javascript中的anchors

anchor D.J.[ˈæŋkə] K.K.[ˈæŋkɚ] n. 锚 They lay at anchor outside the harbour. 他们在港外抛锚停泊。 给人安全感的物(或人) Letters from home were an anchor to him when he worked abroad. 他在国外工作时, 家书是他的精神支柱。

anchor[英][ˈæŋkə(r)][美][ˈæŋkɚ]n.锚; 锚状物; 靠山; 压阵队员; vt.抛锚，抛锚泊船; 使固定，使稳固; 使稳定; 在…任节目主持人; vi.抛锚，停泊; 固定; [体]任主要运动员; 主持节目; adj.最后一棒的，末捧的; 第三人称单数：anchors复数：anchors现在进行时：anchoring过去式：anchored过去分词：anchored双语例句 Who would drop anchor here?谁又会把锚抛在这里呢？

铁锚 Iron anchor英[ˈaɪən ˈæŋkə(r)]美[ˈaɪərn ˈæŋkər]例句铁锚系在一段缆绳上。The anchor was attached to a length of rope

anchor锚;锚状物anchor[5ANkE]n.锚；锚状物v.抛锚, 锚定admiral anchor 海军锚 automatic anchor 水雷自动系留器 back anchor 副锚 base anchor 地脚板 bearing anchor 轴瓦固定螺钉 body anchor 人体支撑 bolster anchor 摇桅枕拉杆 boring anchor 钻座 bower anchor 主锚; 大锚 brake anchor 闸瓦支持销 brake pipe anchor 制动管吊卡 breast anchor 船舷锚 cable anchor 电缆锚 cathode anchor 阴极锚(电子管阴极零件), 阴极支架 floating anchor 浮锚 hand brake pull rod guide anchor 手制动拉杆吊 ice anchor 冰锚 kedge anchor 小锚 lee anchor 下风锚 main anchor 主固定支架 rail anchors 钢轨防爬器[锁定器]轨卡

起锚weigh anchor；set sail；unmoor；heave-ho[网络短语]起锚  break out;weigh anchor;Anchors Aweigh起锚  2012年香港政治制度改革起锚绞盘  anchor capstan;anchor windlass;windlass   

呵呵，应该是anchorperson的缩写吧又有anchorwomant和anchorman。这样看来还是用anchor简单~

不知道,你最好把完整的发上来看看

Anchors是确保该控件与它的父控件的相对位置保持不变，即使父控件改变大小akLeft为True是控件与它的父控件的左边缘的距离不变akTop为True是控件与它的父控件的上边缘的距离不变akRight为True是控件与它的父控件的右边缘的距离不变akBottom为True是控件与它的父控件的下边缘的距离不变

哈哈哈哈刚上过职业生涯规划的人来回答，生涯锚就是生涯规划中的类型，比如自主锚

　　船必有锚才能有所安心，这也是我们生活中一段用来形容家庭的话。但是很多人都不知道世界上最大的船锚是什么吧。以下是我为大家整理的世界上最大的船锚，希望你们喜欢。　　世界上最大的船锚：HYT—12型波尔锚 　　10月15日下午，世界最大的、重达55吨、HYT—12型波尔锚从江苏翔晟重工出厂，运往韩国某国际知名企业，该锚填补了国际、国内船锚生产史的空白，为生产更大的船锚积累了 经验 ，为攀登船锚生产更高峰打下了坚实的基础。 　　位于如皋港区的江苏翔晟重工是目前世界上最大的船用锚生产企业。经过10年的发展，企业从名不见经传，到享誉世界，靠的是争当行业领头羊的雄心壮志，靠的是不断吸收世界先进技术为我所用的虚心精神，靠的是走出一条科技不断投入、产品不断升级，靠的是过硬的产品质量和优质的售后服务。 　　2014年10月15日下午，世界最大的、重达55吨、HYT—12型波尔锚从江苏翔晟重工出厂，运往韩国某国际知名企业，该锚填补了国际、国内船锚生产史的空白，为生产更大的船锚积累了经验，为攀登船锚生产更高峰打下了坚实的基础。公司接到55吨船用锚的订单，他们在生产条件不完全具备的情况下，敢字当头，科学施工，科技人员与生产人员一起攻克一道道难关。在世界相关船级社专家的现场监督下，通过层层质量检验、拉力试验等苛刻的验收考核，获得专家们的一致认可，船锚顺利出厂。 　　首先讲下抛锚的条件，不是任何地方都可以抛锚的，最佳的底质是沙石底，泥底其次，礁石底质就很难抛锚，可能难以差生抓力，也可能被岩石卡住难以起锚。水深太大，比如在大洋上，三、四千米的水深，也不能抛锚。(不过可以拖锚航行，这个属于抗击大风浪的技巧，这里就不多说了) 　　抛锚时，不能用太快的速度，要慢慢将锚放下，速度过快会导致锚及锚链的难以刹住，可能损坏锚机，甚至可能产生 其它 严重后果。锚首先是锚冠触底，然后锚身躺倒，这时在平衡杆作用下，锚爪尖端也会触底，但是不会抓到沙石中。船会继续放下一定长度的锚链，使大部分锚链都平铺在海底。这时向后动车，将锚链向后微微拖动，锚爪D在锚身重力和锚链拉力的共同作用下，就插入沙石中。 　　此时，船舶会稍微收回一些锚链。一般而言，放出的锚链长度应该是水深的3-5倍。锚链过长，则增大的船舶的回旋范围，易于与其它抛锚船只碰撞。锚链过短，则易于向上牵动锚身，使锚松动，失去抓地效果。在锚抓抓地后，相当于打了一个地桩，而锚链在放下后，基本上只有与底质水平的拉力，在这个角度上，锚的抓力是最大的。除非风浪极大，一般船锚都可以抓牢。 　　在起锚时，船舶向前动车，同时慢慢收回锚链，在离锚较近处，拉直锚链，此时锚杆的A点在锚链的拉力下将抬起，锚将以锚冠B为轴，利用杠杆的原理将锚爪D从底质中起出，然后船舶继续收回锚链，直至将锚拉出水面。船舶的锚链长度往往大于水深，因此在水底部分的锚链处于平躺状态，当船舶收到扰动的时候(如顶浪)锚链就会被拉动，处于水底的锚在锚链连接处会受到一个水平力的作用，同时船锚自身的重力作用于锚爪与水底的接触点(图中C点)，两力合成使得锚向斜下方运动，这就是锚入土的过程。锚拉入水底之后便可以为船舶提供停泊的能力，需要注意的是这种能力不仅仅是一个锚就能完成的，还有很长的锚链也起到了重要的作用。 　　船锚的应用实例 　　创建锚的语法 　　lt;a href="url">Text to be displayed</a><a> 用来创建锚。href 属性用于定位需要链接的文档，锚的开始标签和结束标签之间的文字被作为超级链接来显示 　　Target 属性 使用 Target 属性，你可以定义被链接的文档在何处显示。 　　下面的这行会在新窗口打开文档： 　　lt;a href= target="_blank">Visit W3School!</a> 　　命名和定义锚 　　Name 属性用于创建被命名的锚(named anchors)。当使用命名锚(named anchors)时，我们可以创建直接跳至页面中某个节的链接，这样使用者就无需不停的滚动页面来寻找他们需要的信息。 　　以下是命名锚的语法： 　　lt;a name="label">Text to be displayed</a>name 属性用于创建命名锚。锚的名称可以是任何你喜欢的名字。 　　下面这行定义了命名锚： 　　lt;a name="tips">Useful Tips Section</a>你会注意到，命名锚会以特殊的方式来显示。 　　现代锚的主要介绍 　　现代锚用铸钢或锻钢制造，主要有四种。①有杆锚：锚爪和锚干通常为一整体，并有一垂直于锚爪平面的横杆。有杆锚多为双爪，有的是单爪。使用时一爪啮入土中较深，抓力大，但因有横杆， 收藏 不便，多用于小型船舶。有杆锚主要类型有海军锚、单爪锚、佛山锚、日式锚等。②无杆锚:锚爪和锚杆可相对转动一定角度，无横杆。使用时两个锚爪同时啮入土中，起锚和收藏方便，使用最为广泛。无杆锚中具有代表性的为霍尔锚及其改良型斯贝克锚。③大抓力锚：锚爪宽大，可转动一定角度，锚头或锚爪中部有突出的杆体，起稳定作用。因锚爪啮土面积大，抓力大，适用于砂质或土质松软的水底。大抓力锚主要类型有丹福斯锚、马氏大爪力锚、快艇锚等。④特种锚：形状与一般锚不同，如菌形锚，锚头呈菌状或伞状,啮入土中较深，抓力大，不易移动,多用作长期锚泊、定位用，如作灯船、浮筒、趸船等的固定锚。 　　常用的小船锚普通常用的船锚，广泛于充气船、橡皮艇、木船专用的船锚，体积不大，适合户外小钓鱼船，稳定船位置，利于钓鱼。部分采用不锈钢制作，居于各个水域的水质不同，使用中会出现锈迹，无论在何处使用，用后必须清水清洗干净，并干布抹干，如有锈迹出现，便用沙纸试擦，即可除去! 　　船锚的特点：置有360度旋转环，固定船体时，无论向左向右，360度旋转也不会受到影响;安全回收环，针对万勾到大物体了，可以通过此回收环往后拉回即可;伸缩爪，使用时打开，不用时收起来，占用面积小;船锚最佳爪度为：45度爪，角度需最佳，此利于回收方便。 猜你喜欢： 1. 世界上目前最大的货运船是哪个 2. 世界上目前最大的油轮 3. 世界吨位最大的船 4. 埃及最大海港是什么 5. 世界上最大的原油船

这些回答的是用法吗？都是文档上写的，就知道输出纯粹的a标签，怎么用啊，会的千篇一律，不会的一个人也没有写

锚文本就是一个词或句子加上 URL的链接，点击这个词句可以直接访问目的地址。此种外链对网站关键词和整体权重的提升是比较大的。搜索引擎通过网站内容和锚点词的相关性来判断这种链接是否有参考价值，然后给予一定的权重。如果不相关，则有可能被判断为作弊或被搜索引擎惩罚。所以在发这种链接的时候一定要注意锚文本的相关性提升锚文本的anchors值（即锚点相关值）。

英音 [ "æŋkə ] ； 美音 [ "æŋkə ] 可数名词：1. 可以依靠的人或事物，靠山，后盾2. 锚，锚固装置（用缆﹑链等连接着的金属设备，用以将船舶固定于海底或将气球固定在地面上）3.[=anchorman, anchorwoman]【美】（尤指无线电或电视采访的）主持人动词：抛锚，用锚固装置固定（某物）词形变化：名词：anchorage；时态：anchored，anchoring，anchors。同义词：drop anchor，cast anchor；ground；ground tackle；keystone，backbone，linchpin，lynchpin，mainstay；manperson。

锚走

Anchors使控件保持和父控件边缘的距离。你设计的时候设置。

歌曲名:The Anchors歌手:Emery专辑:We Do What We WantThe Museum - The AnchorAll I"ve held on hereIs the anchor of my fearAll I"m looking forIs strength to let this goAll my hopes and dreamsI lay before you hereAll I"ve failed and fearedThey cease to reappearAnd all of this noise fades around meIn stillness and silence You"re hereNow Your perfect love surrounds meThe chains I"ve known disappearNow the hope that I hold toIs the anchor of my soulAnd the peace that I can seeIs Your promise haunting meAnd all of this noise fades around meIn stillness and silence You"re hereAnd now Your perfect love it surrounds meThe all the chains I have known disappearYou"re the anchor of my soulBy Your perfect love I knowSin has no grip on meBy Your priceless blood I"m freeOh I am freeOhh, Ohhhttp://music.baidu.com/song/8102468

IOS: IOS：使用shell命令打包并上传Itunes Unity3d： Unity3d：Canvas适配屏幕分辨率与锚点(Anchors与Pivot) Unity3d：在屏幕边缘显示其他玩家方位 Unity3d：命令行打包Android Unity3d：命令行编译IOS Unity3d：使用Jenkins自动编译打包IOS（只能打包Development） Unity3d：使用Jenkins自动编译打包IOS（打包Ad-hoc,上传itunes） 所有的UI都有一个Root Canvas，该Canvas的RectTransform不可修改。 所有 Canvas坐标系 方向都是 右侧为X轴正方向 ， 上方为Y轴正方向 。 该Canvas还带有一个 Canvas Scaler 组件，可以通过该组件适配不同的屏幕分辨率。 Canvas Scaler 中有一个 UI Scale Mode 属性，用于确定画布中的UI元素如何缩放。 以下假如屏幕分辨率为1500 * 3000。 使Canvas宽高保持与屏幕分辨率一致。屏幕分辨率有多大，Canvas宽高就有多大（ Scale Factor 缩放因子为1时）。 所以， Canvas宽高 = 屏幕分辨率 / 缩放因子 。 使Canvas的宽高比与屏幕分辨率的宽高比保持一致。 缩放时需要基于下面的 Reference Resolution（参考分辨率） 进行缩放。 因为此时屏幕分辨率的宽高比为：1500 / 3000 = 0.5，所以在该模式下，无论怎么调整参数，Canvas宽高比也一直为0.5，不会变。 所以， Canvas宽高比 = 屏幕分辨率宽高比 。 缩放时用的参考分辨率。 下面假设参考分辨率是1080 * 1920。 如果屏幕分辨率与参考分辨率的宽高比不一致，则根据选择的模式对Canvas宽高进行缩放。 如果屏幕分辨率与参考分辨率的宽高比一致，该选项怎么调都不管用。 基于下面 Match 对Canvas宽高进行缩放。 缩放后，Canvas的宽高一定不低于参考分辨率的宽高。 缩放后，Canvas的宽高一定不高于参考分辨率的宽高。与 Expand 类似。 锚点说难不难，只是不好描述，但可以用例子来说明。 假如Canvas拥有一个Image节点。 对于 Image所在的坐标系 ， 坐标系方向与Canvas坐标系方向相同 。 下面看下Image节点的 锚点在Canvas的不同位置 的情况： 单锚点 ，从Unity上看，就是4个小三角形聚在一个点。 单锚点在Canvas的位置(假设为点p) 都满足以下逻辑： 可以总结出以下公式（p为单锚点在Canvas的位置，pivot为单锚点的Pivot属性）： Image所在坐标系 原点在Canvas中的坐标 = (p.x + Image.Width * (0.5 - pivot.x), p.y + Image.Height * (0.5 - pivot.y)) 。 双锚点 ，从Unity上看，就是2个小三角形聚在一个点。 左上角有2个小三角形，左下角有2个小三角形 此时，Image拥有 PosX，Top，Width，Bottom 这四个位置参数。 而且， 锚点的Pivot的Y不起作用 。 Image的Height = (Canvas.Height - Top - Bottom) / 2 。 如果设置Image的Top，Bottom都为0的话，则Image的高会与Canvas的高一致。 Image所在坐标系原点在Canvas中的坐标 = (Image.Width * (0.5 - Pivot.x) + PosX , Image.Height / 2 + Top) 。 底部边框的中心有2个小三角形，顶部边框的中心有2个小三角形 此时，Image拥有 PosX，Top，Width，Bottom 这四个位置参数。 而且， 锚点的Pivot的Y不起作用 。 Image的Height = (Canvas.Height - Top - Bottom) / 2 。 如果设置Image的Top，Bottom都为0的话，则Image的高会与Canvas的高一致。 Image所在坐标系原点在Canvas中的坐标 = (Image.Width * (0.5 - Pivot.x) + Canvas.Width / 2 + PosX , Image.Height / 2 + Top) 。 右上角有2个小三角形，右下角有2个小三角形 此时，Image拥有 PosX，Top，Width，Bottom 这四个位置参数。 而且， 锚点的Pivot的Y不起作用 。 Image的Height = (Canvas.Height - Top - Bottom) / 2 。 如果设置Image的Top，Bottom都为0的话，则Image的高会与Canvas的高一致。 Image所在坐标系原点在Canvas中的坐标 = (Image.Width * (0.5 - Pivot.x) + Canvas.Width + PosX , Image.Height / 2 + Top) 。 左上角有2个小三角形，右上角有2个小三角形 此时，Image拥有 Left，PosY，Right，Height 这四个位置参数。 而且， 锚点的Pivot的X不起作用 。 Image的Width = (Canvas.Width - Left - Right) / 2 。 如果设置Image的Left，Right都为0的话，则Image的宽会与Canvas的宽一致。 Image所在坐标系原点在Canvas中的坐标 = (Image.Width / 2 + Left , Image.Height * (0.5 - Pivot.x) + PosY) 。 左侧边框的中心有2个小三角形，右侧边框的中心有2个小三角形 此时，Image拥有 Left，PosY，Right，Height 这四个位置参数。 而且， 锚点的Pivot的X不起作用 。 Image的Width = (Canvas.Width - Left - Right) / 2 。 如果设置Image的Left，Right都为0的话，则Image的宽会与Canvas的宽一致。 Image所在坐标系原点在Canvas中的坐标 = (Image.Width / 2 + Left , Image.Height * (0.5 - Pivot.x) + Canvas.Height / 2 + PosY) 。 左下角有2个小三角形，右下角有2个小三角形 此时，Image拥有 Left，PosY，Right，Height 这四个位置参数。 而且， 锚点的Pivot的X不起作用 。 Image的Width = (Canvas.Width - Left - Right) / 2 。 如果设置Image的Left，Right都为0的话，则Image的宽会与Canvas的宽一致。 Image所在坐标系原点在Canvas中的坐标 = (Image.Width / 2 + Left , Image.Height * (0.5 - Pivot.x) + Canvas.Height + PosY) 。 四锚点 ，从Unity上看，就是4个小三角形全都是分散的（ 左下角、左下角、右上角、右下角 ）。 此时，Image拥有 Left，Top，Right，Bottom 这四个位置参数。 而且， 锚点的Pivot不起作用 。 Image的Width = (Canvas.Width - Left - Right) / 2 。 Image的Height = (Canvas.Height - Top - Bottom) / 2 。 如果设置Image的Left，Top，Right，Bottom都为0的话，则Image的宽高会与Canvas的宽高一致。 Image所在坐标系原点在Canvas中的坐标 = (Image.Width / 2 + Left , Image.Height / 2 + Top) 。 屏幕坐标系与Canvas坐标系都是 左下角为原点，向右为X轴正方向，向上为Y轴正方向 。 在屏幕坐标系上有个点P(x, y)，我们先把屏幕分辨率的宽高缩放到与Canvas的宽高一致，此时P点的坐标也会随着缩放。 因为屏幕坐标系与Canvas坐标系都是左下角为原点，所以缩放完成后的P的位置（记作P2），就是P点在Canvas坐标系上的位置。 P2 = (P.x * Canvas.Width / Screen.Width, P.y * Canvas.Height / Screen.Height) 现在有一个Image UI，我们先把该Image的锚点设置为左下角（ Anchors.Min(0, 0)，Anchors.Max(0, 0) ），然后把P2的位置赋值给Image的anchoredPosition，此时该Image刚好就在P点的位置。 在Canvas坐标系上有一个Image UI，我们先把该Image的锚点设置为左下角（ Anchors.Min(0, 0)，Anchors.Max(0, 0) ），然后把Canvas的宽高缩放到与屏幕分辨率的宽高一致，此时Image的anchoredPosition（记作P）也会随着缩放。 因为屏幕坐标系与Canvas坐标系都是左下角为原点，所以缩放完成后的Image的anchoredPosition（记作P2），就是Image在屏幕坐标系上的位置。 P2 = (P.x * Screen.Width / Canvas.Width, P.y * Screen.Height / Canvas.Height)

相信很多刚接触UGUI的开发者，对于这套系统中RectTransform里的position，anchor，pivot都或多或少有些不熟悉，不知道这些是干嘛用的，为此，本篇文章就给大家介绍下这几个概念，不过主要还是会以Anchor和Pivot为主，position会带过介绍。 1、Pivot轴心 旋转、大小和缩放修改发生在主轴Pivot点周围，因此Pivot的位置会影响旋转、调整大小或缩放的结果。当工具栏Pivot/Center按钮设置为Pivot模式时，可以在场景视图中移动矩形变换的Pivot小圆圈。 如图：旋转操作为绕着这个点旋转。 注： Pivot是相对于自身的，(0,0)为自己左下角，(1,1)为自己右上角。(可以把这个UI看成这个点) 2、Anchors锚点 如果一个RectTransform的父物体也是RectTransform，那么子RectTransform可以以各种方式锚定到父RectTransform。 例如，子节点可以锚定在父节点的中心或其中一个角上。 锚定也允许孩子与父母的宽度或高度一起伸展。矩形的每个角都有一个固定的锚点偏移量，即矩形的左上角有一个固定的锚点偏移量，等等。这样，矩形的不同角就可以固定在父矩形的不同点上。 如： 3、Anchor presets锚点预设 在Inspector中，可以在Rect Transform组件的左上角找到锚预置按钮。单击该按钮将弹出锚预置下拉菜单。从这里您可以快速地从一些最常见的锚定选项中进行选择。您可以将UI元素锚定到父元素的侧面或中间，或者与父元素大小一起拉伸。水平和垂直锚定是独立的。 锚预置按钮显示当前选择的预置选项(如果有的话)。如果将水平轴或垂直轴上的锚设置为与任何预设位置不同的位置，则会显示自定义选项。 Anchor Min对应场景视图中左下方的Anchor handle, Anchor Max对应右上方的handle。 矩形的position字段根据锚顶点是否在一起(产生固定的宽度和高度)或是否分开(导致矩形与父矩形一起拉伸)而不同。 方式1：当所有的锚柄在一起时，显示的字段是Pos X、Pos Y、宽度和高度。Pos X和Pos Y的值表示pivot相对于锚点的位置。 方式2：当锚被分开时，字段可以部分或完全改变为左、右、上、下。这些字段定义锚定义的矩形内的填充。如果锚水平分开，则使用左字段和右字段，如果锚垂直分开，则使用顶部和底部字段。 注意，在anchor或pivot字段中更改值通常会反向调整position值，以使矩形保持原位。在不需要这样做的情况下，通过单击检查器中的R按钮启用原始编辑模式。这使得anchor和pivot值能够在不改变任何其他值的情况下被改变。这可能会导致矩形在视觉上移动或调整大小，因为它的位置和大小取决于anchor和pivot值。 看下图预设布局，可以注意到：布局分为左侧、上侧和右下。 左和上只是方位标记，用啥要选择右下角部分； 右下部分的左上9个是一个点，所有锚柄在一起，大小不会受父物体影响，父物体大小变化子物体pivot到锚点位置保持不变; 如上面方式1 其他为2个点，最右下角的为四个点，大小会受父物体影响;如上面方式2 注意区分： Pivot是相对于自身的，(0,0)为自己左下角，(1,1)为自己右上角。(可以把这个UI看成这个点) Anchor为相对于父物体的，(0,0)为父物体左下角，(1,1)为父物体右上角。 4、Blue Print Mode(蓝图模式) 、 Raw Edit Mode(原始编辑模式) 参考链接： https://mp.weixin.qq.com/s/2VZBlS5K5H-Y-RwKOZCJdQ http://tsubakit1.hateblo.jp/entry/2014/12/19/033946#BluePrint-Mode%E3%81%A8Raw-Edit-Mode Blue Print Mode (蓝图模式) 勾选后，就算UI被调整Rotation或Scale参数，UI的矩形框也不变。 Raw Edit Mode (原始编辑模式) 在 Inspector 中调整 Pivot 和 Anchor 时，物体会维持目前的位置与大小(Inspector 中数值部分)，请注意数值部分： Inspector 中调整 Pivot： Inspector 中调整 Anchor： 5、从脚本端操作布局 从脚本端操作uGUI时，编辑符号和RectTransform字段不匹配有点复杂。没有诸如Pos X之类的参数，并且宽度/高度也不存在。 在这种情况下，将Inspector更改为Debug模式并公开RectTransform的隐藏参数。通过这个我们可以看到参数通常指向的内容。

不懂~~

　　您好，感谢您对火狐的支持　　把 getMovie("qnm_media").cam_state()换成flex应用程序名.cam_state()试试;(flex编译后生成的swf的名字)。　　您可以在火狐官方网站下载火狐浏览器，在火狐社区了解更多内容。希望我的回答对您有所帮助，如有疑问，欢迎继续在本平台咨询。

HR常用英语词汇 　　HR是负责公司的人力资源管理，常用到的`英语词汇有那些呢？下面我给大家介绍HR常用英语词汇，一起来学习吧! 　　一、人力资源管理：(Human Resource Management ，HRM) 　　人力资源经理：( human resource manager) 　　高级管理人员：(executive) 　　职业：(profession) 　　道德标准：(ethics) 　　操作工：(operative employees) 　　专家：(specialist) 　　人力资源认证协会：(the Human Resource Certification Institute，HRCI) 　　二、外部环境：(external environment) 　　内部环境：(internal environment) 　　政策：(policy) 　　企业文化：(corporate culture) 　　目标：(mission) 　　股东：(shareholders) 　　非正式组织：(informal organization) 　　跨国公司：(multinational corporation，MNC) 　　管理多样性：(managing diversity) 　　三、工作：(job) 　　职位：(posting) 　　工作分析：(job analysis) 　　工作说明：(job description) 　　工作规范：(job specification) 　　工作分析计划表：(job analysis schedule，JAS) 　　职位分析问卷调查法：(Management Position Description Questionnaire，MPDQ) 　　行政秘书：(executive secretary) 　　地区服务经理助理：(assistant district service manager) 　　四、人力资源计划：(Human Resource Planning，HRP) 　　战略规划：(strategic planning) 　　长期趋势：(long term trend) 　　要求预测：(requirement forecast) 　　供给预测：(availability forecast) 　　管理人力储备：(management inventory) 　　裁减：(downsizing) 　　人力资源信息系统：(Human Resource Information System，HRIS) 　　五、招聘：(recruitment) 　　员工申请表：(employee requisition) 　　招聘方法：(recruitment methods) 　　内部提升：(Promotion From Within ，PFW) 　　工作公告：(job posting) 　　广告：(advertising) 　　职业介绍所：(employment agency) 　　特殊事件：(special events) 　　实习：(internship) 　　六、选择：(selection) 　　选择率：(selection rate) 　　简历：(resume) 　　标准化：(standardization) 　　有效性：(validity) 　　客观性：(objectivity) 　　规范：(norm) 　　录用分数线：(cutoff score) 　　准确度：(aiming) 　　业务知识测试：(job knowledge tests) 　　求职面试：(employment interview) 　　非结构化面试：(unstructured interview) 　　结构化面试：(structured interview) 　　小组面试：(group interview) 　　职业兴趣测试：(vocational interest tests) 　　会议型面试：(board interview) 　　七、组织变化与人力资源开发 　　人力资源开发：(Human Resource Development，HRD) 　　培训：(training) 　　开发：(development) 　　定位：(orientation) 　　训练：(coaching) 　　辅导：(mentoring) 　　经营管理策略：(business games) 　　案例研究：(case study) 　　会议方法：(conference method) 　　角色扮演：(role playing) 　　工作轮换：(job rotating) 　　在职培训：(on-the-job training ，OJT) 　　媒介：(media) 　　八、企业文化与组织发展 　　企业文化：(corporate culture) 　　组织发展：(organization development，OD) 　　调查反馈：(survey feedback) 　　质量圈：(quality circles) 　　目标管理：(management by objective，MBO) 　　全面质量管理：(Total Quality Management，TQM) 　　团队建设：(team building) 　　九、职业计划与发展 　　职业：(career) 　　职业计划：(career planning) 　　职业道路：(career path) 　　职业发展：(career development) 　　自我评价：(self-assessment) 　　职业动机：(career anchors) 　　十、绩效评价 　　绩效评价：(Performance Appraisal，PA) 　　小组评价：(group appraisal) 　　业绩评定表：(rating scales method) 　　关键事件法：(critical incident method) 　　排列法：(ranking method) 　　平行比较法：(paired comparison) 　　硬性分布法：(forced distribution method) 　　晕圈错误：(halo error) 　　宽松：(leniency) 　　严格：(strictness) 　　3600反馈：(360-degree feedback) 　　叙述法：(essay method) 　　集中趋势：(central tendency) 　　十一、报酬与福利 　　报酬：(compensation) 　　直接经济报酬：(direct financial compensation) 　　间接经济报酬：(indirect financial compensation) 　　非经济报酬：(no financial compensation) 　　公平：(equity) 　　外部公平：(external equity) 　　内部公平：(internal equity) 　　员工公平：(employee equity) 　　小组公平：(team equity) 　　工资水平领先者：(pay leaders) 　　现行工资率：(going rate) 　　工资水平居后者：(pay followers) 　　劳动力市场：(labor market) 　　工作评价：(job evaluation) 　　排列法：(ranking method) 　　分类法：(classification method) 　　因素比较法：(factor comparison method) 　　评分法：(point method) 　　海氏指示图表个人能力分析法：(Hay Guide Chart-profile Method) 　　工作定价：(job pricing) 　　工资等级：(pay grade) 　　工资曲线：(wage curve) 　　工资幅度：(pay range) 　　十二、福利和其它报酬问题 　　员工股权计划：(employee stock ownership plan，ESOP) 　　值班津贴：(shift differential) 　　奖金：(incentive compensation) 　　分红制：(profit sharing) 　　十三、安全与健康的工作环境 　　安全：(safety) 　　健康：(health) 　　频率：(frequency rate) 　　紧张：(stress) 　　角色冲突：(role conflict) 　　催眠法：(hypnosis) 　　酗酒：(alcoholism) 　　十四、员工和劳动关系 　　工会：(union) 　　地方工会：(local union) 　　行业工会：(craft union) 　　产业工会：(industrial union) 　　全国工会：(national union) 　　谈判组：(bargaining union) 　　劳资谈判：(collective bargaining) 　　仲裁：(arbitration) 　　罢工：(strike) 　　内部员工关系：(internal employee relations) 　　纪律：(discipline) 　　纪律处分：(disciplinary action) 　　申诉：(grievance) 　　降职：(demotion) 　　调动：(transfer) 　　晋升：(promotion) ;

在用Seurat包做多样本整合的时候，我们通常采用两种方式： （1）merge的方式 （2）FindIntegrationAnchors的方式整合 这里我们来解析一下FindIntegrationAnchors函数里面的参数及用法： 对于要进行多样本整合的数据，通常的做法是： 也就是单样本做了均一化后，进行多样本的整合 那这个函数FindIntegrationAnchors就是来帮助我们寻找样本整合的数据点； 看一下这个函数的参数： 其中Seurat中有很多方法值得我们借鉴，但是具体情况要具体分析，千万不要是个方法就拿来用。 请保持愤怒，让王多鱼倾家荡产~~~~

YOLOv3的配置文件中有一段对anchors参数的配置 根据 《YOLO9000:Better, Faster, Stronger》 文章中所述： 根据 《YOLOv3: An Incremental Improvement》 文章中所述： 从数据集中类聚出来的锚框，相当于预测框的一个参考，基于这个参考，算法生成的 预测框仅需要在这个锚框的基础上进行“精修或微调fine-tuning” 即可，这样算法可以收敛的更快，检测效果更好。

cornerNer论文链接： https://arxiv.org/pdf/1808.01244.pdf github： https://github.com/umich-vl/CornerNet CenterNet论文链接： https://arxiv.org/abs/1904.08189 github： https://github.com/Duankaiwen/CenterNet CornerNe-Lite论文链接: https://arxiv.org/abs/1904.08900 github: https://github.com/princeton-vl/CornerNet-Lite 所谓基于关键点进行目标检测，其实就是使用one-stage网络将目标边界框检测为一对关键点（即边界框的左上角和右下角）。通过将目标检测为成对关键点，就可消除现有的one-stage检测网络中对一组anchors的需要，这个最近火热的anchor-free也是不谋而合。接下来，先简单介绍下CornetNet和CenterNet这两个基于特征点的目标检测网络。最后对CornerNet-Squeeze做个简单介绍！ CornerNet网络的整体思路是，首先通过Hourglass Network网络进行特征提取，紧接着将网络得到的特征输入到两个模块： Top-left Corner pooling 和 Bottom-right Corner pooling 提取关键点的特征，对于每个Corner Pooling模块都会进行目标框的左上角关键点和右下角关键点的类别分类（ Heatmaps ），并找到每个目标的一对关键点（ Embeddings ），以及减少基于坐标回算目标目标位置时的偏置（ offsets ）。网络的整体结构图如下： 很显然，CornerNet的核心是四个部分： 最终，如下图所示，上半支路的网络结果如下所示，网络最终是由两条支路组成的。 CenterNet网络主要是基于CornerNet网络存在的问题，而提出的基于关键点目标检测的网络。其实现了目前为止在one-stage系类算法中最高的MAP。CenterNet的作者发现，CornerNet是通过检测物体的左上角点和右下角点来确定目标，但在此过程中CornetNet使用corner pooling仅仅能够提取到目标边缘的特征，而导致CornetNet会产生很多的误检。基于此，CenterNet利用关键点 三元组 即 中心点、左上角关键点和右下角关键点 三个关键点而不是两个点来确定一个目标，使得网络能够获取到目标内部的特征。而CornerNet在论文中也说道了，约束其网络性能最重要的部分是关键点的提取，因此CenterNet提出了 Center Pooling 和 cascade corner Pooling 用来更好的提取本文提出的三个关键点。 作者基于Corner Pooling的系列思想，提出了Center Pooling的思想，使得网络提取到的中心点特征能够更好的表征目标物体。 最终，CenterNet在CornerNet的基础上增加了中心点的预测，以及修改了关键点特征的提取方式，大大减小了网络的误检，并且实现了one-stage系列算法中的最好效果。 普林斯顿大学在4月19号提出了两种更高效的基于关键点的目标检测算法，分别为： CornetNet-Saccade 和 CornetNet-Squeeze ，若将两种策略结合则称为 CornerNet-Lite 。以下是Cver对这两个网络的介绍，个人感觉写的很好，我就不造轮子了： 最终我最感兴趣的网络CornerNet-Squeeze和YOLOv3进行对比，达到了如下图所示的效果。 然而，就在我学习并总结这篇文章的过程中，我发现CornerNet-Squeeze是基于CornerNet改进的，但正如上文中介绍CenterNet的时候提到过的CornerNet所具有的那些弊端，我总觉得CornerNet-Squeeze在误检的部分不一定会很优秀，所以接下来就是看源码阶段了，希望CornerNet-Squeeze能够不负我望哈~

INTRODUCTION 序言 PART I. TWO SYSTEMS 第一部分  两个系统 1.THE CHARACTERS OF THE STORY 故事中的人物 2.ATTENTION AND EFFORT  专注 和 奋斗 3.THE LAZY CONTROLLER 懒惰控制器 4.THE ASSOCIATIVE MACHINE 联合机 5.COGNITIVE EASE 易于认知6.NORMS,SURPRISES,AND CAUSES 行为模式，惊喜，和原因7.A MACHINE FOR JUMPING TO CONCLUSIONS 结论制造器 8.HOW JUDGMENTS HAPPEN 如何觉察发生？ 9.ANSWERING AN EASIER QUESTION 回答一个简单的问题PART II. HEURISTICS AND BIASES 第二部分  探索学习式对策 与 偏见 10.THE LAW OF SMALL NUMBERS 小数定律11.ANCHORS 锚 12.THE SCIENCE OF AVAILABILITY 实用科学 13.AVAILABILITY,EMOTION,AND RISK 实用，情感，和风险14.TOM W"S SPECIALTY TOM W"S 的专长15.LINDA:LESS IS MORE 琳达：少即多 16.CAUSES TRUMP STATISTICS 王牌原因的统计学 （因果关系胜过统计信息：中信翻译）17.REGRESSION TO THE MEAN 回归平均值 18.TAMING INTUITIVE PREDICTIONS 驯服直觉来预测PART III. OVERCONFIDENCE 第三部分 自负 19.THE ILLUSION OF UNDERSTANDING ”理解“的错觉 20.THE ILLUSION OF VALIDITY 有效性的错觉 21.INTUITIONS VS. FORMULAS 直觉 VS 准则 22.EXPERT INTUITION:WHEN CAN WE TRUST IT? 老手的直觉：什么时候我们可以相信它？ 23.THE OUTSIDE VIEW 外部意见 24.THE ENGINE OF CAPITALISM “资本主义”的引擎PART IV.CHOICES 第四部分 选择 25.BERNOULLI"S ERRORS 白努利的错误26.PROSPECT THEORY 前景理论 27.THE ENDOWMENT EFFECT 捐赠的影响 28.BAD EVENTS 坏事件 29.THE FOURFOLD PATTERN 四倍模型 30.RARE EVENTS 罕见事件 31.RISK POLICIES 风险政策 32.KEEPING SCORE 保持分数 33.REVERSALS 倒转 34. FRAMES AND REALITY 框架与现实PART V. TWO SELVES 第五部分  两个 自我 35.TWO SELVES  两个自我 36.LIFE AS A STORY 生活就像故事 37.EXPERIENCED WELL-BEING 幸福的体验 38.THINKING ABOUT LIFE 思考生活CONCLUSIONS 结论 APPENDIX A: JUDGMENT UNDER UNCERTAINTY 附录A:不确定条件下的判断 APPENDIX B: CHOICES,VALUES,AND FRAMES 附录B：选择、价值和框架 NOTES 后记 ACKNOWLEDGMENTS 致谢 INDEX 索引 (我发现这本书的目录全是用大写字母)

职业键与职业锚的不同点是：一、中、英文名称不同：1、职业键(Career key）2、职业锚(Career anchors)二、理论产生国度和文化背景不同：1、“职业键”理论和概念由中国著名易学家、资深命理学家邱平策先生提出，是邱平策先生通过剖析中国传统文化——四柱命理学对人类职业的先天定位并经过长期实证研究得出的重要理论概念之一。2、“职业锚”理论是由美国麻省理工大学斯隆管理学院E.H.施恩教授依托该学院强大的工程技术和管理学背景并在自己领导的专门研究小组下通过对该学院毕业生的职业生涯研究中演绎成的。三、名词定义和理论本质不同 1、职业键，又称“职业联结点”。“键”的本义是指联结和固定车轴和轴上零件的金属棍，具有良好的定心性能和导向性。所谓“职业键”，其实质就是人们在从事和发展属于自身职分的事业时必须围绕其先天禀赋的职业类型而进入工作的关键点。职业键是一个人出生时所禀赋的关于终生职业信息的先天部分，即是一个人的先天职业天赋在后天工作环境中所兑现的产物。职业键虽然是一个人在实际工作（尤其是早期工作）中通过不断选择、不断取舍或不断调整而最终发现的，但却绝对不是后天创造的。2、所谓职业锚，又称职业系留点。锚，是使船只停泊定位用的铁制器具。职业锚，是指当一个人不得不做出选择的时候，他无论如何都不会放弃的职业中的那种至关重要的东西或价值观。实际就是人们选择和发展自己的职业时所围绕的中心。职业锚是自我意向的一个后天习得部分，以员工习得的工作经验为基础，即在个人进入早期工作情境后，由习得的实际工作经验所决定并在实际工作中不断调整的。通俗地讲，职业键是人类职业生涯的先天因素，而职业锚是人类职业生涯的后天习得。

anchor美 ["æŋkər]英 ["æŋkə(r)]n.锚；给以安全感的人（或物）；精神支柱；顶梁柱v.抛锚；下锚；使固定；扣牢锚点；安佳；锚定第三人称单数：anchors 现在分词：anchoring 过去式：anchored

职业锚(Career anchors)理论产生于在职业生涯规划领域具有“教父”级地位的美国麻省理工大学斯隆商学院、美国著名的职业指导专家埃德加·H·施恩（Edgar.H.Schein）教授领导的专门研究小组，是对该学院毕业生的职业生涯研究中演绎成的。斯隆管理学院的44名MBA毕业生，自愿形成一个小组接受施恩教授长达12年的职业生涯研究，包括面谈、跟踪调查、公司调查、人才测评、问卷等多种方式，最终分析总结出了职业锚(又称职业定位)理论。国内学者庄一召先生在为大学生提供职业生涯规划指导的过程中，总结出了一个职业帆理论，用于指导大学生正确对待完成职业定位之后必然面临的一系列问题，主要是职业生涯发展的动力机制、导向机制和安防机制问题。[1]虽然庄一召仅对职业帆理论进行了粗略的论述，但其基本分析进路是有意义的。把职业帆理论和职业锚理论组合起来进行职业生涯规划，不失为更科学、更合理、更有效的思路。职业锚，又称职业系留点。锚，是使船只停泊定位用的铁制器具。职业锚，实际就是人们选择和发展自己的职业时所围绕的中心，是指当一个人不得不做出选择的时候，他无论如何都不会放弃的职业中的那种至关重要的东西或价值观。是自我意向的一个习得部分。个人进入早期工作情境后，由习得的实际工作经验所决定，与在经验中自省的动机、价值观、才干相符合，达到自我满足和补偿的一种稳定的职业定位。职业锚强调个人能力、动机和价值观三方面的相互作用与整合。职业锚是个人同工作环境互动作用的产物，在实际工作中是不断调整的。职业锚问卷是国外职业测评运用最广泛、最有效的工具之一。职业锚问卷是一种职业生涯规划咨询、自我了解的工具，能够协助组织或个人进行更理想的职业生涯发展规划。了解职业锚的概念，要注意几个方面：（1）职业锚以员工习得的工作经验为基础。职业锚发生与早期职业阶段，新员工已经工作若干年，习得工作经验后，方能够选定自己稳定的长期贡献区。个人在面临各种各样的实际工作生活情境之前，不可能真切地了解自己的能力、动机和价值观以及在多大程度上适应可行的职业选择。因此，新员工的工作经验产生、演变和发展了职业锚。换句话说。职业锚在某种程度上由员工实际工作所决定，而不只是取决于潜在的才干和动机。（2）职业锚不是员工根据各种测试出来的能力、才干或者作业动机、价值观，而是在工作实践中，依据自省和已被证明的才干、动机、需要和价值观，现实地选择和准确地进行职业定位。（3）职业锚是员工自我发展过程中的动机、需要、价值观、能力相互作用和逐步整合的结果。（4）员工个人及其职业不是固定不变的。职业锚，是个人稳定的职业贡献区和成长区。但是，这并不是意味着个人将停止变化和发展。员工以职业锚为其稳定源，可以获得该职业工作的进一步发展，以及个人生物社会生命周期和家庭生命周期的成长、变化。此外，职业锚本身也可能变化，员工在职业生涯的中、后期可能会根据变化了的情况，重新选定自己的职业锚。

<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd"><html><head><script>function limitAnchor(XelementName,Xlength){ var anchors=document.getElementsByName(XelementName); for(var i=0;i<anchors.length;i++) if(anchors[i].innerHTML.length>Xlength) anchors[i].innerHTML=anchors[i].innerHTML.substring(0,Xlength)+"...";}</script></head><body><a name="anchor" href="#">sfsfasfafafasfa</a><a name="anchor" href="#">你我他发送发发发</a><a name="anchor" href="#">服务发放额发</a><script>limitAnchor("anchor",5)</script></body></html>

我在这里爱你HereILoveYou我在这里爱你HereIloveyou.我在这里爱你。Inthedarkpinesthewinddisentanglesitself.在松树的阴影中，风放开自己。Themoonglowslikephosphorusonthevagrantwaters.月在漂浮的水面上象磷光般闪亮。Days,allonekind,gochasingeachother.白日，重复着，先后追逐。Thesnowunfurlsindancingfigures.雪的舞四散。Asilvergullslipsdownfromthewest.一只银色的海鸥从西边滑落。Sometimesasail.High,highstars.有时是一只船。很高的星。Ohtheblackcrossofaship.哦，船的黑色的十字架。Alone.独自。SometimesIgetupearlyandevenmysouliswet.有时我在清晨醒来，我的灵魂甚至还是湿的。Farawaytheseasoundsandresounds.远处海的声音和回声。Thisisaport.这是一个港口。HereIloveyou.我在这里爱你。HereIloveyouandhorizonhidesyouinvain.我在这里爱你，而地平线徒然的隐藏你。Iloveyoustillamongthesecoldthings.在这些冷漠的事物中，我仍然爱你。Sometimesmykissesgoonthoseheavyvessels.有时我的吻被那些沉重的船带走。Thatcrosstheseatowardsnoarrival.穿越了海，没有停留的方向。Iseemyselfforgottenlikethoseoldanchors.我看见了自己的遗忘，似古先的锚。Thepierssaddenwhentheafternoonmoorsthere.当暮色停泊在那处，码头伤感。Mylifegrowstired,hungrytonopurpose.我的生命变得疲惫，无由的饥渴。IlovewhatIdonothave.Youaresofar.我爱我没有的。你是如此遥远。Myloathingwrestleswiththeslowtwilights.我的恨意与缓慢的黄昏争着。Butnightcomesandstartssosingtome.但夜来了并开始对我歌唱。Themoonturnsitsclockworkdream.月转动它齿轮般的梦。Thebiggeststarslookatmewithyoureyes.最大的星星从你的眼中看我。AndasIloveyou,thepinesinthewind当我爱你时，风中的松树wanttosingyournamewiththeirleavesofwire.愿以它们丝丝的叶来唱你的名。

紧固件 fastner

rm(list = ls()) library(dplyr) library(Seurat) setwd("D:/PROJECT/IMC/integration") pbmc.data0 <- read.csv("GSE115746_cells_exon_counts.csv",header=T,row.names=1) pbmc.data0 celltype=read.csv("20180410-BY3_1kgenes/class_labels.csv") pbmc.data2 <- read.csv("20180505_BY3_1kgenes/cell_barcode_count.csv",header=T,row.names=1) pbmc.data2$celltype=read.csv("20180505_BY3_1kgenes/class_labels.csv") pbmc.list=list(pbmc.data0,pbmc.data1,pbmc.data2) for (i in 1:length(pbmc.list)) { pbmc.list[[i]] <- NormalizeData(pancreas.list[[i]], verbose = FALSE) pbmc.list[[i]] <- FindVariableFeatures(pancreas.list[[i]], selection.method = "vst", nfeatures = 1020, verbose = FALSE) } pbmc.reference <- pbmc.list[1] query.list <- pbmc.list[c(2,3)] pbmc.anchors <- FindIntegrationAnchors(object.list = query.list, dims = 1:30) pbmc.integrated <- IntegrateData(anchorset = pbmc.anchors, dims = 1:30) pbmc.integrated pbmc.integrated@assays$RNA pbmc.anchors <- FindTransferAnchors(reference = pbmc.reference, query = pbmc.integrated, dims = 1:30) predictions <- TransferData(anchorset = pbmc.anchors, refdata = pbmc.reference$celltype, dims = 1:30) pancreas.query <- AddMetaData(pbmc.integrated, metadata = predictions)

14

12号钻头用M10的膨胀螺丝14号钻头用M12的膨胀螺丝电锤：在电钻的基础上，增加了一个由电动机带动有曲轴连杆的活塞，在一个汽缸内往复压缩空气，使汽缸内空气压力呈周期变化，变化的空气压力带动汽缸中的击锤往复打击钻头的顶部。由于电锤的钻头在转动的同时还产生了沿着电钻杆的方向的快速往复运动（频繁冲击），所以它可以在脆性大的水泥混凝土及石材等材料上快速打孔。高档电锤可以利用转换开关，使电锤的钻头处于不同的工作状态，即只转动不冲击，只冲击不转动，既冲击又转动。膨胀螺丝：Anchors，一般说的是金属膨胀螺丝，由螺杆和膨胀管等部件组成，膨胀螺丝的固定是利用楔形斜度来促使膨胀产生摩擦握裹力，达到固定效果。

西部片，《牛仔追杀令》，《西部牛仔》，《荒野大镖客》，《黄昏双镖客》，《黄金三镖客》

只需要在浏览器的 ：即将打开事件中加入个拦截阻止打开新窗口的命令就行了。有时候我们想让用户在新窗口打开网站，因为默认当前窗口打开，很多情况下，用户并不喜欢一 让整个网页页面内的链接都在新窗口打开:在head中加入 <base target="_blank"> 二 让一个DIV里所有链接在新窗口打开： 在body中加入 <SCRIPT LANGUAGE="JavaScript"> <!- var anchors = document.getElementById("DIV名").getElementsByTagName("a"); for(var i=0;i<anchors.length;i++) {var anchor = anchors[i];anchor.target="_blank";} //–> </SCRIPT> 加入了是否特别要当前窗口打开的 //控制超链接在新窗口打开 var tar=""; tar="_blank"; var urls=document.getElementsByTagName("a"); for (var i=0;i { if(urls[i].target!="_self"){ urls[i].target=tar; } } 三 让指定链接在新窗口打开： 在原窗口打开：<a href="http://www.baidu.com">百度</a> 在新窗口打开：：<a tager="_blank" href="http://www.baidu.com">百度</a>

通过href可以访问到本页面或者其他页面，还有其他属性可以设置一些具体的打开方式啊什么的

用锚点定位就可以了 比如页面上面的导航条为<a href="#mao1">内容1</a> | <a href="#mao2">内容2</a>。。。。然后你在下面的每个内容块里加一个锚点 <a name="mao1"></a><a name="mao2"></a>...........

锚离底!就是起锚的意思

sectionsColor:[‘green‘,‘orange‘,‘red‘,‘lime‘];//设置配景颜色可以为每一个section设置background-color属性controlArrows:界说是否通过箭头来控制slide幻灯片，默认为true，当我们设置为false，则幻灯片摆布的箭头消掉，在移动端上我们可以通过滑动来控制幻灯片verticalCentered:每一页的内容是否垂直居中，默认为trueresize:字体是否跟着窗口缩放而缩放，默认为falsescrollingSpeed:滚动速度，单位为毫秒，默认为700anchors:界说锚链接，默认值是[]。有了锚链接，用户可以快速打开定位到某一页面。注意界说锚链接的时候，值不要和页面中任意的id或name不异，尤其在IE下，而且界说时不需要加#lockAnchors:是否锁定锚链接，默认为false，若设置为true，则界说的锚链接就没有效果，使用较少easing:界说页面section滚动的动画方法，默认为easeInOutCubic,如果改削则需引入jquery.easings插件，或者jquery ui.css3:是否使用CSS3 transforms来实现滚动效果，默认为true。可提高撑持css3的浏览器(如移动设备等的速度)，若浏览器不撑持css3，则会使用jquery来取代css3实现滚动效果。(传说中的优雅降级)loopTop:滚动到最顶部后是否持续滚动到底部，默认falseloopBottom：滚动到最底部后是否持续滚动回顶部，默认falseloopHorizontal：横向slide幻灯片是否循环滚动，默认为trueautoScrolling:是否使用插件的滚动方法，默认为true，变为false则会呈现浏览器自带的滚动条，将不会按页滚动，而是凭据滚动条的默认行为来滚动scrollBar:是否包罗滚动条，默认为false。设置为true，则呈现浏览器自带的滚动条，页面滚动还是按页滚动，但滚动条的默认行为也有效paddingTop/paddingBottom:设置每一个section顶部和底部的padding，默认都是0。一般如果需要设置一个固定在顶部或者底部的菜单、导航、元素等，可以使用这两个配置项。fixedElements:固定的元素，默认为null，需要配置一个jquery选择器。在页面滚动的时候，fixedElements设置的元素固定不动。keyboardScrolling:是否可以使用键盘标的目的键导航，默认为true。touchSensitivity:在移动设备中滑动页面的敏感性，默认为5，是按百分最近衡量，最高为100，越大滑动越难continuousVertical:是否循环滚动，默认为false。如果为true，则页面会循环滚动，它不会像loopTop和loopBottom那样呈现跳动。(它和loopTop、loopBottom不兼容，不要同时设置)animateAnchor:锚链接是否可以控制滚动动画，默认为true。若为false，则通过锚链接定位到某个页面显示不再有动画效果。recordHistory:是否记录历史，默认true。可以记录页面滚动的历史，通过浏览器的前进撤退退却来导航。如果设置了autoScrolling:false，那么这个配置也将被封锁。menu:绑定菜单，设定的相关属性与anchors的值对应后，菜单可以控制滚动，默认为false。可以设置为菜单的jquery选择器

backbone ：ResNet50, ResNet101 neck : FPN P3-P5由ResNet得到，P6由P5经过stride=2的3*3卷积得到，P7由P6经过ReLU和stride=2的3*3卷积得到。P3-P7的stride分别为8，16，32，64，128。 层间融合：高分辨率层上采样，低分辨率1*1卷积，两者维度一致，直接相加后再3*3卷积。 head : classification(KA) + regression(4A)，在图(c)和(d)中，不同层的head共享参数(concatenate操作)，但是分类和回归分支之间不共享。 loss : Focal loss + smooth L1 alpha平衡正负样本loss，取0.25；gamma平衡难易样本，取2。 分类loss是所有正负例的focal loss求和，然后除以类别为正例的anchors总数（正负例anchor数量平衡）。 回归loss是所有正例的smooth L1 loss求和，然后除以类别为正例的anchors总数。 在loss计算前去除掉所有超出图片边界的Anchor，这部分Anchor不用于loss计算（和faster rcnn一致）。 bootstrapping: hard example mining：抽样方法，SSD中使用，预先确定的比率（通常前景:背景为1:3）选择loss最大的topK背景框。 Focal loss: 降低大量easy negatives的loss权重，根据置信度动态调整loss，速度更快，效果更好。 2.1 anchor的分布 长宽比: [0.5, 1, 2]，scale: [2**0, 2**(1/3), 2**(2/3)]，组合得到9组anchor aspects/每个feature点 P3-P7基础size为32, 64, 128, 256, 512，乘以aspects，覆盖输入范围32-813 越高层的anchor size约大，越倾向于检测大目标。 2.2 anchor的物理含义 对于长宽为（原图H/8，原图W/8）的特征图，其特征图上的每个单元格cell对应原图区域上（32，32）大小的对应区域（这里对应的大小并不是实际感受野的大小，而是一种人为的近似设置）。 在大小为base_size的正方形框的基础上，对框进行长宽比例调整和缩放形成9种所anchor，以及一个单元格cell的通道维和anchor对应的关系，如下图所示。 2.3 多层FPN如何分配目标 （1）公式选层 （2）IoU选层 将FPN所有层的全部anchor与ground truth计算IoU，将目标分配给得分高于阈值且最高的anchor（低于阈值情况很少，所以去掉低于阈值的最高分也影响不大） （3）loss选层 FSAF中选择loss最小的层预测目标 采用目标-anchor iou双阈值区分正样本，负样本和忽略样本。     backbone采用在ImageNet上预训练的ResNet，新增的卷积层普通初始化（bias=0，sigma=0.01），分类分支最后的卷积层的bias初始化为： 相当于模型初始训练时，每个anchor预测为正例设置一个先验概率值，论文中采用的是0.01，权重参数通常初始化为（0，0.01）高斯分布，意味着分类为正例的概率为0.01，这是合理的。因为真实场景中很多anchor是负例，设置先验值可以大大降低负样本在开始训练时的loss，这样训练更容易，相当于手动warmup。     分类分支输出channel为KA，最后sigmoid激活就可以得到各个anchor预测每个类别的概率，即每个位置相当于KA个二分类，因此某个位置的某个anchor可能会输出几个类别不同但是box一样的预测框。也正是因为采用了sigmoid二分类，才有上面 每个anchor所有类别都初始化为bias=0.01 4.1 保留top1K候选bbox 4.2 用0.05的阈值过滤掉负类 4.3 全部level结果concat，IoU=0.5 NMS过滤重叠框 （1）SSD的多尺度是独立的，RetinaNet的FPN在不同尺度之间进行了层间融合 （2）SSD的采用softmax多分类，RetinaNet以及后续改进的FCOS都是采用K个二分类（Focal loss默认是二分类） （3）为了与配合focal loss，RetinaNet的分类分支最后的卷积层的bias初始化为0.01，可以加快训练和收敛 （4）RetinaNet的不同层head部分共享参数，检测和分类分支之间参数不共享，各层分类/回归结果concat再求loss （1）backbone不同，YOLOV3的backbone是基于DarkNet-53，RetinaNet是ResNet50或101。 （2）FPN层数不同，YOLOV3的FPN只有P3-P5，RetinaNet是P3-P7 （3）loss不同，RetinaNet是focal loss YOLO V3之后的检测模型从数据增强、backbone、neck和head等维度已经趋向统一。

Career, career anchor outside the zone of proximal development career values career decisions

document.getElementByTags("a")剩下的,你懂的

如果把链接的 target 属性设置为 "_blank"，该链接会在新窗口中打开。比如：<a href="http://www.baidu.com/" target="_blank">百度网</a>

论文： Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks 目标检测网络大多依靠 区域生成 （region proposal）算法来假设目标的位置。 R-CNN 是采用 Selective Search 算法来提取(propose)可能的 RoIs(regions of interest) 区域，然后对每个提取区域采用标准 CNN 进行分类。选择性搜索（Selective Search ）方法就是在目标对象周围设定2000个形状大小位置不一的候选区域，目标物体在候选区域的可能性还是比较大的。然后对这些区域卷积，找到目标物体，虽然大多数区域都是无用的。与寻找几乎个区域比起来，这种方法要高效的多。 Fast R-CNN ，不在原始图像生成备选区域，而是先整张图片通过卷积网络得到特征图，然后在特征图上使用备选区域算法得到感兴趣的区域在特征图的映射，之后使用 Rol Pool将所有区域变成同样尺寸，大大减少了这些目标检测网络的运行时间，但是区域生成的计算成为整个检测网络的瓶颈。 Faster R-CNN 引入了一个 区域生成网络（Region Proposal Network，RPN） ，该网络与检测网络共享输入图像的卷积特征，从而使接近零时间成本的区域生成成为可能。 RPN是一个全卷积网络，可以同时在每个位置预测目标边界和目标分数。RPN经过端到端的训练，可以生成高质量的区域候选框，然后提供给Fast R-CNN用于检测。 Faster R-CNN 由两个模块组成：第一个模块是区域生成的深度全卷积网络，第二个模块是使用备选区域的Fast R-CNN检测器。整个系统是一个单个的，统一的目标检测网络。使用最近流行的“注意力”机制的神经网络术语，RPN模块告诉Fast R-CNN模块在哪里寻找目标。 针对一张图片，需要获得的输出有： Faster R-CNN 第一步是采用基于分类任务(如ImageNet)的 CNN 模型作为特征提取器。输入图片表示为 H × W × D 的形式，经过预训练 CNN 模型的处理，得到卷积特征图(conv feature map)。 Faster R-CNN 最早是采用在 ImageNet 训练的 ZF 和 VGG ，其后出现了很多其它权重不同的网络.。如 MobileNet 是一种小型效率高的网络结构，仅有 3.3M 参数；而ResNet-152 的参数量达到了 60M；新网络结构，如 DenseNet 在提高了结果的同时，降低了参数数量。 以 VGG16 为例： VGG16 图片分类时，输入为 224×224×3 的张量(即，一张 224×224 像素的 RGB 图片)。网络结构最后采用 FC 层(而不是 Conv 层)得到固定长度的向量，以进行图片分类.。对最后一个卷积层的输出拉伸为1维的向量，然后送入 FC 层。官方实现中是采用的卷积层 conv5/conv5_1 的输出。 在深度上，卷积特征图对图片的所有信息进行了编码，同时保持相对于原始图片所编码 “things” 的位置。例如，如果在图片的左上角存在一个红色正方形，而且卷积层有激活响应，那么该红色正方形的信息被卷积层编码后，仍在卷积特征图的左上角。因此利用特征图检测目标所在的位置是可行的。 ResNet 结构逐渐取代 VGG 作为基础网络，用于提取特征。ResNet 相对于 VGG 的明显优势是，网络更大，因此具有更强的学习能力.。这对于分类任务是重要的，在目标检测中也应该如此。另外，ResNet 采用残差连接(residual connection) 和 BN (batch normalization) 使得深度模型的训练比较容易。 然后，RPN(Region Propose Network) 对提取的卷积特征图进行处理，寻找可能包含 目标的 预定义数量的区域(regions，边界框) 。为了生成候选区域，在最后的共享卷积层输出的卷积特征图上做 3x3 卷积，卷积核共有512个（VGG），后面是ReLU，这样每个 3x3 区域会得到一个512维的特征向量。然后这个特征向量被输入到两个全连接层——一个边界框回归层（reg）和一个边界框分类层（cls）。 下面解释 k, 2k, 4k 的含义。 基于深度学习的目标检测中，可能最难的问题就是生成长度不定(variable-length)的边界框列表（bounding-boxes），边界框是具有不同尺寸（sizes）和长宽比（aspect ratios ）的矩形。在构建深度神经网络时，最后的网络输出一般是固定尺寸的张量输出(采用RNN的除外)。例如，在图片分类中，网络输出是 (C, ) 的张量，C是类别标签数，张量的每个位置的标量值表示图片是类别的概率值。 在 RPN 中，通过采用 anchors（锚） 来解决边界框列表长度不定的问题，即在原始图像中统一放置固定大小的参考边界框。上面说到RPN对特征图做3x3的卷积，假设每一次卷积需要预测 k 个候选区域，因此，reg层具有 4k 个输出，编码 k 个边界框的坐标，cls层输出 2k 个分数，估计每个区域是目标或是背景的概率。这 k 个区域就是 被 k 个参考边界框初始化， k 个参考框就是 k 个锚点，作为第一次预测目标位置的参考 boxes。锚点的中心位于卷积核滑动窗口的中心。默认情况下每个滑动位置使用3个不同尺度（128 2 , 256 2 , 512 2 ）3个不同长宽比（1:2, 1:1, 2:1）的锚点，k=9。对于大小为W×H（通常约为2400）的卷积特征图，总共有 W×H×k 个锚点。对于RPN的最后两个全连接层，参数的个数为 512×(4+2)×k. 不同于直接检测目标的位置，这里将问题转化为两部分。对每一个 anchor 而言： 有一种简单的方法来预测目标的边界框，即学习相对于参考边界框的偏移量。假设参考 box：( )，待预测量：( )，一般都是很小的值，以调整参考 box 更好的拟合所需要的。 虽然 anchors 是基于卷积特征图定义的，但最终的 anchos 是相对于原始图片的. 由于只有卷积层和 pooling 层，特征图的维度是与原始图片的尺寸成比例关系的. 即，数学地表述，如果图片尺寸 w×h，特征图的尺寸则是w/r×h/r. 其中，r 是下采样率(subsampling ratio). 如果在卷积特征图空间位置定义 anchor，则最终的图片会是由 r 像素划分的 anchors 集。在 VGG 中， r=16。 RPN 利用所有的参考边界框(anchors)，输出一系列目标的良好的 proposals。针对每个 anchor，都有两个不同的输出： RPN是全卷积网络。 对于分类层，每个 anchor 输出两个预测值：anchor 是背景(background，非object)的 score 和 anchor 是前景(foreground，object) 的 score. 对于回归层，也可以叫边界框调整层，每个 anchor 输出 4 个预测值： （Δxcenter,Δycenter,Δwidth,Δheight），用于 anchors 来得到最终的 proposals。根据最终的 proposal 坐标和其对应的 objectness score，即可得到良好的 objects proposals. RPN 有两种类型的预测值输出：二值分类和边界框回归调整。 为了训练RPN，我们为每个锚点分配一个二值类别标签（是目标或不是目标）。我们给两种锚点分配一个正标签：（i）具有与实际边界框的重叠最高交并比（IoU）的锚点，或者（ii）具有与实际边界框的重叠超过0.7 IoU的锚点。注意，单个真实边界框可以为多个锚点分配正标签。通常第二个条件足以确定正样本；但我们仍然采用第一个条件，因为在一些极少数情况下，第二个条件可能找不到正样本。对于所有的真实边界框，如果一个锚点的IoU比率低于0.3，我们给非正面的锚点分配一个负标签。既不正面也不负面的锚点不会有助于训练目标函数。 然后，随机采样 anchors 来生成batchsize=256 的 mini-batch，尽可能的保持 foreground 和 background anchors 的比例平衡。 RPN 对 mini-batch 内的所有 anchors 采用二分类交叉熵来计算分类 loss。然后，只对 mini-batch 内标记为 foreground 的 anchros 计算回归 loss。为了计算回归的目标targets，根据 foreground anchor 和其最接近的 groundtruth object，计算将 anchor 变换到 object groundtruth 的偏移值 Δ。 Faster R-CNN没有采用简单的 L1 或 L2 loss 用于回归误差，而是采用 Smooth L1 loss. Smooth L1 和 L1 基本相同，但是，当 L1 误差值非常小时，表示为一个确定值即认为是接近正确的，loss 就会以更快的速度消失. 由于 Anchors 一般是有重叠，因此，相同目标的候选区域也存在重叠。 为了解决重叠 proposals 问题，采用 NMS 算法处理，丢弃与一个 score 更高的 proposal 间 IoU 大于预设阈值的 proposals. 虽然 NMS 看起来比较简单，但 IoU 阈值的预设需要谨慎处理. 如果 IoU 值太小，可能丢失 objetcs 的一些 proposals；如果 IoU 值过大，可能会导致 objects 出现很多 proposals。IoU 典型值为 0.7。 NMS 处理后，根据 sore 对topN 个 proposals 排序. 在 Faster R-CNN 论文中 N=2000，其值也可以小一点，如 50，仍然能的高好的结果. 当获得了可能的相关目标和其在原始图像中的对应位置之后，问题就更加直接了，采用 CNN 提取的特征和包含相关目标的边界框，采用 RoI Pooling 处理，并提取相关目标的特征，得到一个新的向量。 RPN 处理后，可以得到一堆没有分类得分的目标 proposals。待处理问题为，如何利用这些边界框并分类。 一种最简单的方法是，对每个 porposal，裁剪，并送入pre-trained base 网络，提取特征；然后，将提取特征来训练分类器. 但这就需要对所有的 2000 个 proposals 进行计算，效率低，速度慢。Faster R-CNN通过重用卷积特征图来加快计算效率，即采用 RoI(region of interest) Pooling 对每个 proposal 提取固定尺寸的特征图。然后 R-CNN 对固定尺寸的特征图分类。 目标检测中，包括 Faster R-CNN，常用一种更简单的方法，即：采用每个 proposal 来对卷积特征图裁剪crop，然后利用插值算法(一般为双线性插值 bilinear)将每个 crop resize 到固定尺寸14×14×ConvDepth. 裁剪后，利用 2×2 kernel 的 Max Pooling 得到每个 proposal 的最终7×7×ConvDepth 特征图. 之所以选择该精确形状，与其在下面的模块(R-CNN)中的应用有关。 R-CNN利用RoI Pooling提取的特征进行分类，采用全连接层来输出每个可能的 目标类别的分类得分，是Faster R-CNN框架中的最后一个步骤。 R-CNN 有两个不同的输出： R-CNN 对每个 proposal 的特征图，拉平后采用 ReLU 和两个大小为 4096 维的全连接层进行处理。然后，对每个不同目标采用两个不同的全连接层处理：一个全连接层有 N+1 个神经单元，其中 N 是类别 class 的总数，包括 background class；一个全连接层有 4N 个神经单元，是回归预测输出，得到 N 个可能的类别分别预测 Δcenterx,Δcentery,Δwidth,Δheight。 R-CNN 的目标基本上是与 RPN 目标的计算是一致的，但需要考虑不同的可能的 object 类别 classes. 根据 proposals 和 ground-truth boxes，计算其 IoU。与任何一个 ground-truth box 的 IoU 大于 0.5 的 proposals 被设为正确的 boxes。IoU 在 0.1 到 0.5 之间时设为 background。这里忽略没有任何交叉的 proposals。这是因为，在此阶段，假设已经获得良好的 proposals。当然，所有的这些超参数都是可以用于调整以更好的拟合 objects。 边界框回归的目标计算的是 proposal 与其对应的 ground-truth间的偏移量，只对基于 IoU 阈值设定类别后的 proposals 进行计算。随机采用一个平衡化的 mini-batch=64，其中，25% 的 foreground proposals(具有类别class) 和 75% 的background proposals. 类似于 RPNs 的 losses，对于选定的 proposals，分类 loss 采用 multiclass entropy loss；对于 25% 的 foreground proposals 采用 SmoothL1 loss 计算其与 groundtruth box 的匹配。 由于 R-CNN全连接网络对每个类别仅输出一个预测值，当计算边框回归loss 时需谨慎，只需考虑正确的类别。 类似于 RPN，R-CNN 最终输出一堆带有类别分类的objects，在返回结果前，再进一步进行处理。 为了调整边界框，需要考虑概率最大的类别的 proposals. 忽略概率最大值为 background class 的proposals. 当得到最终的 objects 时，并忽略被预测为 background 的结果，采用 class-based NMS. 主要是通过对 objects 根据类别class 分组，然后根据概率排序，并对每个独立的分组采用 NMS 处理，最后再放在一起. 最终得到的 objects 列表，仍可继续通过设定概率阈值的方式，来限制每个类的 objects 数量. Faster R-CNN在论文中是采用分步方法，对每个模块分别训练再合并训练的权重. 自此，End-to-end 的联合训练被发现能够得到更好的结果. 当将完整的模型合并后，得到 4 个不同的 losses，2 个用于 RPN，2 个用于 R-CNN。4 种不同的 losses 以加权和的形式组织. 可以根据需要对分类 loss 和回归 loss 设置权重，或者对 R-CNN 和 RPNs 设置不同权重. 采用 SGD 训练，momentum=0.9. 学习率初始值为 0.001，50K 次迭代后衰减为 0.0001. 这是一组常用参数设置。

import Charts 1.0import QtQuick 1.0 Item { width: 300; height: 200 PieChart { id: aPieChart anchors.centerIn: parent width: 100; height: 100 color: "red" onChartCleared: console.log("The chart has been cleared") } MouseArea { anchors.fill: parent onClicked: aPieChart.clearChart() } Text { anchors { bottom: parent.bottom; horizontalCenter: parent.horizontalCenter; bottomMargin: 20 } text: "Click anywhere to clear the chart" } }File:SimpleChart2.png‎为c++类添加被调用的方法和信号下面我们就来看一下在C++的类中我们具体应该怎么做：class PieChart : public QDeclarativeItem { ... public: ... Q_INVOKABLE void clearChart(); signals: void chartCleared(); ... };使用Q_INVOKABLE 使得Qt Meta-Object 系统可以访问到clearChart() 方法，于是QML也可以访问到这个方法了。请注意，由于槽函数（slots）也可以被QML调用，因此clearChart() 也可以被声明为一个Qt slot 而不使用Q_INVOKABLE。这两种方式都是有效的。clearChart() 方法将绘制扇形图的画笔颜色设置成Qt::transparent（透明），并重绘扇形图，最后发出chartCleared()信号：void PieChart::clearChart() { setColor(QColor(Qt::transparent)); update(); emit chartCleared(); }运行程序现在我们可以启动这个应用程序并点击其窗口区域，于是窗口上的扇形图就消失了，并且应用程序有如下输出：The chart has been cleared您可以在 Qt 的 examples/tutorials/extending/chapter2-methods目录中找到这个程序的完整代码。

MacOS和Linux一样，需要root权限使用低于1024以下端口。因此要在Mac机器上监听80端口或443端口，要么以root用户启动应用，要么使用端口转发。 在Linux系统中可以通过 sudo setcap cap_net_bind_service=+ep <app name> 来让非root用户使用1024以下端口（<app name>指要授权监听端口的程序）。 MacOS没有 setcap 命令，所以需要通过端口转发来达到目的。新版的MacOS操作系统使用pf（packet filter）设置端口转发。 ⚠️注意，以下示例端口有重复。 示例一： /etc/pf.anchors/http 示例二： /etc/pf.anchors/tomcat 示例三： /etc/pf.anchors/virtualbox pf启动时会自动装载 /etc/pf.conf 文件,因此将anchor文件链接到 /etc/pf.conf ,转发规则就会自动建立了。 pf.conf 对指令的顺序有严格要求，相同的指令需要放在一起，否则会报错 Rules must be in order: options, normalization, queueing, translation, filtering. pf默认是关闭的。可以使用以下命令启动pf： 使用 -e 命令启用 pf 服务。使用 -E 命令强制重启 pf 服务： 使用 -d 命令关闭 pf： 修改 LaunchDaemons （ 《了解LaunchDaemons》 ）来使 pf 开机自动打开 添加的为-e参数,即enable。 有一点一定要注意,-f和 etc/pf.conf 这两个参数不能被打断，因为-f必须紧跟一个文件参数，所以说添加-e参数时不要打断-f参数，否则开机不会自动启动pf，切记。 如果需要跨接口转发，则需设置系统参数： /etc/sysctl.conf 开机启动配置，需以 root 身份添加或修改 /etc/sysctl.conf 文件，加入以下两行： 开启端口转发之后，即可配置端口转发规则。你可以跟着手册来：

SwipeArea.qml/* This code was written by Sergejs Kovrovs and has been placed in the public domain. */import QtQuick 2.0MouseArea {property point originproperty bool ready: falseproperty int threshold: units.gu(20)signal move(int x, int y)signal swipe(string direction)onPressed: {drag.axis = Drag.XAndYAxisorigin = Qt.point(mouse.x, mouse.y)}onPositionChanged: {switch (drag.axis) {case Drag.XAndYAxis:if (Math.abs(mouse.x - origin.x) > threshold ) {drag.axis = Drag.XAxis}else if (Math.abs(mouse.y - origin.y) > threshold) {drag.axis = Drag.YAxis}breakcase Drag.XAxis:move(mouse.x - origin.x, 0)breakcase Drag.YAxis:move(0, mouse.y - origin.y)break}}onReleased: {switch (drag.axis) {case Drag.XAndYAxis:canceled(mouse)breakcase Drag.XAxis:swipe(mouse.x - origin.x < 0 ? "left" : "right")breakcase Drag.YAxis:swipe(mouse.y - origin.y < 0 ? "up" : "down")break}}}这里的代码定义了一个新的MouseArea的Component。这个Component可以在任何其它需要用到MouseArea的地方用到。你也可以理解为MouseArea的重载（从C++的角度，虽然并不精确）。我们对原作者的代码没有更多的改动，但是，我重新定义了一个“threshold”。这个是用来调整我们的Swipe的灵敏度的。比如，一个较大的值，使得我们必须使用较大的滑动才可以产生swipe的信号。较小的值，使得swipe的侦测更加容易。这个可以根据我们在实际的应用中进行调整。那么我们如何使用这个SwipeArea的Component呢？Swipe.qml/* This code was written by Sergejs Kovrovs and has been placed in the public domain. */import QtQuick 2.0Item {id: rootwidth: 480height: 320property var itemData: ["#22eeeeee", "#22bbbbbb", "#22888888", "#22555555", "#22222222"]property int currentIndex: 0onCurrentIndexChanged: {slide_anim.to = - root.width * currentIndexslide_anim.start()}PropertyAnimation {id: slide_animtarget: contenteasing.type: Easing.OutExpoproperties: "x"}Image {id: imganchors.verticalCenter: root.verticalCentersource: "images/wallpaper.jpg"fillMode: Image.PreserveAspectCrop}Item {id: contentwidth: root.width * itemData.lengthproperty double k: (content.width - root.width) / (img.width - root.width)onXChanged: {img.x = x / k// console.log("img.x: " + img.x );}Repeater {model: itemData.lengthRectangle {x: root.width * indexwidth: root.width; height: root.heightcolor: itemData[index]Text { text: index+1; anchors.centerIn: parent; font.pointSize: 100; color: "#88000000" }}}}SwipeArea {id: mouseanchors.fill: parentonMove: {content.x = (-root.width * currentIndex) + x// console.log("content.x " + content.x);}onSwipe: {switch (direction) {case "left":if (currentIndex === itemData.length - 1) {currentIndexChanged()}else {currentIndex++}breakcase "right":if (currentIndex === 0) {currentIndexChanged()}else {currentIndex--}break}}onCanceled: {currentIndexChanged()}}Row {anchors { bottom: parent.bottom; bottomMargin: 16; horizontalCenter: parent.horizontalCenter }spacing: 16Repeater {model: itemData.lengthRectangle {width: 12; height: 12; radius: 6color: currentIndex === index ? "#88ffffff" : "#88000000"border { width: 2; color: currentIndex === index ? "#33000000" : "#11000000" }}}}}就像我们正常情况下使用MouseArea的情况一样，我们可以在我们需要侦测滑动的地方使用SwipeArea。这样，我们只需要捕获SwipeArea中发出的信号：SwipeArea {id: mouseanchors.fill: parentonMove: {content.x = (-root.width * currentIndex) + x// console.log("content.x " + content.x);}onSwipe: {switch (direction) {case "left":if (currentIndex === itemData.length - 1) {currentIndexChanged()}else {currentIndex++}breakcase "right":if (currentIndex === 0) {currentIndexChanged()}else {currentIndex--}break}}onCanceled: {currentIndexChanged()}}这里，我们可以捕获onSwipe就可以得到Swipe的方向。在本例子中，我们只对左右感兴趣。我们可以通过手势向左或向右滑动来看一个图片的其它的部分。

用window.location.href="你要的地址"，这个完全可以

　　1）使用PageStack来完成 　　在我们的RssReader中的例子中，我们使用了PageStack来完成我们的导航。我们可以把我们的每个页面都做成我们的Page。当我们的页面被点击后，我们把新的Page压入栈中。在返回时，我们只需要点击返回按钮即可： 　　 　　我们可以在我的例程中找到相应的代码。 　　2）使用一个不可见的显示在需要时显示出来 　　在我们的使用中，我们使用两个重叠在一起的窗口，但是详细的页面只有在ListView中的item被点击后才能显示。在默认的情况下，我们显示ListView。 　　[html] view plaincopy在CODE上查看代码片派生到我的代码片 　　ListView { 　　id: listview 　　 　　clip: true 　　anchors.fill: parent 　　model:mymodel 　　 　　header: Text { 　　text: "This is the header" 　　font.pixelSize: 30 　　 　　Rectangle { 　　anchors.top: parent.bottom 　　width: listview.width 　　height: units.gu(0.4) 　　color: "blue" 　　} 　　} 　　 　　delegate: MyDelegate {} 　　 　　footer: Text { 　　text: "This is the footer" 　　font.pixelSize: 30 　　} 　　} 　　 　　Item { 　　id: popup 　　visible: false 　　clip: true 　　property url loadUrl 　　onLoadUrlChanged: { 　　opacity = 0; 　　visible = (loadUrl == "" ? false : true); 　　console.log("opacity: " + opacity ); 　　console.log("visible: " + visible ); 　　} 　　anchors.fill: parent 　　Rectangle { 　　id: bg 　　anchors.fill: parent 　　color: "white" 　　} 　　MouseArea{ 　　anchors.fill: parent 　　enabled: popup.visible 　　//Eats mouse events 　　} 　　Loader{ 　　focus: true 　　source: popup.loadUrl 　　width: parent.width 　　height: parent.height -toolbar.height 　　} 　　 　　Rectangle { 　　id: toolbar 　　width: parent.width 　　height: units.gu(4) 　　anchors.bottom: parent.bottom 　　color: "blue" 　　 　　Icon { 　　name: "previous" 　　width: units.gu(3.5) 　　height: units.gu(3.5) 　　 　　MouseArea { 　　anchors.fill: parent 　　onClicked: { 　　popup.loadUrl = ""; 　　ani.running = true; 　　} 　　} 　　} 　　} 　　 　　NumberAnimation on opacity { 　　id: ani 　　from: 0 　　to: 1 　　duration: 3000 　　} 　　}