去掉系统菜单后任务栏中的图标和标题不见了?

xyc1120 2006-04-12 05:38:28
我的对话框由于重画标题栏,所以去掉了系统菜单。

但是最小化后任务栏中图标不见了,怎么让它出现呢?

就是如何在没有系统菜单的情况下在任务栏中显示图标?
...全文
266 6 打赏 收藏 转发到动态 举报
写回复
用AI写文章
6 条回复
切换为时间正序
请发表友善的回复…
发表回复
一条晚起的虫 2006-04-30
  • 打赏
  • 举报
回复
SetIcon()
soaroc 2006-04-30
  • 打赏
  • 举报
回复
下面的是我在看孙鑫的视频教材时总结的,供你参考,有什么不对的地方还请指正(在孙鑫的第九课中有详细的介绍怎样改背景)
(1)如果要修改窗口的外观和大小,可以在CMainFrame中的PreCreateWindwo中作修改,此函数带有一个参数(cs),其结构成员与创建窗口时的参数一样,因此可以对应该自己想要改变的参数,由于此参数的传递是以引用的形式,因此改变之后就可以显示出来。

(2) 上面的方法是在窗口创建之前修改窗口的属性,也可以在窗口创建之后来修改窗口的属性,这是需要调用函数SetWindowLong来设置。此函数不限制与改变窗口的外观属性,也可以重新设置其消息响应函数和ID号,等等。可以通过函数GetWindowLong来获取窗口的属性。

(3) 由于窗口的鼠标,图标等属性是在创建窗口类型和注册窗口类型的时候指定的。不同于Win32编程,它是由MFC内部实现的,我们不应该去改变实现的代码,但是我们可以在窗口创建之前,自己来创建一个窗口类型并注册它,从而屏蔽掉MFC的内部实现。与Win32中的一样,我们需要设置窗口类型的每一个属性。其中的应用程序的实例句柄hInstance可以通过一个全局函数AfxGetInstanceHandle来获得。对于窗口过程函数,当不需要改变时,可以设置为系统缺省的::DefWindowProc,由于菜单的创建是在之后的InitialInstance函数中通过关联菜单资源创建的。因此,在此设置为NULL并没有什么影响。在最后注册完窗口之后,还需要通过将窗口的类型(style)设置成为我们自己创建的窗口类型名称才能够生效。(注意:以上的一些操作都需要在CMainFrame的PreCreateWindow函数中完成),由于窗口的背景和窗口的鼠标都是属于View类的,而窗口的图标是属于框架类的。因此,以上的步骤只能够改变窗口的图标(以上步骤是在框类中实现的),而不能够改变窗口的背景和鼠标图形,这需要在View类的PreCreateWindow中再注册一次我们刚刚创建的窗口类型。

4) 另外的一种很方便的方法是使用全局函数AfxRegisterWndClass,他返回的是一个窗口类型的名称,将其赋值给cs的lpszClass变量即可。注意:此函数同上面的一样,要在MainFrame和View的PreCreateWindow函数中使用。并且由于相同的原因,应该在MainFrame中改窗口的风格和图标,而在View中改变鼠标的形状和窗口的背景颜色。

(5) 除此之外,我们也可以在窗口创建完毕之后来改变窗口的外观。可以在MainFrame和View中的OnCreate函数中调用函数SetClassLong
同上面一样,不同资源的修改应该在不同的文件的OnCreate中实现。
keke560 2006-04-29
  • 打赏
  • 举报
回复
在对话框上打开属性对话框,重新选上“System Menu”和“Title Bar”风格。然后在对话框的OnInitDialog()中添加:

ModifyStyle(WS_CAPTION,WS_MINIMIZEBOX,SWP_DRAWFRAME);
zh57184440 2006-04-13
  • 打赏
  • 举报
回复
关注!
xyc1120 2006-04-12
  • 打赏
  • 举报
回复
是没有图标,不是没有标题啊!
LeadenSky2008 2006-04-12
  • 打赏
  • 举报
回复
OnInitDialog里SetWindowText("xxxx");
内容概要:本文提出一种基于鱼鹰优化算法(OOA)优化的CNN-BiGUR-Attention混合模型,用于提升短期风电功率预测的精度与稳定性,采用Matlab实现代码仿真。该模型融合卷积神经网络(CNN)提取输入数据的局部空间特征,利用双向门控循环单元(BiGUR)捕捉风速、功率等时间序列的前后向动态依赖关系,并引入注意力机制自适应强化关键时间步的特征权重,从而增强模型对非平稳风电数据的表征能力;进一步,采用OOA算法对模型超参数进行全局寻优,有效提升模型收敛速度与泛化性能。研究基于实际风电场历史数据开展实验验证,结果表明,该方法相较传统模型在预测精度、鲁棒性和误差抑制方面表现更优,适用于高比例可再生能源接入背景下的电力系统调度需求。; 适合人群:从事新能源发电预测、电力系统优化调度、智能算法与深度学习融合应用等方向的科研人员及工程技术人员,尤其适合具备Matlab编程能力、熟悉时间序列建模与深度学习框架的研究者。; 使用场景及目标:①实现风电场短期功率高精度预测,支撑电网安全稳定调度与能量管理;②为深度学习模型结构设计与智能优化算法联合调参提供实践范例;③推动人工智能技术在可再生能源预测、智能电网运行等领域的落地应用。; 阅读建议:建议结合提供的Matlab代码深入理解CNN-BiGUR-Attention网络架构搭建、注意力机制实现方式及OOA优化流程,重点关注数据预处理、模型训练与参数调优细节,可通过替换不同风电数据集进行对比实验,进一步掌握模型迁移能力与适应性。

15,976

社区成员

发帖
与我相关
我的任务
社区描述
VC/MFC 界面
社区管理员
  • 界面
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