javaEE笔记三

#今日内容三
1. Servlet
2. HTTP协议
3. Request

Servlet:

1. 概念
2. 步骤
3. 执行原理
4. 生命2周期
5. Servlet30 注解,配置
* 见上一节

6. Servlet是体系结构
	1. servlet -- 接口
		|
	2. GenericServelt --抽象类
		|
	3. HttpServlet  -- 抽象类(主要方法)

    * GenericServelt:将Servlet接口其他方法做了默认空实现,只将service()方法作为抽象
		*将来定义Servlet类是,可以继承GennericServlet,实现service()方法

	* HttpServlet:对Http协议的一种封装,简化操作
		1. 定义类继承HttpServlet
		2. 复写doget/dopost方法

7.Servlet相关配置

HTTP:

*概念:Hyper Text transfer Protocol 超文本传输协议
	* 传输协议:定义了客户端和服务器端通信时,发送数据的格式
	* 特点:
		1. 基于tcp/ip的高级协议
		2. 默认端口号:80
		3. 基于请求/响应模型的,一次请求对应一次响应
		4. 无状态的:每次请求之间相互独立,不能交互数据(一个网站又多次响应,包括图片,cs,js等)
	
	* 历史版本:
		*1.0版本:每一次请求响应都会建立一次连接
		*1.1版本;复用连接

* 请求消息数据格式
	1. 请求行
	2. 请求头
	3. 请求空行
	4. 请求体

*响应消息数据格式

request:

1. request对象和response对象的原理
	1. request和response对象是由服务器创建的.我们来使用它们
	2. request对象是用来获取请求消息,response对象是来设置响应消息

2. request对象继承体系结构:
	servletRequest	     --接口
		|  继承
	HTTPServletRequest   --接口
		|	实现
	org.apache.catalina.connector.RequestFacade 类(Tomact)

3. response 功能:
	1. 获取请求消息数据
		1. 获取请求行数据
			*例:get/day2/demo?name=zhangsan HTTP/1.1
			*方法:
				1. 获取请求方式:get
					* String getMethod()
				2. 获取虚拟目录
					* String getContextpath()
				3. 获取Servlet路径:/demo1
					* String getServlepath()
				4. 获取get方式请求参数:name=zhangsan
					* String getQueryString()
				5. 获取请求URI:/day14/demo1
					* String getReqyestURI()
					* StringBuffer getRequestURL()
				6. 获取协议版本:http/1.1
					* String getProtocol()
				7. 获取客户机的ip地址:
					* String getRemoteAddr()

				
		2. 获取请求头数据
			* 略
		3. 获取请求体数据
			* 略
			
	2. 其他功能:
		1. 获取参数通用方式
			1. String getParameter(String name);根据参数名称获取参数值  username=zs&password=123
			2. String[] getParameterValues(String name):根据参数名称获取参数值的树木  hobby=xx&hobby=game
			3. Enumeration<String> getParmeterNames():获取所有请求的参数名称
			4. map<String,Sting[]> getParameterMap():获取所有参数的map集合
		2. 请求转发
		3. 共享数据
		4. 获取ServletContext
基于径向基函数神经网络RBFNN的自适应滑模控制学习(Matlab代码实现)内容概要:本文介绍了基于径向基函数神经网络(RBFNN)的自适应滑模控制方法,并提供了相应的Matlab代码实现。该方法结合了RBF神经网络的非线性逼近能力和滑模控制的强鲁棒性,用于解决复杂系统的控制问题,尤其适用于存在不确定性和外部干扰的动态系统。文中详细阐述了控制算法的设计思路、RBFNN的结构与权重更新机制、滑模面的构建以及自适应律的推导过程,并通过Matlab仿真验证了所提方法的有效性和稳定性。此外,文档还列举了大量相关的科研方向和技术应用,涵盖智能优化算法、机器学习、电力系统、路径规划等多个领域,展示了该技术的广泛应用前景。; 适合人群:具备一定自动控制理论基础和Matlab编程能力的研究生、科研人员及工程技术人员,特别是从事智能控制、非线性系统控制及相关领域的研究人员; 使用场景及目标:①学习和掌握RBF神经网络与滑模控制相结合的自适应控制策略设计方法;②应用于电机控制、机器人轨迹跟踪、电力电子系统等存在模型不确定性或外界扰动的实际控制系统中,提升控制精度与鲁棒性; 阅读建议:建议读者结合提供的Matlab代码进行仿真实践,深入理解算法实现细节,同时可参考文中提及的相关技术方向拓展研究思路,注重理论分析与仿真验证相结合。
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