UML - 类图几种关系

在UML类图中,常见的有以下几种关系: 泛化(Generalization),  实现(Realization),关联(Association),聚合(Aggregation),组合(Composition),依赖(Dependency)

   1. 泛化(Generalization)

  【泛化关系】:是一种继承关系,表示一般与特殊的关系,它指定了子类如何特化父类的所有特征和行为。例如:老虎是动物的一种,即有老虎的特性也有动物的共性。

  【箭头指向】:带三角箭头的实线,箭头指向父类

 

  2. 实现(Realization)

  【实现关系】:是一种类与接口的关系,表示类是接口所有特征和行为的实现.

  【箭头指向】:带三角箭头的虚线,箭头指向接口

 

  3. 关联(Association)

  【关联关系】:是一种拥有的关系,它使一个类知道另一个类的属性和方法;如:老师与学生,丈夫与妻子关联可以是双向的,也可以是单向的。双向的关联可以有两个箭头或者没有箭头,单向的关联有一个箭头。

  【代码体现】:成员变量

  【箭头及指向】:带普通箭头的实心线,指向被拥有者

 

  上图中,老师与学生是双向关联,老师有多名学生,学生也可能有多名老师。但学生与某课程间的关系为单向关联,一名学生可能要上多门课程,课程是个抽象的东西他不拥有学生。 

  下图为自身关联: 

  4. 聚合(Aggregation)

  【聚合关系】:是整体与部分的关系,且部分可以离开整体而单独存在。如车和轮胎是整体和部分的关系,轮胎离开车仍然可以存在。

  聚合关系是关联关系的一种,是强的关联关系;关联和聚合在语法上无法区分,必须考察具体的逻辑关系。

  【代码体现】:成员变量

  【箭头及指向】:带空心菱形的实心线,菱形指向整体

 

  5. 组合(Composition)

  【组合关系】:是整体与部分的关系,但部分不能离开整体而单独存在。如公司和部门是整体和部分的关系,没有公司就不存在部门。

       组合关系是关联关系的一种,是比聚合关系还要强的关系,它要求普通的聚合关系中代表整体的对象负责代表部分的对象的生命周期。

【代码体现】:成员变量

【箭头及指向】:带实心菱形的实线,菱形指向整体

  6. 依赖(Dependency)

  【依赖关系】:是一种使用的关系,即一个类的实现需要另一个类的协助,所以要尽量不使用双向的互相依赖.

  【代码表现】:局部变量、方法的参数或者对静态方法的调用

  【箭头及指向】:带箭头的虚线,指向被使用者

 

  各种关系的强弱顺序:

  泛化 = 实现 > 组合 > 聚合 > 关联 > 依赖 

  下面这张UML图,比较形象地展示了各种类图关系:


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, ...
### UML 中的关系及其代码实现 #### 继承 (Inheritance) 继承表示一种 "is-a" 的关系,在 Python 中可以通过 `class` 定义来体现这种父子之间的关联。 ```python class Animal: def speak(self): pass class Dog(Animal): # Dog is an Animal def speak(self): return "Woof!" ``` 子可以重写父的方法并调用其属性[^1]。 #### 聚合 (Aggregation) 聚合是一种弱的 “has-a” 关系,意味着整体对象拥有部分对象但是不控制它们的生命期。这通常通过组合实例变量完成: ```python class Department: def __init__(self, name): self.name = name self.employees = [] class Employee: def __init__(self, id, department=None): self.id = id self.department = department hr_dept = Department('HR') emp1 = Employee(101, hr_dept) print(emp1.department.name) # 输出 'HR' ``` 这里员工可以在创建时被分配给部门,也可以之后再设置所属部门[^2]。 #### 组合 (Composition) 组合也是一种强形式的 “has-a”,它暗示着当容器对象消失时组件也会随之销毁。Python 中可通过初始化参数传递依赖项: ```python from datetime import date class Address: def __init__(self, street, city): self.street = street self.city = city class Person: def __init__(self, name, birth_date, address_info): self.name = name self.birth_date = birth_date self.address = Address(*address_info) person = Person("Alice", date.today(), ("Main St.", "Wonderland")) del person # 当删除Person对象时Address也被自动清理 ``` 此例子展示了地址作为人的组成部分而存在;如果人不存在,则该特定住址也无意义[^3]。 #### 关联 (Association) 两个独立实体之间简单的双向或多向联系称为关联。此连接可能涉及多个角色或方向上的导航权限。 ```python class Teacher: def teach(self): print(f"{self} teaches.") class Student: teacher = None @classmethod def set_teacher(cls, tchr): cls.teacher = tchr t = Teacher() Student.set_teacher(t) s = Student() if s.teacher: s.teacher.teach() # 可能会打印出教师教课的信息 ``` 在这个场景下,学生和老师相互作用但彼此间并没有所有权的概念[^4]。 #### 依赖 (Dependency) 依赖是指一个使用另一个的服务或接口的情况,通常是临时性的交互而不是长期持有对方引用。 ```python def send_email(email_service, recipient, message): email_service.send(recipient=recipient, content=message) class EmailService: def send(self, **kwargs): print(f'Sending "{kwargs["content"]}" to {kwargs["recipient"]}.') email_svc = EmailService() send_email(email_svc, "example@example.com", "Hello!") ``` 函数 `send_email()` 对象仅在其内部短暂地利用到了邮件服务的功能[^5]。
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