php中的单例模式和工厂模式

本文详细解析了单例模式和工厂模式的概念、特点、实现方式及应用场景,通过具体代码示例展示了如何在实际项目中运用这两种设计模式来优化代码结构和提高代码复用性。
单例模式又称为职责模式,它用来在程序中创建一个单一功能的访问点,通俗地说就是实例化出来的对象是唯一的。
所有的单例模式至少拥有以下三种公共元素:
1. 它们必须拥有一个构造函数,并且必须被标记为private
2. 它们拥有一个保存类的实例的静态成员变量
3. 它们拥有一个访问这个实例的公共的静态方法
单例类不能再其它类中直接实例化,只能被其自身实例化。它不会创建实例副本,而是会向单例类内部存储的实例返回一个引用。

示例:
class Single {
 
   private$name;//声明一个私有的实例变量
 
   privatefunction __construct(){//声明私有构造方法为了防止外部代码使用new来创建对象。
 
   
 
   }

 
   staticpublic $instance;//声明一个静态变量(保存在类中唯一的一个实例)
 
   staticpublic functiongetinstance(){//声明一个getinstance()静态方法,用于检测是否有实例对象
 
      if(!self::$instance) self::$instance = new self();
 
      return self::$instance;
 
   }

 
   publicfunction setname($n){ $this->name = $n; }
 
   publicfunction getname(){ return $this->name; }
}


$oa = Single::getinstance();
$ob = Single::getinstance();
$oa->setname('hello world');
$ob->setname('good morning');
echo $oa->getname();//good morning
echo $ob->getname();//good morning

工厂模式就是一种类,具有为您创建对象的某些方法,这样就可以使用工厂类创建对象,而不直接使用new。这样如果想更改创建的对象类型,只需更改该工厂即可。

示例:
class Factory {//创建一个基本的工厂类
 
   staticpublic function fac($id){//创建一个返回对象实例的静态方法
 
      if(1 == $id) return new A();
 
      elseif(2==$id) return new B();
 
      elseif(3==$id) return new C();
 
      return new D();
 
   }
}

interface FetchName {//创建一个接口
 
   publicfunction getname();//
}

class A implements FetchName{
 
   private$name = "AAAAA";
 
   publicfunction getname(){ return $this->name; }
}

class C implements FetchName{
 
   private$name = "CCCCC";
 
   publicfunction getname(){ return $this->name; }
}
class B implements FetchName{
 
   private$name = "BBBBB";
 
   publicfunction getname(){ return $this->name; }
}

class D implements FetchName{
 
   private$name = "DDDDD";
 
   publicfunction getname(){ return $this->name; }
}


$o = Factory::fac(6);//调用工厂类中的方法
if($o instanceof FetchName){
 
echo $o->getname();//DDDDD
}

$p=Factory::fac(3);
echo $p->getname();//CCCCC

【电能质量扰动】基于MLDWT的电能质量扰动分类方法研究(Matlab实现)内容概要:本文研究了一种基于机器学习(ML)离散小波变换(DWT)的电能质量扰动分类方法,并提供了Matlab实现方案。首先利用DWT对电能质量信号进行多尺度分解,提取信号的时频域特征,有效捕捉电压暂降、暂升、中断、谐波、闪变等常见扰动的关键信息;随后结合机器学习分类器(如SVM、BP神经网络等)对提取的特征进行训练与分类,实现对不同类型扰动的自动识别与准确区分。该方法充分发挥DWT在信号去噪与特征提取方面的优势,结合ML强大的模式识别能力,提升了分类精度与鲁棒性,具有较强的实用价值。; 适合人群:电气工程、自动化、电力系统及其自动化等相关专业的研究生、科研人员及从事电能质量监测与分析的工程技术人员;具备一定的信号处理基础Matlab编程能力者更佳。; 使用场景及目标:①应用于智能电网中的电能质量在线监测系统,实现扰动类型的自动识别;②作为高校或科研机构在信号处理、模式识别、电力系统分析等课程的教学案例或科研实验平台;③目标是提高电能质量扰动分类的准确性与效率,为后续的电能治理与设备保护提供决策依据。; 阅读建议:建议读者结合Matlab代码深入理解DWT的实现过程与特征提取步骤,重点关注小波基选择、分解层数设定及特征向量构造对分类性能的影响,并尝试对比不同机器学习模型的分类效果,以全面掌握该方法的核心技术要点。
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