50分怎么默认已点击

linjieshengcun 2005-04-30 11:34:47
<td width="100%" bgcolor="#0099CC" class="HLButton" style="cursor:hand" onmousedown="window.event.cancelBubble=true;" onclick="maxLeft()" onmouseover="this.className='mov';" onMouseOut="this.className='HLButton';"><strong><font size="2" id="arrow">></font></strong></td>


function maxLeft(){
if(isclose!="1"){
document.all.leftTD.style.width = "0"
document.all.leftTD.style.display="none"
isclose = "1"
document.all.arrow.innerText = ">"
}
else{
document.all.leftTD.style.width = oTable.offsetWidth*0.18
document.all.leftTD.style.display=""
document.all.arrow.innerText = "<"
isclose = "0"
}
}
...全文
71 3 打赏 收藏 转发到动态 举报
写回复
用AI写文章
3 条回复
切换为时间正序
请发表友善的回复…
发表回复
aryou 2005-04-30
  • 打赏
  • 举报
回复
忘了""了

<body onload="maxLeft()">
aryou 2005-04-30
  • 打赏
  • 举报
回复
可以在<body>里做

<body onload=maxLeft()>
leo963258 2005-04-30
  • 打赏
  • 举报
回复
??
内容概要:本文介绍了基于MATLAB实现的PSO-KNN多特征类预测项目,通过将粒子群优化算法(PSO)与K近邻算法(KNN)相结合,解决传统KNN在高维多特征数据类中面临的参数敏感、特征冗余、类精度低等问题。项目采用PSO对KNN的关键参数(如K值和特征权重)进行全局寻优,结合数据预处理、特征加权选择、适应度评估与并行化机制,构建了一个高效、自适应的智能类模型。文中详细阐述了模型架构的各个层级,包括数据预处理、特征加权、参数寻优、粒子群协作策略及类输出,并提供了部MATLAB代码示例,涵盖主成析、粒子初始化、速度更新、交叉验证与结果可视化等关键步骤。; 适合人群:具备一定机器学习基础和MATLAB编程能力,从事数据析、智能算法研究或工程应用的研发人员、高校研究生及科研工作者,尤其适合关注智能优化与类预测融合应用的人员。; 使用场景及目标:①应用于医学诊断、金融风控、工业监测等需要高精度多特征类的领域;②解决KNN算法在高维数据中的参数选择与特征权重优化难题;③提升类模型的自动化程度与泛化能力,减少人工调参成本;④为智能算法集成与实际工程落地提供可复用的技术框架。; 阅读建议:此资源以实际项目为导向,结合理论与代码实现,建议读者在理解算法原理的基础上,运行并调试所提供的MATLAB代码,重点关注PSO寻优过程与KNN类的耦合机制,同时可根据自身数据特点调整适应度函数与参数范围,实现模型迁移与优化。

28,406

社区成员

发帖
与我相关
我的任务
社区描述
ASP即Active Server Pages,是Microsoft公司开发的服务器端脚本环境。
社区管理员
  • ASP
  • 无·法
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告
暂无公告

试试用AI创作助手写篇文章吧