java.lang.SecurityException: No active admin owned by uid 10034 for policy #3
(我是在条件成立时启动这个activity以实现锁屏的目的)
public class tempActivity extends Activity {
private static final String TAG = "tempActivity";
private DevicePolicyManager policyManager;
private ComponentName componentName;
@Override
protected void onCreate(Bundle savedInstanceState) {
super.onCreate(savedInstanceState);
setContentView(R.layout.temp);
Log.e(TAG, "Activity created~");
policyManager = (DevicePolicyManager) getSystemService(Context.DEVICE_POLICY_SERVICE);
componentName = new ComponentName(this, AdminReceiver.class);
mylock();
}
private void mylock() {
boolean active = policyManager.isAdminActive(componentName);
if (!active) { // 若无权限
Log.e(TAG, "没有权限~");
activeManage(); // 去获得权限
policyManager.lockNow(); // 并锁屏
} else {
Log.e(TAG, "已经有权限");
policyManager.lockNow(); // 直接锁屏
}
this.finish();
}
private void activeManage() {
Log.e(TAG, "activeManage");
Intent intent = new Intent(DevicePolicyManager.ACTION_ADD_DEVICE_ADMIN);
intent.putExtra(DevicePolicyManager.EXTRA_DEVICE_ADMIN, componentName);
intent.putExtra(DevicePolicyManager.EXTRA_ADD_EXPLANATION, "developers:liushuaikobe");
startActivityForResult(intent, 1);
}
}相关推荐
产业园区如何提升科技企业技术需求匹配精准度?.docx
科易网基于AI模型+行业大数据,在技术转移、成果转化、技术经纪、知识产权、产业创新、科技招商等垂直领域的多样化应用场景,推出科技创新领域的AI+工具与数智化解决方案,推动科技创新与产业创新智能化发展。
Redis集群部署+Redis 链接地址放入Aollo +c#项目接入Redis
Redis集群部署+Redis 链接地址放入Aollo +c#项目接入Redis
cover_1793582495122.png
cover_1793582495122.png
国央企创新负责人如何高效配置分散的科技创新资源?.docx
科易网基于AI模型+行业大数据,在技术转移、成果转化、技术经纪、知识产权、产业创新、科技招商等垂直领域的多样化应用场景,推出科技创新领域的AI+工具与数智化解决方案,推动科技创新与产业创新智能化发展。
【新能源预测】项目介绍 MATLAB实现基于GWO-VMD-SSA-LSTM灰狼优化算法(GWO)结合变分模态分解(VMD)、麻雀搜索算法(SSA)及长短期记忆网络(LSTM)进行光伏电站超短期功率预
内容概要:本文提出一种结合灰狼优化算法(GWO)、变分模态分解(VMD)、麻雀搜索算法(SSA)和长短期记忆网络(LSTM)的混合模型,用于提升光伏电站超短期功率预测精度。通过GWO优化VMD的关键参数(模态数与惩罚因子),实现对非平稳功率序列的自适应多尺度分解,分离趋势、波动与噪声成分;各模态分量经归一化后,利用SSA优化LSTM网络的超参数(如隐藏单元数、学习率等),提升模型拟合与泛化能力;最后对各模态预测结果重构并评估。模型在MATLAB中实现,包含完整数据清洗、特征构造、参数寻优、训练预测与多指标评价流程,强调工程可维护性与抗数据泄漏能力。; 适合人群:具备一定机器学习与时间序列分析基础,熟悉MATLAB编程,从事新能源预测、智能电网、电力系统调度等相关领域的科研人员与工程技术人员,尤其适合有1-3年项目经验的研发人员; 使用场景及目标:①应对多云、快速辐照变化等复杂天气下的光伏功率剧烈波动,提升超短期(15分钟至4小时)预测精度;②构建可适应不同季节、地域和电站类型的自适应多尺度预测体系;③支撑电网调度、储能协同控制与爬坡事件预警,提升新能源消纳能力与系统稳定性; 阅读建议:此资源以实际MATLAB代码为基础,建议读者结合文中示例逐步复现模型流程,重点关注GWO与SSA在双层优化中的分工、VMD分解的质量控制、时间序列样本构造的防泄漏设计以及多模态预测重构策略,调试过程中注意参数边界设置与随机种子固定,以确保结果可重复。


