化特征与肿瘤性质的关系，从而可以根据细胞核显微图像的量化特征诊断乳腺肿瘤是良性还是恶性。 第22章 LVQ神经网络的预测——人脸朝向识别198 现采集到一组人脸朝向不同角度时的图像，图像来自不同的10个人，每人5幅图像，人脸的朝向分别为：左方、左前方、前方、右前方和右方。试创建一个LVQ神经网络，对任意给出的人脸图像进行朝向预测和识别。 第23章 小波神经网络的时间序列预测——短时交通流量预测208 根据小波神经网络原理在MATLAB环境中编程实现基于小波神经网络的短时交通流量预测。 第24章 模糊神经网络的预测算法——嘉陵江水质评价218 根据模糊神经网络原理，在MATLAB中编程实现基于模糊神经网络的水质评价算法。 第25章 广义神经网络的聚类算法——网络入侵聚类229 模糊聚类虽然能够对数据聚类挖掘，但是由于网络入侵特征数据维数较多，不同入侵类别间的数据差别较小，不少入侵模式不能被准确分类。本案例采用结合模糊聚类和广义神经网络回归的聚类算法对入侵数据进行分类。 第26章 粒子群优化算法的寻优算法——非线性函数极值寻优236 根据PSO算法原理，在MATLAB中编程实现基于PSO算法的函数极值寻优算法。 第27章 遗传算法优化计算——建模自变量降维243 在第21章中，建立模型时选用的每个样本（即病例）数据包括10个量化特征（细胞核半径、质地、周长、面积、光滑性、紧密度、凹陷度、凹陷点数、对称度、断裂度）的平均值、10个量化特征的标准差和10个量化特征的最坏值（各特征的3个最大数据的平均值）共30个数据。明显，这30个输入自变量相互之间存在一定的关系，并非相互独立的，因此，为了缩短建模时间、提高建模精度，有必要将30个输入自变量中起主要影响因素的自变量筛选出来参与最终的建模。 第28章 基于灰色神经网络的预测算法研究——订单需求预测258 根据灰色神经网络原理，在MATLAB中编程实现基于灰色神经网络的订单需求预测。 第29章 基于Kohonen网络的聚类算法——网络入侵聚类268 根据Kohonen网络原理，在MATLAB软件中编程实现基于Kohonen网络的网络入侵分类算法。 第30章 神经网络GUI的实现——基于GUI的神经网络拟合、模式识别、聚类277 为了便于使用MATLAB编程的新用户，快速地利用神经网络解决实际问题，MATLAB提供了一个基于神经网络工具箱的图形用户界面。考虑到图形用户界面带来的方便和神经网络在数据拟合、模式识别、聚类各个领域的应用，MATLAB R2009a提供了三种神经网络拟合工具箱（拟合工具箱/模式识别工具箱/聚类工具箱）。