【摘 要】
：
移动互联网时代,移动端设备越来越多,这就导致移动端的开发需求暴增,对移动端开发者技术要求也越来越高。目前移动设备主流平台主要是Android操作系统和IOS操作系统,相应的根据不同系统平台的特点,一样的功能代码在多个手机平台上要使用多种开发语言,开发成本就很高。在这种大背景下,就急需一种移动端跨平台开发框架来解决这种问题。本文首先介绍了四种主流的跨平台开发技术,总结各自优缺点基础上,最终选取Wee
论文部分内容阅读
移动互联网时代,移动端设备越来越多,这就导致移动端的开发需求暴增,对移动端开发者技术要求也越来越高。目前移动设备主流平台主要是Android操作系统和IOS操作系统,相应的根据不同系统平台的特点,一样的功能代码在多个手机平台上要使用多种开发语言,开发成本就很高。在这种大背景下,就急需一种移动端跨平台开发框架来解决这种问题。本文首先介绍了四种主流的跨平台开发技术,总结各自优缺点基础上,最终选取Weex技术做为本文基础框架,并针对其固有缺陷进行五个方面的重要改进:差异化编译、开发WeexManager管理模块、增加WeexCore、增加EageCore、引入面向对象编程Lottie动画,最终输出WeexSDK开发包。接着使用该SDK,设计并开发出一个移动端新闻阅读App,包含用户登录、文章阅读、收藏、评论等功能,最后对该App进行系统测试,根据测试结果来进一步验证跨平台技术的运行效果。最后的实践项目顺利通过了系统测试,结果表明该框架运行效率良好,具有良好的稳定性。
其他文献
信息的生产者和消费者在信息过载时代都面临巨大的挑战,而推荐系统在引导用户探索其实际需求方面起着至关重要的作用。基于矩阵分解的协同过滤算法作为推荐系统中最具代表性的模型,其基本原理是利用用户的显式和隐式反馈行为进行物品推荐,在用户和物品之间的交互信息不足时,产生的推荐结果并不准确。随着传统零售和生活服务向在线平台的快速转移,应用平台积累了众多领域的评论文本和商品图片数据,这些异构信息极大地补充了稀疏
随着网络教育的逐渐兴起,教育数据挖掘旨在从网络上记录的大量数据中挖掘有价值的信息并帮助教育者制定更多人性化的教育决策。其中,利用数据挖掘技术预测学生的学业成绩并对存在学业风险的学生进行早期预警是最为基本且重要的环节。然而与之相关的研究还存在一些不足。现有的学业预警研究通常从单一课程数据源中获取学生学习行为的相关数据进行预测,忽略了学生整体的在线行为模式和外部环境特征对学生学业的影响。其次,由于通常
自5G商用以来,人工智能、大数据、物联网等新兴技术推动网络流量迅猛增长,带宽资源愈发紧张,目前提高传输容量和频谱效率的主要方法集中在提高正交振幅调制格式的调制阶数和压缩频谱带宽,对于前者来说,高阶调制信号星座图的星座点数目随着调制阶数增加呈指数增加,而非正交时域混叠信号星座图的星座点数目随着混叠重数增加呈线性增加,相比之下非正交时域混叠信号对信噪比的要求更低,对于后者来说,单纯地压缩带宽能带来的频
随着目标检测、图像分类、异常检测等技术广泛应用于视频监控领域,实时视频分析的需求日益增加。由于视频数据的爆发式增长,基于云数据中心的视频监控系统面临着网络带宽成本昂贵和数据时效性低的问题。作为一种新兴的计算范式,边缘计算可以在接近视频源的网络边缘提供低延迟的视频分析服务。然而,边缘云的计算资源通常受限,如何满足所有用户的低延迟和高准确率需求是一个具有挑战性的问题。特别是在请求数量激增的情况下,视频
棚户区是住房和城乡建设领域的不平衡不充分发展和人民日益增长的美好居住生活需要之间的矛盾体现,也成为重大的民生问题之一。大力实施棚户区改造是各级政府改善人民群众居住环境的重要举措,然而棚户区改造项目涉及到前期手续、征地、拆迁、安置房和市政基础设施建设、土地入市等一系列工作,开发建设周期长,干扰因素多,从根本上制约了棚户区改造进程,关系着人民群众的热切期盼,亟需加强棚户区改造项目的进度管理。本论文以平
近年来,随着人工智能（Artificial Intelligence,AI）和深度学习技术的迅速发展,Morse信号在自动识别方面迎来了新的契机。传统的Morse信号识别主要依赖人工进行听记和识别,也有依赖传统的机器学习方法进行识别,但是在识别的码速率、准确率、噪声自适应方面性能不足。目前在军队还保留专门的号手,对收到的Morse信号进行听记和翻译,占用较高的人力。深度学习在图像、语音、自然语言等
目前行人重识别技术已经广泛应用于智慧城市的安防领域。随着深度学习的不断发展以及具体业务场景中对于行人重识别准确性要求的不断提高,当前基于监督数据集训练的静态模型已无法满足在广泛的场景实时有效地检索出目标行人。本文针对在多域场景下,如何有效地提高行人重识别算法泛化性的问题开展了相关研究,并提出基于域自适应的行人重识别方法。基于域自适应的行人重识别方法分为三个阶段。第一个阶段本文设计了一个缓解多域间域
随着应用程序的微服务化以及容器化成为趋势,单一数据库越来越难以支撑整个应用服务,一个微服务对应一个数据库的方案逐渐成为行业趋势,这使得微服务中的分布式事务问题成为当下的研究热点。目前的分布式事务处理系统中普遍存在着难以应对单点故障及对资源长时间占用导致的系统吞吐量下降等问题,亦或是对业务侵入过大难以接入的问题,而事务型消息队列的引入以及分布式系统BASE理论的思想有望解决这些问题。本文首先对现存的
第五代移动通信系统（Fifth Generation,5G）在第三代合作伙伴计划（3GPP）的R15、R16中的标准化工作已经完成,但是对5G、B5G、6G无线通信系统的研究和性能评估仍是重要课题。为了更好地评估真实信道环境和实时数据业务下的系统性能,5G通信系统的半实物仿真方法受到更多关注,该方法在服务器上开发具有完整协议栈的软件平台并使用仿真接口与无线电硬件平台连接,实现5G通信系统的半实物演
移动边缘计算（Mobile Edge Computing,MEC）的提出,在靠近用户的网络边缘提供了计算、存储和通信资源,解决了移动网络面对不断拓展的互联网应用场景和日益多样化的应用服务存在的资源短缺的问题。车联网作为5G重要的应用场景之一,涵盖了多种对时延、可靠性等性能有严苛要求的应用服务。作为车联网环境下的核心技术之一,MEC能够支撑密集接入的车联网应用对计算资源的需求,为用户提供低时延、高可