行为模式之职责链-CHAIN OF RESPONSBILITY

普通网友 普通网友 博客等级 墨衍会员 · AI 创作全网分发 墨衍智能分发 本文由作者通过墨衍一键同步至各平台 1分发平台 300+累计阅读 329平均单平台 已同步平台 优快云 微信公众号 微博 知乎 掘金 百家号 博客园 抖音 小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年，写一次发全网 我也要 码龄14年
关注
原创 最新推荐文章于 2026-08-04 14:10:35 发布 329 阅读 AI 写同款· GEO 优化 ›
VLOOKUP_fixed.py 立即下载
收录于
c/c++

当前文章被收录于：

c/c++
28 篇文章 1 人学习
订阅专栏 查看详情
设计模式

当前文章被收录于：

设计模式
10 篇文章 0 人学习
订阅专栏 查看详情
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
D打卡签到，蓝牙中继，广播信号模拟器 模拟WIFI或蓝牙，有如下4种运行模式 1、WIFI模式：指定SSID、BSSID名称等，模拟WIFI，供设备连接。 2、蓝牙静态模式：指定MAC地址，广播固定的RAW数据。 3、蓝牙动态主机模式：扫描周围蓝牙设备，获取指定MAC地址的蓝牙及其RAW数据，实时发送至Cloud云端，可以设定时间段，只在设定的时间段内发送。 4、蓝牙动态从机模式：指定MAC地址，从Cloud云端获取动态主机模式实时上传的该MAC地址的RAW数据，并广播RAW数据。 准备工作： 1、板子：选择ESP32C3或ESP32C3 Supermini 2、nRF Connect手机app：用于扫描获取待模拟蓝牙设备的MAC和RAW数据。 Wifi分析仪或WiFi魔盒手机APP：用于扫描获取待模拟WIFI设备的SSID和BSSID。 3、可使用官方flash_download_tool_3.9.11工具来固件烧录。 使用说明： 上述完成后，设备首次上电，RESET一侧的指示灯会常亮，可以把它理解成电源指示灯； BOOT一侧的灯会亮，该灯常亮，表示设备开启了AP模式，此时设备会发射一个WIFI信号源，名称为ESPWIFI_AP，密码为12345678，手机或电脑连接该WIFI，浏览器输入192.168.4.1，进入设备的配置页面，进行相应的配置，其中动态主机模式和动态从机模式的SSID、Pwd 及要模拟的蓝牙MAC地址。配置完成并保存后，会重启，重启后设备会按照保存的配置运行。若下次要修改设备配置，可以长按BOOT按键，等待BOOT一侧的灯常亮，即进入AP模式，再按照上述流程配置即可。 仅用于蓝牙设备的开发与调试，请勿用于签到等违法违纪用途。 立即下载

相关推荐

YOLO26算法心电图十二导联目标检测+训练好的模型+368张数据集+pyqt可视化界面.zip

附训练好的 YOLO 权重与 PyQt 可视化检测界面，页面底部含可视化效果预览，毕设/课设开箱即用。 【数据集概况】 · 检测类别（中文）：[导联I(I), 导联II(II), 导联III(III), 胸导联V1(V1), 胸导联V2(V2), 胸导联V3(V3), 胸导联V4(V4), 胸导联V5(V5), 胸导联V6(V6), 加压肢体导联aVF(aVF), 加压肢体导联aVL(aVL), 加压肢体导联aVR(aVR)] · 训练集：313 张 · 验证集：37 张 · 测试集：18 张 · 总计：368 张 该数据集聚焦于临床心电图信号的精准识别与定位，其核心检测目标为标准12导联心电图中的各个独立导联波形区域，涵盖肢体导联（I、II、III）与加压肢体导联（aVR、aVL、aVF），以及胸前导联（V1至V6），适用于心电图自动分析系统中对各导联位置的快速准确标注与分类。数据采集场景真实还原了医院心电图室或急诊监护环境下的标准心电图记录纸，波形清晰、基线稳定，具有高度临床参考价值。... 【训练曲线与评估图】 【模型训练配置】 参数 | 值 模型 | yolo26n 训练轮数 | 100 epochs 输入尺寸 | 640x640 批次大小 | 24 优化器 | auto 初始学习率 | 0.01 训练设备 【关键指标汇总】 训练了 57 个 epoch，最终轮指标： 指标 | 数值 mAP50 | **0.9708** mAP50-95 | 0.6344 Precision | 0.8990 Recall | 0.9191 train/box_loss | 1.2231 train/cls_loss | 0.9703 val/box_loss | 1.2779 val/cls_loss | 0.... 使用场景：毕业设计、课程设计、深度学习入门、工业场景落地验证。

C++设计模式之十三：Chain of Responsibility（职责链）

一、意图： 使多个对象都有机会处理请求，从而避免请求的发送者和接收者之间的耦合关系。将这些对象连成一条链，并沿着这条链传递该请求，直到有一个对象处理它为止。 二、类图： 三、组成元素： Handler：请求接口； ConcreteHandler：具体处理请求的接口； 四、实现代码： #include using namespace std; clas

conanswp的专栏 756

企业级AI助手平台 开箱即用的全栈AI平台，支持多智能体协同、Supervisor模式编排、多种决策模式、RAG技术和流程编排能力 支持多厂商大模型统一接入与管理，安全可控的企业知识库与高精度检索优化

企业级AI应用开发框架，支持多厂商大模型统一接入与管理，安全可控的企业知识库与高精度检索优化能力，提供可视化流程编排、自主决策智能体与多智能体协同调度，兼容主流 Agent Skill 协议，帮助企业与开发者零门槛快速构建安全、高效、可落地的AI智能体应用与行业解决方案。

重温设计模式（三）——职责链模式(chain of responsibility)

一. 写在前面的 这么多的设计模式，我觉得职责链是我第一次看上去最简单，可是回想起来却又最复杂的一个模式。 因此，这个文章我酝酿了很久，一直也没有胆量发出来，例子也是改了又改，可是仍然觉得不够合理。所以希望各位多多指教。 二. 什么是链 文章伊始，先让我们了解这个最基本的概念，什么是链。 我给链下了这样的定义： 1. 链是一系列节点的集合。 2. 链的各节点可灵活拆分再重组...

weixin_34120274的博客 657

基于动态窗口法DWA的机器人路径规划研究（Matlab代码实现）

内容概要：本文系统研究了基于动态窗口法（DWA）的机器人局部路径规划算法，深入剖析其在动态环境中实现自主避障与实时轨迹优化的核心机制。文章详细阐述了DWA算法的速度空间采样策略、轨迹预测模型、动力学约束处理及多目标代价函数的设计原理，并通过构建完整的Matlab仿真框架验证算法有效性。结合典型场景的仿真实验，展示了机器人在复杂障碍物环境下如何实时生成安全、平滑且符合运动学约束的最优路径，充分体现了DWA在移动机器人导航中的实用性与鲁棒性。; 适合人群：具备机器人运动规划基础知识和Matlab编程能力，从事智能移动机器人、自动驾驶或服务机器人研发的研究生、科研人员及工程技术人员。; 使用场景及目标：①深入理解DWA算法的理论基础与实现细节；②掌握机器人局部路径规划的仿真实现方法；③为实际机器人系统的导航模块开发提供可复用的算法原型与代码参考；④作为进一步研究高级导航算法（如TEB、MPC）的技术基础。; 阅读建议：建议结合提供的Matlab代码逐模块分析与调试，重点关注速度采样、轨迹积分、障碍物距离计算及代价评估等关键环节，通过调整参数在不同地图环境中进行对比实验，以深刻把握算法性能与参数之间的关系，进而提升对实时路径规划系统设计的理解与应用能力。

【轴承故障诊断】用于轴承故障诊断的集中时频分析研究（Matlab代码实现）

内容概要：本文系统研究了用于轴承故障诊断的集中时频分析技术，重点解决了传统时频分析方法在处理非平稳信号时存在的能量分散与分辨率不足等问题。通过引入集中时频分析方法，能够有效聚焦信号能量，精确提取轴承故障特征频率，提升故障识别的准确性与时效性。文章详细阐述了该方法的理论基础，并结合仿真信号与实际实验数据验证其优越性能，同时提供了完整的Matlab代码实现流程，涵盖信号预处理、时频变换、参数优化及结果可视化等环节，便于读者复现与拓展应用。; 适合人群：具备一定信号处理理论基础和Matlab编程能力的研究生、科研人员，以及从事机械设备状态监测、故障诊断与预测性维护工作的工程技术人员。; 使用场景及目标：①应用于电机、风机、齿轮箱等旋转机械的早期轴承故障检测，实现故障预警；②提升工业设备运维系统的智能化水平，支撑预测性维护体系构建；③作为高校或研究机构在信号处理、机械故障诊断等课程中的教学案例与实践素材。; 阅读建议：建议读者结合文中提供的Matlab代码逐段运行与调试，深入理解集中时频分布的生成机制及其关键参数（如核函数选择、平滑窗口大小）对诊断效果的影响，并尝试将其应用于其他类型的机械故障信号分析中，开展对比研究以深化对该方法适用性的认识。

C++ 中wchar_t范围来判断其是否是中文，数字还是其他

 下面是各语言在Unicode中的范围： 0000:Basic Latin 基本拉丁语 0080:Latin-1 Supplement 拉丁语-1补遗 0100:Latin Extended-A 拉丁语扩充-A 0180:Latin Extended-B 拉丁语扩充-B 0250:IPA Extensions 国际音标 02B0:Spacing Modifier Letter

ForYourFace的专栏 3935

ios生成海报使用dom-to-image中toPng报错isTrusted:true

主要是ios中safari浏览器解析错误，引起的报错，主要引起原因toPng会调用toSvg，toSvg直接将html标签内容通过svg中foreignObject标签直接包裹，然后转base64， 通过data:image/svg+xml;解决办法：二次生成（调用两次），判断ios or 安卓，生成第一次生成，不用参数，例如：scale： 3，在第二次生成再进行清晰度操作，避免多次生成，引起性能消耗。以上种种很多案例，使用canvase进行转换的，标签丢失，直接toPng版本的，兼容性问题。

weixin_44601570的博客 2105

linux源码中关于内存移动或复制的函数详细解说: memmove, memcpy, strcpy

本文讨论的是关于内存复制中内存重叠和不重叠的情况: memmove /** * memmove - Copy one area of memory to another * @dest: Where to copy to * @src: Where to copy from * @count: The size of the area. * * Unlike memcpy(), mem

ForYourFace的专栏 2346

谷粒商城篇章9 ---- P248-P261/P292-P294 ---- 消息队列【分布式高级篇六】

RabbitMQ消息队列、RabbitMQ延时队列。

weixin_48568302的博客 1549

[软考]系统架构设计师 备考经验分享(一) - 备考计划篇

前言 上周末刚刚结束了软考架构师的考试，自我感觉考的还可以，大概率是过了。 两次参加软考，一次中级嵌入式，一次高级架构师，都是备考不到两个月时间，尤其是架构师这次考试内容和本职工作有不小的差别，并且需要同时备考三个科目，在高强度地备考中感觉是摸索出到了一点软考的技巧与经验。 打算趁还记得，赶紧写几篇文章做下梳理总结，算是给将来自己考系分、高项或者其他考试做个记录，也希望能够帮到正在备考的大家。 先把第一步，个人的备考计划分享给大家。 自身情况分析 首先，请大家一定先明确三个问题，这三个问题会直接影响到你的

_ 6404

获取系统的时钟数

__declspec (naked) unsigned __int64 GetCpuCycle( void ) { _asm { rdtsc ret } }

ForYourFace的专栏 1047

ArcMap投影变换避坑指南：为什么你的坐标转换总出错？常见问题解析与解决方案

本文深入解析ArcMap中坐标转换与投影变换的核心区别与常见陷阱。针对坐标转换总出错的问题，从混淆“定义投影”与“投影变换”、栅格数据重采样选择、矢量数据地理变换参数设置等关键环节，提供清晰的避坑指南与实战解决方案，帮助用户确保空间数据的精确匹配。

weixin_29210727的博客 356

设计模式中的委托形式

委托（）：是一种组合方式

ForYourFace的专栏 446

【阿里云大模型高级工程师ACP习题集】2.7 通过微调增强模型能力 (上篇)（⭐️⭐️⭐️ 重点章节！！！）

【摘要】这是我精心整理出对应的习题集，里面足足有 30 道题目，从基础概念到深度拓展，全方位覆盖章节重点、难点。不管你是想检验自己的学习成果，还是想针对薄弱环节进行强化训练，它都能完美适配！

davidkorhenn的博客 1603

华为AR3260路由器NAT回流配置实战：从WEB界面到命令行的完整避坑指南

本文详细解析了华为AR3260路由器NAT回流（Hairpin NAT）的配置原理与实战方法。针对内网用户无法通过公网地址访问内部服务器的常见问题，文章不仅剖析了WEB界面配置的常见报错原因，更提供了清晰、可靠且一劳永逸的命令行（CLI）配置方案与排错指南，帮助企业网络工程师彻底解决内外网访问不一致的难题。

u6v7w8x的博客 872

设计模式之创建型：抽象工厂和生成器的混合使用

#pragma once #include #include namespace MazeSite { //==================================================================================================================== /// /// 方向, 依次是： 北，

ForYourFace的专栏 384

基于OpenCV C++实现工业级形状模板匹配：仿Halcon SBM算法全解析

在计算机视觉和工业自动化领域，模板匹配是一项基础且关键的技术，用于在图像中定位已知目标。其核心原理是通过计算图像区域与预设模板之间的相似度来识别目标位置。传统的基于灰度值的匹配方法对光照变化敏感，鲁棒性不足。而基于边缘梯度方向的形状匹配技术，通过计算轮廓梯度方向的一致性进行相似度度量，从根本上提升了对光照变化的鲁棒性，并支持目标的旋转与缩放，技术价值显著。这项技术广泛应用于工业视觉检测、机器人引导、PCB定位等对精度和稳定性要求极高的场景。本文聚焦于使用开源OpenCV库，从底层仿照Halcon的Shape

weixin_33691817的博客 500

timer.hpp

class timer {  public:          timer() { _start_time = std::clock(); } // postcondition: elapsed()==0 //         timer( const timer& src );      // post: elapsed()==src.elapsed() //        ~time

ForYourFace的专栏 382

[游戏排查] Baldur‘s Gate 3 加载完成即崩溃？五步排查帮你快速定位问题

《博德之门3》加载崩溃问题解决方案：针对游戏进度条走完后闪退的情况，提供五步排查法。首先清除LevelCache缓存（成功率最高），其次检查Mod兼容性，然后切换Vulkan/DX11渲染API，再排查存档损坏问题，最后可删除配置目录（需备份存档）。重点提示Steam验证无法解决此类问题，建议按步骤顺序排查，多数情况下前两步即可解决问题。

技术小甜甜：传播可落地技术，帮助个人和企业降低解决真实场景问题的成本 3258

RU DOS版、EFI版32bit/64bit BIOS常用工具

DOS版、EFI版的RU工具，可用来查看IO、MEM、PCI、SMBIOS等资源。亲测在EFI SHELL下可用。

行为模式之观察者-OBSERVER

本文参考书籍：《Design Patterns Elements of Reusable Obje

ForYourFace的专栏 370

TMS_WebGMaps_1.9.8.0_Full_Source

TMS_WebGMaps_1.9.8.0_Full_Source 全源码 delphi cbuilder

设计模式总结之行为模式总览

行为模式设计到两个方面的内容： 类之间的关系和duixi

ForYourFace的专栏 350

Statistics and Machine Learning Toolbox

Statistics and Machine Learning Toolbox（带书签），MATLAB统计学习工具

Probability and Statistics - 4th edition

Probability and Statistics - 4th edition

创建模式之生成器BUILDER

先看结构图：

ForYourFace的专栏 332

创建模式之抽象工厂Abstract Factory

此模式相对比较简单，是简单的

ForYourFace的专栏 322

行为模式之命令模式-COMMAND

稍后继续

ForYourFace的专栏 314
上一篇： 行为模式之访问者模式-VISITOR
下一篇： 行为模式之命令模式-COMMAND
点赞 0
评论 0
书签 书签 0
普通网友
普通网友
博客等级 码龄14年 9粉丝 21原创
+ 关注 专栏目录 订阅专栏
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
 
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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