如何获取鼠标在屏幕的位置,用window.event.screenY 获取Y轴的位置好象总是不对。

Web 开发 > JavaScript [问题点数:100分,结帖人qq_26891887]
等级
本版专家分:0
结帖率 50%
等级
本版专家分:21711
勋章
Blank
黄花 2013年4月 Web 开发大版内专家分月排行榜第二
Blank
蓝花 2017年12月 Web 开发大版内专家分月排行榜第三
2013年3月 Web 开发大版内专家分月排行榜第三
等级
本版专家分:0
等级
本版专家分:21711
勋章
Blank
黄花 2013年4月 Web 开发大版内专家分月排行榜第二
Blank
蓝花 2017年12月 Web 开发大版内专家分月排行榜第三
2013年3月 Web 开发大版内专家分月排行榜第三
等级
本版专家分:395855
勋章
Blank
签到新秀
Blank
探花 2017年 总版技术专家分年内排行榜第三
Blank
进士 2018年总版新获得的技术专家分排名前十
2013年 总版技术专家分年内排行榜第五
Blank
金牌 2018年5月 总版技术专家分月排行榜第一
2018年4月 总版技术专家分月排行榜第一
2018年2月 总版技术专家分月排行榜第一
2017年8月 总版技术专家分月排行榜第一
qq_26891887

等级:

js 获取鼠标在画布的位置_JS获取鼠标位置(鼠标坐标)

JavaScript 中,当事件发生时,获取鼠标位置是件很重要的事件。由于浏览器的不兼容性,不同浏览器分别各自事件对象中定义了不同的属性,说明如下表所示。这些属性都是以像素值定义了鼠标指针的坐标,但是由于...

window.Event参数详解

原文地址:window.Event参数详解作者:cz0090704 window.evet 说明 event代表事件的状态,例如触发event对象的元素、鼠标位置及状态、按下的键等等。 event对...

javascript中window.event事件用法详解

前两天写程序时因为要用到javascript中的window.event事件,于是就网上搜了一下,终于找到一篇不错的文章,来与大家分享下: 描述 event代表事件的状态,例如触发event对象的元素、鼠标位置及状态、按下的键...

window.event对象详解

event代表事件的状态,例如触发event对象的元素、鼠标位置及状态、按下的键等等。  event对象只事件发生的过程中才有效。  event的某些属性只对特定的事件有意义。比如,fromElement 和 toElement 属性只对 ...

Eventwindow.event

一、event说明:event代表事件的状态,例如触发event对象的元素、鼠标位置及状态、按下的键等等; event对象只事件发生的过程中才有效。 firefox里的event跟IE里的不同,IE里的是全局变量,随时可用;fire...

event事件坐标详解(clientx, offsetx, screenX等)

鼠标事件(e=e||window.eventevent.clientX、event.clientY (相对浏览器窗口) //鼠标相对于浏览器窗口可视区域的X,Y坐标(窗口坐标),可视区域不包括工具栏和滚动条。IE事件和标准事件都定义了这2个属性 ...

window.event对象用法讲解

button:声明被按下的鼠标键,整数,1代表左键,2代表右键,4代表中键,如果按下多个键,就把这些值加起来,所以3就代表左右键同时按下;(firefox中0代表左键,1代表中间键,2代表右键) clientX/clientY:事件发生...

详尽解析window.event对象

event代表事件的状态,例如触发event对象的元素、鼠标位置及状态、按下的键等等。 event对象只事件发生的过程中才有效。 event的某些属性只对特定的事件有意义。比如,fromElement和toElement属性只对...

JS window.event属性小结

event.returnValue[ = Boolean]  可能的值:  true 事件中的值被返回  false 源对象上事件的默认操作被取消  2.keyCode  描述:  检测键盘事件相对应的内码。  这个属性用于 onkeydown, onkeyup, ...

window.event 对象详解

< DOCTYPE ... 描述 event代表事件的状态,例如触发event对象的元素、鼠标位置及状态、按下的键等等。 event对象只事件发生的过程中才有效。 event的某些属性只对特定的事件有意义...

window.event对象详尽解析

event代表事件的状态,例如触发event对象的元素、鼠标位置及状态、按下的键等等。 event对象只事件发生的过程中才有效。 event的某些属性只对特定的事件有意义。比如,fromElement 和 toElement 属性只对 ...

JS中window.event事件使用详解

event代表事件的状态,例如触发event对象的元素、鼠标位置及状态、按下的键等等。 event对象只事件发生的过程中才有效。 event的某些属性只对特定的事件有意义。比如:fromElement和toElement属性只对...

js window.event对象详尽解析

event代表事件的状态,例如触发event对象的元素、鼠标位置及状态、按下的键等等。  event对象只事件发生的过程中才有效。  event的某些属性只对特定的事件有意义。比如,fromElement 和 toElement 属性只对 ...

JavaScript 获取鼠标点击位置坐标

JavaScript 获取鼠标点击位置坐标 pageX、clientX、screenX、offsetX、layerX、x

Event/window.Event属性和方法

一、event说明:event代表事件的状态,例如触发event对象的元素、鼠标位置及状态、按下的键等等;  event对象只事件发生的过程中才有效。  firefox里的event跟IE里的不同,IE里的是全局变量,随时可用;...

js获取屏幕鼠标盒子的距离(e.clientX,e.offsetX,e.pageX,e.screenX)

<!DOCTYPE html> <html> <head> <meta charset="utf-8"> <title></title> <style type="text/css"> *{ margin: 0;... border: 1px solid red.

window.event对象IE与DOM中的异同

window.event对象IE与DOM中的区别 1、window.event IE:有window.event对象 DOM:没有window.event对象。可以通过给函数的参数传递event对象。如onmousemove=domousemove(event) <input type="button" ...

解析window.event对象

描述event代表事件的状态,例如触发event对象的元素、鼠标位置及状态、按下的键等等。event对象只事件发生的过程中才有效。event的某些属性只对特定的事件有意义。比如,fromElement 和 toElement 属性只对 ...

window.event 对象详解 以及鼠标 组合按键的响应事件

描述 event代表事件的状态,例如触发event对象的元素、鼠标位置及状态、按下的键等等。 event对象只事件发生的过程中才有效。 event的某些属性只对特定的事件有意义。比如,fromElement 和...

“互联网+”大学生创新创业大赛项目计划书

填 写 说 明 1.封面上“项目编号”一栏由秘书组编写; 2.项目名称力求简洁、明确,每个项目限报一名负责人; 3.请逐项认真填写; 4.本次大赛必须以团队形式报名参赛,每个团队成员不能少于 3人(包括项目负责人在内); 5.请将撰写完成后的项目计划书按规定时间提交。

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)。

华中科技大学educoder存储系统设计全部通关

华中科技大学educoder存储系统设计全部通关包含四路组和二路组,用了四天做的,查看电路把txt内容复制到circ文件中用logisim打开即可

Microsoft Visual C++ 2015-2019 运行库合集,包含32位64位

Microsoft Visual C++ 2015-2019 运行库合集,32位64位都有,解决缺失dll包问题。

STM32F103C8T6最小系统原理图

STM32F103C8T6最小系统原理图文件,包括电源电路、单片机等 11111111111111111111

计算机图形学基础

该课程是计算机图形领域的基础的课程,包含了计算机图形学的数学原理,例如在计算机图形学中的重要坐的标变换的原理。该课程也是游戏开发、VR/AR等开发的基础课程。在该课程中除了讲授数学原理,还包括了C++实践,实现3D数学类。 该课程的主要内容包括:向量、向量空间、矩阵、矩阵空间、仿射空间、齐次坐标系、仿射变换、刚体变换、四元数等。 掌握游戏编程和计算机图形学的基本数学知识。 掌握线性代数、几何变换、运动学、3D物理和相关数值运算的基本方法。

从零基础开始用Python处理Excel数据.pdf

首先学习Python的基础知识,然后使用Python来控制Excel,做数据处理。 Excel使用者、Python爱好者、数据处理人员、办公人员等 第1章 python基础 1.1 什么是python? 1.2 为什么要学习用Python处理Excel表格? 1.3 手把手教你安装python程序 1.3.1 下载python 1.3.2 安装python 1.3.3 验证是否安装成功 1.4 安装Python集成开发工具PyCharm 1.4.1 下载 1.4.2 安装 1.5 Python的输入与输出

互联网+大赛商业计划书案例(慧淬 国赛金奖).pdf

互联网+创新创业大赛国赛金奖——“慧淬”,商业计划书 互联网+创新创业大赛国赛金奖——“慧淬”,商业计划书

Java系列技术之工具Maven

Java系列技术之必学工具Maven是在JavaWeb入门课程的后续课程,也是以后课程里都要用的实用级工具,所以大家一定要学会,Maven 是目前在生产环境下多框架、多模块整合开发的项目自动化构建工具,是我们学习Java的技术人必须要学会的一个工具, 大型项目开发过程中不可或缺的重要工具。 这里将带着大家了解 Maven 的作用,常用命令,配置依赖,以及依赖的范围、依赖的传递性、依赖的排除、生命周期等重要概念,以及继承、聚合、部署的 Maven 配置。全部配置操作,手把手演示操作,绝对能提升大家的实际操作能力!

matlab教程ppt(完整版).pdf

MATLAB信号处理详解 结合MATLAB最新版本系统地介绍信号处理及现代信号处理或者非平稳信号处理(包括信号处理、阵列信号处理、时频分析及高阶谱分析)的基本理论及在工程应用中的一些基本方法;详细地介绍MATlLAB工具箱函数的用法;最后结合一些应用实例,说明基于MATLAB进行分析与设计的方法。 《MATLAB信号处理》首次将信号处理涉及的各种MATLAB工具箱全面加以说明分析,简明扼要地介绍相关领域的基本概念和基本理论,重在讲述有关基本理论和物理背景,避开繁复的推导和中间过程,结合编程应用介绍工具箱函数的功能及用法,并且通过各种应用实例阐述如何利用MATLAB工具箱来解决工程应用问题。

Python疫情大数据分析之可视化分析、GIS地图及文本挖掘代码(博客前三篇)

该资源是针对这次肺炎疫情写个Python大数据分析系列博客,包括网络爬虫、可视化分析、GIS地图显示、情感分析、舆情分析、主题挖掘、威胁情报溯源、知识图谱、预测预警及AI和NLP应用等。希望该系列线上远程教学对您有所帮助,也希望早点战胜病毒,武汉加油、湖北加油、全国加油。待到疫情结束樱花盛开,这座英雄的城市等你们来。 基础性资源,希望对您有所帮助。 详见内容: [Pyhon疫情大数据分析] 三.新闻信息抓取及词云可视化、文本聚类和LDA主题模型文本挖掘 https://blog.csdn.net/Eastmount/article/details/104698926 [Pyhon疫情大数据分析] 二.PyEcharts绘制全国各地区、某省各城市疫情地图及可视化分析 https://blog.csdn.net/Eastmount/article/details/104437215 [Pyhon疫情大数据分析] 一.腾讯实时数据爬取、Matplotlib和Seaborn可视化分析全国各地区、某省各城市、新增趋势 https://blog.csdn.net/Eastmount/article/details/104298388 --------------------------------------------------------------- By:Eastmount CSDN

相关热词 c# 数组初始化 静态类 c# 气泡 c# 加载activex c# 协议 读取串口 c# 全屏 c#多进程读写文件 c# 挂起 线程 c# mvc 报表 c# 事件注册 c# string 右边