黑马程序员——集合框架(二)

本文详细介绍了如何使用ArrayList存储自定义对象并去除重复元素,同时对比了List与LinkedList集合的区别与应用,通过实例代码深入浅出地阐述了Java集合框架在实际开发中的运用。
------- android培训java培训、期待与您交流! ----------

一、用ArrayList实例

要求:

将自定义对象作为元素存到ArrayList集合中,并去除重复元素。

比如:存人对象。同姓名同年龄,视为同一个人。为重复元素。

分析:

1.对人描述,将数据封装进入对象

2.定义容器,将人存入。

3.取出。

 实例代码如下;


import java.util.*;
class Person
{
	private String name;
	private int age;
	Person(String name,int age)
	{
		this.name = name;
		this.age = age;
	}
	public String getName()
	{
		return name;
	}
	public int getAge()
	{
		return age;
	}
	/*
	public boolean equals(Object obj)//集合元素Person的equals方法
	{
		if(!(obj instanceof Person))
			return false;
		Person p = (Person) obj;
		return this.name.equals(p.name)&&(this.age==p.age);
	}
	*/
}
class  ArrayListTest2
{
	public static void sop(Object obj)
	{
		System.out.println(obj);
	}
	public static void main(String[] args) 
	{
		ArrayList al = new ArrayList();		
		al.add(new Person("zhangsang",11));
		al.add(new Person("zhangsang",21));//add(Object obj)// Object obj = Person("zhangsang",21) 向上转型
		al.add(new Person("lisi",55));
		al.add(new Person("zhangsang",11));
		al.add(new Person("lihong",89));	
		//sop(al);
		//al = singalElement(al);

		sop("remove 03 : "+al.remove(new Person("lisi02",32)));//取消注释:集合元素Person的equals方法  看两者效果
				
		Iterator it = al.iterator();		
		while(it.hasNext())
		{			
		//sop(it.next().getName()+":"+it.next().getAge());//【编译出错】Object 为Person的父类 编译看父类(多态) 这里需要强制向下转型
			Person p = (Person)it.next();			
			sop(p.getName()+":"+p.getAge());
		}			
	}

	public static ArrayList singalElement(ArrayList al)
	{		
		ArrayList newal = new ArrayList();
		Iterator it = al.iterator();
		while(it.hasNext())
		{			
				Object obj = it.next();
				if (!newal.contains(obj))
				{
					newal.add(obj);
				}				
		}
		return newal;		
	}
}	



代码总结:

1.直接用集合的方法输出集合ArrayList类变al,结果是hashCode。在这里需要用迭代器输出,结果便是字符串数组。但是迭代器返回的对象是Object类,对于调用Person类中的方法,主里属于多态,类变量需要向下转型才能访问子类Person中的方法。

2.多态特点有,编译时要查问父类,运行时参考子类。因些,在Person类不复写Object类的equals方法时,没法比较Person类中的属性,所我们这里需要复写父类equals函数。

3.得出的结论是ArrayList集合甚至其父集合List 集合判断元素是否相同,都依据的是元素的equal方法。

二、List的另一个子集合LinkedList

LinkedList底层使用的是链表数据结构。增删速度很快,查寻稍慢。而ArrayList底层数据结构使用的是数组。特点:查寻速度很快,但增删稍慢。线程不同步。

LinkedList集合除了有Conllection中共性方法外,还有如下特有方法:

addFirst();从最前面增加元素

addLast();从最后面增加元素

getFrist();从最前面获取元素

getLast();从最后面获取元素,但不删除元素,如果集合中没有元素,会出现NoSuchElementException。

removeFirst();

removeLast();获取元素,但是删除元素,如果集合中没有元素,会出现NoSuchElementException。

 

JDk1.6出现了替代方法。

offerFirst();

offerLast();

 

peekFirst();

peekLast();

获取元素,但不删除元素,如果集合中没有元素,会出现NoSuchElementException。

 

pollFirst();

pollLast();

获取元素,但是删除元素,如果集合中没有元素,会出现NoSuchElementException。


实例代码如下:

/*
使用LinkedList模拟一个堆栈或者队列数据结构。
堆栈:先进先出,如同一个杯子。
队列:先进先出,Firs in Fisrst out FIFO 如同一个水管
*/
import java.util.*;
class DuiLie
{
	private LinkedList link;
	DuiLie()
	{
		LinkedList link = new LinkedList();
	}
	public void myAdd(Object obj)
	{
		link.addFirst(obj);
	}
	public Object myGet()
	{
		return link.removeLast();//这里改成First  就是堆栈实例
	}
	public boolean isNull()
	{
		return link.isEmpty();
	}
}

class LinkedListTest 
{
	public static void main(String[] args) 
	{
		DuiLie dl = new DuiLie();
		dl.myAdd("java01");
		dl.myAdd("java02");
		dl.myAdd("java03");
		dl.myAdd("java04");

		while (!dl.isNull())
		{
			System.out.println(dl.myGet());
		}
	}
}


 

内容概要:本文介绍了一个基于多传感器融合的定位系统设计方案,采用GPS、里程计和电子罗盘作为定位传感器,利用扩展卡尔曼滤波(EKF)算法对多源传感器数据进行融合处理,最终输出目标的滤波后位置信息,并提供了完整的Matlab代码实现。该方法有效提升了定位精度与稳定性,尤其适用于存在单一传感器误差或信号丢失的复杂环境,如自动驾驶、移动采用GPS、里程计和电子罗盘作为定位传感器,EKF作为多传感器的融合算法,最终输出目标的滤波位置(Matlab代码实现)机器人导航等领域。文中详细阐述了各传感器的数据建模方式、状态转移与观测方程构建,以及EKF算法的具体实现步骤,具有较强的工程实践价值。; 适合人群:具备一定Matlab编程基础,熟悉传感器原理和滤波算法的高校研究生、科研人员及从事自动驾驶、机器人导航等相关领域的工程技术人员。; 使用场景及目标:①学习和掌握多传感器融合的基本理论与实现方法;②应用于移动机器人、无人车、无人机等系统的高精度定位与导航开发;③作为EKF算法在实际工程中应用的教学案例或项目参考; 阅读建议:建议读者结合Matlab代码逐行理解算法实现过程,重点关注状态预测与观测更新模块的设计逻辑,可尝试引入真实传感器数据或仿真噪声环境以验证算法鲁棒性,并进一步拓展至UKF、PF等更高级滤波算法的研究与对比。
内容概要:文章围绕智能汽车新一代传感器的发展趋势,重点阐述了BEV(鸟瞰图视角)端到端感知融合架构如何成为智能驾驶感知系统的新范式。传统后融合与前融合方案因信息丢失或算力需求过高难以满足高阶智驾需求,而基于Transformer的BEV融合方案通过统一坐标系下的多源传感器特征融合,在保证感知精度的同时兼顾算力可行性,显著提升复杂场景下的鲁棒性与系统可靠性。此外,文章指出BEV模型落地面临大算力依赖与高数据成本的挑战,提出“数据采集-模型训练-算法迭代-数据反哺”的高效数据闭环体系,通过自动化标注与长尾数据反馈实现算法持续进化,降低对人工标注的依赖,提升数据利用效率。典型企业案例进一步验证了该路径的技术可行性与经济价值。; 适合人群:从事汽车电子、智能驾驶感知算法研发的工程师,以及关注自动驾驶技术趋势的产品经理和技术管理者;具备一定自动驾驶基础知识,希望深入了解BEV架构与数据闭环机制的专业人士。; 使用场景及目标:①理解BEV+Transformer为何成为当前感知融合的主流技术路线;②掌握数据闭环在BEV模型迭代中的关键作用及其工程实现逻辑;③为智能驾驶系统架构设计、传感器选型与算法优化提供决策参考; 阅读建议:本文侧重技术趋势分析与系统级思考,建议结合实际项目背景阅读,重点关注BEV融合逻辑与数据闭环构建方法,并可延伸研究相关企业在舱泊一体等场景的应用实践。
评论
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