照抄书上一段代码 2 个错!!!!!
import java.awt.event.*;
class box extends Frame
implements ItemListener
{
Checkbox b1,b2,b3,b4;
TextField tf;
box(String t)
{
super(t);
setLayout(new FlowLayout());
b1=new Checkbox("A",false);
b2=new Checkbox("B",false);
b3=new Checkbox("C",false);
b4=new Checkbox("D",false);
add(b1); add(b2); add(b3); add(b4);
b1.addItemListener(this);
b2.addItemListener(this);
b3.addItemListener(this);
b4.addItemListener(this);
tf=new TextField(20);
add(tf);
setSize(40,100);
}
public void itemStateChanged(ItemEvent event)
{
tf.setText("Checkbox "+event.getItemSelectable().getLabel());
}
addWindowListener(new WindowAdapter(){
public void windowClosing(WindowEvent e){ System.exit(0);}
});
public static void main(String args[])
{
box m=new box("box");
m.show();
}
}
相关推荐
MIMO-OFDM MATLAB实操指南:从源代码调试到工程部署
MIMO-OFDM是5G及后5G物理层核心技术,其本质是通过多天线空间复用与正交频分复用协同提升频谱效率。实现原理涉及信道建模、时频同步、预编码与检测算法等多层耦合,技术价值在于平衡容量增益与实现复杂度。典型应用场景包括小基站原型验证、课程设计仿真、IEEE级论文复现及FPGA/C代码落地。然而,从理论公式到可运行的MATLAB源代码存在关键断层:信道相关性缺失、CP长度失配、检测复杂度误估等问题常导致BER曲线异常或结果不可复现。本文聚焦MIMO-OFDM在MATLAB环境下的工程化落地,系统解析源代码调
Excel VBA实战指南:从368个典型实例快速掌握办公自动化技巧
Excel VBA作为办公自动化的核心工具,其语法结构并不复杂,真正的门槛在于如何理解对象模型并将业务需求转化为高效代码。很多初学者习惯从语法书啃起,却忽略了实例驱动学习的重要性——通过大量真实场景的代码示例,反而能更快掌握单元格操作、数据处理、自动化交互等核心技能。本内容从数据处理、批量操作、交互界面等高频需求切入,详解字典去重、Word模板批量填充、多条件筛选等典型案例,帮助读者建立“问题→代码→优化”的完整思维链路。无论是Excel还是WPS VBA环境,通过实例学习都能有效提升宏开发效率,解决实际工
STM32F4 彩屏显示入门实验,含屏幕驱动和例程,新手可照着跑
这是我整理的 STM32F4 入门实验工程。里面有 TFT 彩屏显示驱动,还配了面包板上的 LED、按键这些基础外设,接线图也写了。刚开始学单片机的同学照着接就能亮屏,不用到处找例程。代码注释比较全,改参数就能换成自己的项目
Delphi 13.2控件之DBX-0.6.26-x64-setup.exe.zip
Delphi 13.2控件之DBX_0.6.26_x64-setup.exe.zip
基于神经网络与ANFIS的自适应MPC车辆轨迹跟踪仿真研究(Matlab代码、Simulink仿真实现)
内容概要:本研究聚焦于基于神经网络与自适应神经模糊推理系统(ANFIS)优化的模型预测控制(MPC),实现对无人驾驶车辆轨迹的高精度跟踪。通过Matlab/Simulink搭建完整的车辆动力学模型与控制系统仿真环境,综合运用神经网络强大的非线性拟合能力与ANFIS的模糊逻辑推理优势,对传统MPC的预测模型或权重参数进行在线自适应调整,有效应对车辆系统在不同工况下的参数不确定性、外部干扰及强非线性问题。研究涵盖了从理论建模、算法设计到仿真验证的全过程,旨在提升MPC控制器在复杂动态环境下的鲁棒性和控制精度,确保车辆能够精确地沿预设轨迹(如双移线)行驶。; 适合人群:具备车辆动力学、自动控制原理和Matlab/Simulink仿真基础的研究生、科研人员及自动驾驶领域的算法工程师。; 使用场景及目标:① 研究和开发高级自动驾驶车辆的横向与纵向协同控制策略;② 解决传统MPC在面对模型失配和未知扰动时性能下降的问题,提升轨迹跟踪的鲁棒性;③ 为相关领域的学术研究(如硕士论文复现)和工程实践提供可复用的仿真代码和技术路线。; 阅读建议:学习者应重点关注神经网络与ANFIS是如何与MPC框架相结合的,理解其自适应机制的设计原理,并动手运行提供的Matlab代码和Simulink模型,通过调整参数和工况来观察控制效果的变化,从而深入掌握该复合控制策略的核心思想与实现细节。


Java SE
