社区
界面
帖子详情
偶觉得挺难的一个右键菜单的问题,有兴趣的请看看
unicode
2006-06-04 01:28:34
有一个函数OnRButtonDown,用于弹出右键菜单,现在的问题是,在该函数调用还没有结束前,有什么简单的方法能判断用户有没有执行右键菜单里的功能?谢谢
...全文
308
13
打赏
收藏
偶觉得挺难的一个右键菜单的问题,有兴趣的请看看
有一个函数OnRButtonDown,用于弹出右键菜单,现在的问题是,在该函数调用还没有结束前,有什么简单的方法能判断用户有没有执行右键菜单里的功能?谢谢
复制链接
扫一扫
分享
转发到动态
举报
写回复
配置赞助广告
用AI写文章
13 条
回复
切换为时间正序
请发表友善的回复…
发表回复
打赏红包
unicode
2006-06-06
打赏
举报
回复
to striking(硬撑者) :多谢了
目前我就是这样来调用的,不过我的消息流程很复杂,还是有点问题。
but anyway, thanks a lot.
striking
2006-06-05
打赏
举报
回复
unicode(衣不如新,人不如故)
你要根据返回值,判断返回的是菜单的哪个id, 然后相应调用函数。
如 CMenu * pSubmenu = menu.GetSubMenu(0);
int nRet = pSubmenu->TrackPopupMenu(TPM_LEFTALIGN|TPM_RIGHTBUTTON|TPM_RETURNCMD,
point.x,point.y, this);
switch(nRet)
{
case ID_MENU1:
OnMenu1();
break;
default:
break;
}
miladuo
2006-06-05
打赏
举报
回复
设置一变量,执行过就将变量改变,在执行前判断该变量。
vcPlayer
2006-06-05
打赏
举报
回复
我观LZ的意思好像是一个菜单响应的问题啊!何不在MFC中直接映射消息就得了?非得搞一个“二传手”不可么?
ID of "Add" in pop-up-menu: POPMENU_ADD
In your application's framework, select "Class wizard"->"Message Map" page, choose
which class would translate the message, select POPMENU_ADD, double-
click "COMMAND", this will add OnPopmenuAdd() function in the class which you just
selected, put your code in this function.
unicode
2006-06-05
打赏
举报
回复
to striking(硬撑者):
加了参数TPM_RETURNCMD后,就不执行菜单功能了
striking
2006-06-04
打赏
举报
回复
If you specify TPM_RETURNCMD in the uFlags parameter, the return value is the menu-item identifier of the item that the user selected. If the user cancels the menu without making a selection, or if an error occurs, then the return value is zero.
striking
2006-06-04
打赏
举报
回复
弹出参数加上TPM_RETURNCMD, 如
CMenu * pSubmenu = menu.GetSubMenu(0);
int nRet = pSubmenu->TrackPopupMenu(TPM_LEFTALIGN|TPM_RIGHTBUTTON|TPM_RETURNCMD,
point.x,point.y, this);
根据nRet判断是否有点击菜单,如果有点击菜单, nRet返回菜单的ID值
unicode
2006-06-04
打赏
举报
回复
楼上的理解错了,这个变量要求在进行功能函数前设好,如
CSampleView::OnRButtonDown()
{
.....
pMenu->TrackPopupMenu();
if( 用户点击执行了功能Add())
m_bFlag = true;
else
m_bFlag = false;
''''
}
CSampleView::Add()
{
if( m_bFlag)
.....
else
......
}
gudulyn
2006-06-04
打赏
举报
回复
定义一个标记
BOOL flag;
在菜单选项功能函数中:
flag = TRUE;
OnRButtonDown中在菜单没有弹出的地方flag = FALSE;
函数结束时判断flag 就可以了。
最简单的逻辑了。
superhero162
2006-06-04
打赏
举报
回复
用一个变量记录操作右键菜单的状态
unicode
2006-06-04
打赏
举报
回复
请问syy64(太平洋) ( ) 信誉:145 :
该怎么判断?我在OnRButtonDown里设置了一个变量,该变量会根据有没有执行菜单功能来相应设置,并且要在执行前设置好
syy64
2006-06-04
打赏
举报
回复
加一个BOOL类的变量判断就行。
lyl_rabbit
2006-06-04
打赏
举报
回复
弹出菜单后,程序会自动向下执行,与点击菜单并响应是两回事
螺旋千斤顶作业任务书(此份不含图纸).rar
螺旋千斤顶作业任务书(此份不含图纸).rar
KSHZ.rar
CAD缺少相关字体时,图纸中的文字会出现缺失或乱码。下载所需字体并复制到 AutoCAD 的 Fonts 文件夹后,即可正常显示。
等保主机安全基线合规配置指导windows系统.pdf
代码下载地址: https://pan.quark.cn/s/3f3d88060e9a 一、身份验证措施组1.1 密码措施1.2 账户措施1.3 自动登录验证二、访问权限控制组2.1 账户验证2.2 资源共享验证三、安全审计措施组验证3.1 安全审计措施四、遗留信息保护措施组验证4.1 关机验证4.2 登录验证五、入侵防御验证5.1 Windows系统防火墙5.2 自动系统更新5.3 非必要服务管理5.4 防止暴力密码破解5.5 永恒之蓝漏洞验证六、恶意软件防护6.1 防范恶意软件
阶梯碳下考虑 P2G-CCS 与供需灵活响应的 IES 优化调度(Matlab代码实现)
内容概要:本文围绕“阶梯碳下考虑P2G-CCS与供需灵活响应的IES优化调度”展开,基于Matlab平台构建综合能源系统(IES)在阶梯式碳交易机制下的优化调度模型。研究深度融合电制气(P2G)与碳捕集、利用与封存(CCS)技术,结合需求侧灵活响应机制,旨在提升系统的低碳运行能力与经济性。通过建立多能流耦合的优化模型,协调电力、天然气、热力等多种能源形式的协同调度,有效降低系统碳排放强度,并借助YALIMIP工具包调用求解器进行高效求解。文档提供了完整的代码实现、模型构建流程与结果分析方法,涵盖从
问题
建模到仿真实现的全过程,具备较强的可复现性与科研参考价值。; 适合人群:具备电力系统、能源系统或优化建模相关背景的研究生、高校教师及工程技术人员,尤其适合从事综合能源系统、碳减排策略、P2G与CCS技术集成研究的专业人员,需熟练掌握Matlab编程与基本的数学规划知识。; 使用场景及目标:①用于研究阶梯式碳交易政策下综合能源系统的低碳经济调度策略;②支撑P2G-CCS技术与需求响应机制在IES中的仿真集成与性能评估;③作为撰写高水平学术论文(如EI/SCI收录)的技术基础与复现资源,推动碳中和背景下能源系统优化方向的创新研究。; 阅读建议:建议结合百度网盘提供的完整代码与资料包,按照模块逐步调试程序,重点理解目标函数的设计逻辑、碳交易成本的建模方式、约束条件的数学表达及求解器的配置方法,同时关注多能耦合设备的建模细节,配合公众号“荔枝科研社”获取持续的技术支持与案例拓展。
故障识别基于CNN-SVM卷积神经网络结合支持向量机的数据分类预测研究(Matlab代码实现)
内容概要:本文系统研究了基于卷积神经网络(CNN)与支持向量机(SVM)融合的CNN-SVM混合模型在数据分类预测中的应用,尤其聚焦于工业故障识别领域。通过Matlab平台实现,该方法首先利用CNN强大的多层次特征提取能力对原始输入数据进行深度特征学习,自动捕获关键局部模式与空间结构信息,随后将提取的高层特征作为输入传递至SVM分类器,借助SVM在高维空间中小样本条件下卓越的分类性能与泛化能力完成最终判别任务。文中详尽阐述了模型的整体架构设计、网络参数配置、训练优化流程及特征迁移机制,充分结合了深度学习在特征表达上的优势与传统机器学习在分类决策上的稳健性。实验部分通过实际故障数据集验证了该混合模型相较于单一CNN或SVM模型在分类准确率、鲁棒性和抗过拟合能力方面的显著提升,证明了其在复杂故障诊断任务中的有效性与先进性; 适合人群:具备一定机器学习与深度学习理论基础,熟悉Matlab编程环境,从事故障诊断、模式识别、智能制造、电力系统监控或工业数据分析等相关领域的研究生、科研人员及工程技术开发者; 使用场景及目标:① 应用于旋转机械、电力设备、航空航天等领域的多类别故障识别与状态监测;② 掌握深度特征提取与传统分类器融合的技术路径,提升小样本、高噪声环境下数据分类的精度与可靠性;③ 为撰写高水平学术论文、开展科研项目或工程实践提供可复现的算法框架与完整代码支持; 阅读建议:读者应深入理解CNN与SVM的协同工作机制,重点分析特征提取层与分类层之间的接口设计,建议动手运行并调试所提供的Matlab代码,尝试在不同数据集上进行迁移实验与参数调优,以全面掌握该混合模型的应用技巧与优化策略。
界面
15,976
社区成员
115,866
社区内容
发帖
与我相关
我的任务
界面
VC/MFC 界面
复制链接
扫一扫
分享
社区描述
VC/MFC 界面
社区管理员
加入社区
获取链接或二维码
近7日
近30日
至今
加载中
查看更多榜单
社区公告
暂无公告
试试用AI创作助手写篇文章吧
+ 用AI写文章