Java基础知识点自检、线程等

本文详细介绍Java编程的基础知识,包括开发环境搭建、语法特性、面向对象编程,并深入探讨线程的概念、创建方式及其实现机制。

@version 1.0 2011.01.06

@version 2.0 2011.01.14  线程


【1】

1,“一次编译、到处运行”的原理

→字节码、JVM、解释运行

2,开发环境搭建

→JDK、环境变量

→java -verbose

3,命令行处理 c:\windows\system32\set 

4,path、java、classpath、javac命令

5,JVM运行过程、垃圾回收机制

【2.1】

6,java基础语法

→大小写敏感

→标识符、关键字、注释

→java常量(整形、长整型、单精度、双精度、布尔、字符、字符串、null)

→java变量(byte、short、int、long、float、double、char、Boolean)

→类型转换

→函数/子程序

【2.2】

7,程序的流程控制(顺序、判断if、循环for)

→问号表达式、break、

→switch语句

→while、do-while语句

→for语句流程、break/continue语句

8,浮点数在内存中的表达

→Float.intBitsToFloat(0x7f800000); +无穷大

Float.intBitsToFloat(0x7fffffff); (最大浮点数)

Float.intBitsToFloat(0x00000001); (最小浮点数)

9,数组

→栈内存、堆内存

int[] x; //栈,变量

x=new int[100];//堆,new 数组或对象

x=null;

→多维数组(数组中数组)

int[][] xx=new int[2][3];

xx[0][0]=3;

xx[1][2]=6;

for(int i=0;i<xx.length;i++){

for(int j=0;j<xx[i].length;j++){

}

}

→排序 

java.util.Arrays.sort(x);

→拷贝 

System.arraycopy(x,3,y,4,4);

【3.1】

10,面向对象/面向过程

→封装性、类和对象(实例instance)

→构造函数(初始化)

→this

→垃圾回收过程 

Java中的finalize()

c++中的析构方法

System.gc() ——调出垃圾回收器

【3.2】

→函数的参数传递

引用数据类型的参数传递

→static静态变量(全局)

类(非必须对象)即能引用,比如统计类实例对象数

→static静态方法

非静态变量和方法不能被静态方法访问

→静态代码块(静态成员初始化)

→单态模式的实现

→main函数语法

→java内部类

→在类中直接定义的内部类

 内部类如何被外部引用

→在类的方法中的定义内部类

→使用Java的文档注释

【4.1】

10,面向对象(下)

→类的继承

子类扩展父类

构造方法不会直接继承,需要super()调用

→子类对象的实例化过程

→final关键字

→抽象类、抽象方法(abstract)

abstract class A{

abstract int aa(int x,int y);

}

→接口interface

public static final

class Student extends Person implements Runner

→对象的类型转换

→面向对象的多态性

→PCI接口模拟

→匿名内置类

【4.2】

→异常

try catch finally语句、异常类

自定义异常与throw、throws关键字

→包

→JDK常用包

→Java访问控制

→jar包、jar命令

【5】

 

——————————————————————————————————————————————

11,线程

→Thread

→后台线程与联合线程

→Runnable接口创建多线程

→多线程在实际中的应用(网络聊天程序、表记录的复制和中途取消等)

→多线程的同步(安全)问题

代码块/函数的原子性、synchronized关键字、锁棋标

→死锁

→线程间的通信

 生产者、消费者实例模拟

wait

notify

notifyAll

→线程生命的控制

suspend()

 

→线程详解 http://java.chinaitlab.com/line/373702.html

→eg

 

   

 

 

 

内容概要:本文详细介绍了一个基于Java和Vue的联邦学习隐私保护推荐系统的设计与实现。系统采用联邦学习架构,使用户数据在本地完成模型训练,仅上传加密后的模型参数或梯度,通过中心服务器进行联邦平均聚合,从而实现数据隐私保护与协同建模的双重目标。项目涵盖完整的系统架构设计,包括本地模型训练、中心参数聚合、安全通信、前后端解耦、推荐算法插件化等模块,并结合差分隐私与同态加密等技术强化安全性。同时,系统通过Vue前端实现用户行为采集与个性化推荐展示,Java后端支撑高并发服务与日志处理,形成“本地训练—参数上传—全局聚合—模型下发—个性化微调”的完整闭环。文中还提供了关键模块的代码示例,如特征提取、模型聚合、加密上传等,增强了项目的可实施性与工程参考价值。 适合人群:具备一定Java和Vue开发基础,熟悉Spring Boot、RESTful API、分布式系统或机器学习相关技术,从事推荐系统、隐私计算或全栈开发方向的研发人员。 使用场景及目标:①学习联邦学习在推荐系统中的工程落地方法;②掌握隐私保护机制(如加密传输、差分隐私)与模型聚合技术的集成;③构建高安全、可扩展的分布式推荐系统原型;④实现前后端协同的个性化推荐闭环系统。 阅读建议:建议结合代码示例深入理解联邦学习流程,重点关注本地训练与全局聚合的协同逻辑,同时可基于项目架构进行算法替换与功能扩展,适用于科研验证与工业级系统原型开发。
源码来自:https://pan.quark.cn/s/a4b39357ea24 遗传算法 - 简书 遗传算法的理论是根据达尔文进化论而设计出来的算法: 人类是朝着好的方向(最优解)进化,进化过程中,会自动选择优良基因,淘汰劣等基因。 遗传算法(英语:genetic algorithm (GA) )是计算数学中用于解决最佳化的搜索算法,是进化算法的一种。 进化算法最初是借鉴了进化生物学中的一些现象而发展起来的,这些现象包括遗传、突变、自然选择、杂交等。 搜索算法的共同特征为: 首先组成一组候选解 依据某些适应性条件测算这些候选解的适应度 根据适应度保留某些候选解,放弃其他候选解 对保留的候选解进行某些操作,生成新的候选解 遗传算法流程 遗传算法的一般步骤 my_fitness函数 评估每条染色体所对应个体的适应度 升序排列适应度评估值,选出 前 parent_number 个 个体作为 待选 parent 种群(适应度函数的值越小越好) 从 待选 parent 种群 中随机选择 2 个个体作为父方和母方。 抽取父母双方的染色体,进行交叉,产生 2 个子代。 (交叉概率) 对子代(parent + 生成的 child)的染色体进行变异。 (变异概率) 重复3,4,5步骤,直到新种群(parentnumber + childnumber)的产生。 循环以上步骤直至找到满意的解。 名词解释 交叉概率:两个个体进行交配的概率。 例如,交配概率为0.8,则80%的“夫妻”会生育后代。 变异概率:所有的基因中发生变异的占总体的比例。 GA函数 适应度函数 适应度函数由解决的问题决定。 举一个平方和的例子。 简单的平方和问题 求函数的最小值,其中每个变量的取值区间都是 [-1, ...
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值