社区
J2ME
帖子详情
60移植到NOKIAQD时,需要注意哪些啊.
oliveyuganfei
2006-06-12 06:00:34
我60程序移到QD,问题多多啊.经过初步认识,发现QD不支持双缓冲,MIDI是可以支持的,但除这之外,还有好多莫名其怪的问题.这些问题在60上不会有的.所以请移植过QD的大哥们说说移到QD时需要注意哪些,非常感谢
...全文
230
7
打赏
收藏
60移植到NOKIAQD时,需要注意哪些啊.
我60程序移到QD,问题多多啊.经过初步认识,发现QD不支持双缓冲,MIDI是可以支持的,但除这之外,还有好多莫名其怪的问题.这些问题在60上不会有的.所以请移植过QD的大哥们说说移到QD时需要注意哪些,非常感谢
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
7 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
xueyong1203
2006-06-14
打赏
举报
回复
我说得“不要用pixels”是指用pixels速度会很慢很慢很慢。。。
当然可能是我的像素数组格式问题,我用得4444
bluewanderer
2006-06-14
打赏
举报
回复
QD可以用Nokia的drawPixels
其他有些60手机drawPixels反转旋转会有问题 比如6680 比较神奇的是6681居然没问题X_X
bluewanderer
2006-06-14
打赏
举报
回复
QD一直只是看别人搞的... 太细节就不知道了T T
drawPixels速度慢是不是因为开了alphablend的关系。以前我在3230上也遇到过,当时以为是像素格式问题就没管。后来同样的程序到6681上就正常了。不过还是不能排除因为18位转换比16为方便。
不过QD本来就是12位的。嗯…… kvm一向比较灵异,alphablend的优先级比alphatest高也不是不可能出现……
xueyong1203
2006-06-13
打赏
举报
回复
qd 是MIDP1。0的,但支持Media包
画图用drawImage + setClip画,不要用pixels
oliveyuganfei
2006-06-13
打赏
举报
回复
xueyong1203(二当家的) 还蛮好的.
prok
2006-06-13
打赏
举报
回复
qd 属于60s
bluewanderer
2006-06-12
打赏
举报
回复
没双缓冲的手机至今我还没见过……
QD本来就是60手机
QD的MIDI播放可能丢音 **但是,其他手机丢得更厉害**
QD的JVM比普通60手机来的稳定
实验-三、数据库安全性(目的、要求和模板).doc
实验-三、数据库安全性(目的、要求和模板).doc
基于Docker搭建K8s集群离线包
基于Docker搭建K8s集群离线包,包含部署
时
所需的全部文件,可在内网环境中使用,K8s为1.23.0版本,docker为20.10.9-3版本
基于springboot+vue实现的求职招聘类型网站源代码+数据库(优质毕设项目).zip
基于springboot+vue实现的求职招聘类型网站源代码+数据库(优质毕设项目).zip个人经导师指导并认可通过的98分毕业设计项目,主要针对计算机相关专业的正在做毕设的学生和
需要
项目实战练习的学习者。也可作为课程设计、期末大作业。包含全部项目源码、该项目可以直接作为毕设使用。项目都经过严格调试,确保可以运行! 基于springboot+vue实现的求职招聘类型网站源代码+数据库(优质毕设项目).zip个人经导师指导并认可通过的98分毕业设计项目,主要针对计算机相关专业的正在做毕设的学生和
需要
项目实战练习的学习者。也可作为课程设计、期末大作业。包含全部项目源码、该项目可以直接作为毕设使用。项目都经过严格调试,确保可以运行! 基于springboot+vue实现的求职招聘类型网站源代码+数据库(优质毕设项目).zip个人经导师指导并认可通过的98分毕业设计项目,主要针对计算机相关专业的正在做毕设的学生和
需要
项目实战练习的学习者。也可作为课程设计、期末大作业。包含全部项目源码、该项目可以直接作为毕设使用。项目都经过严格调试,确保可以运行!基于springboot+vue实现的求
基于Android系统Api封装常用工具类.zip
基于Android系统Api封装常用工具类.zip
基于PCA和SVM的人脸识别
svm 基于PCA(主成分分析)和SVM(支持向量机)的人脸识别是一种常见的方法。这里是一个简要说明: PCA(主成分分析): PCA是一种降维技术,它通过线性变换将高维数据转换为低维数据,同
时
保留最大的数据方差。 在人脸识别中,PCA被用来提取人脸图像中的主要特征,从而减少数据的维度,并保留最重要的信息。 SVM(支持向量机): SVM是一种监督学习算法,用于分类和回归分析。 在人脸识别中,SVM被用来构建一个分类器,以将提取的人脸特征映射到相应的人脸身份标签。 基于PCA和SVM的人脸识别流程: 训练阶段: 收集训练数据集,包括多个人的人脸图像和相应的标签。 对每个人脸图像应用PCA,将其转换为低维特征向量。 使用这些特征向量训练一个SVM分类器,使其能够将人脸特征向量与相应的人脸标签关联起来。 测试阶段: 对待识别的人脸图像应用相同的PCA转换,将其转换为与训练数据相同的低维特征向量。 使用训练好的SVM分类器,将待识别的人脸特征向量与已知的人脸标签进行比较,从而确定其身份。 优点: PCA可以有效地降低数据的维度,减少计算复杂度,并提取最相关的特征。 SVM在处理
J2ME
13,100
社区成员
26,495
社区内容
发帖
与我相关
我的任务
J2ME
Java J2ME
复制链接
扫一扫
分享
社区描述
Java J2ME
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