设计模式(三)策略模式

策略模式(Strategy Pattern):
定义了算法族,分别封装起来,让它们之间可相互替换,此模式让算法的变化独立于使用算法的客户。
和工厂模式最大的区别是工厂模式客户不需要关心对象创建的过程而策略模式需要用户自己去决定对象创建工程的步骤
举个例子:
我们去吃饭,工厂模式就好比,我们只需要决定我们是吃中餐还是西餐即可,而策略模式就好比,我们自己决定是吃中餐就需要做一盘川菜或者粤菜,需要吃什么菜我们就选择做什么菜即可得到一顿中餐

实际例子:
Igongfa 功法接口

public interface Igongfa {
    public void attack();
}

Gongfa_hanbing 功法寒冰掌

public class Gongfa_hanbing implements Igongfa{
    @Override
    public void attack() {
        System.out.println("使用寒冰掌攻击");
    }
}

Gongfa_jiuyang 九阳神功

public class Gongfa_jiuyang implements Igongfa{
    @Override
    public void attack() {
        System.out.println("使用九阳神功攻击");
    }
}

Istyle人物外观风格接口

public interface Istyle {
    public void style();
}

Style_man 男性风格外观

public class Style_man implements Istyle{
    @Override
    public void style() {
        System.out.println("性别:男");
    }
}

Style_women 女性风格外观

public class Style_women implements Istyle{
    @Override
    public void style() {
        System.out.println("性别:女");
    }
}

Role 角色

public class Role {

    private Igongfa gongfa;

    private Istyle style;

    public Igongfa getGongfa() {
        return gongfa;
    }
    public void setGongfa(Igongfa gongfa) {
        this.gongfa = gongfa;
    }
    public Istyle getStyle() {
        return style;
    }
    public void setStyle(Istyle style) {
        this.style = style;
    }
    public void attack(){
        this.getGongfa().attack();
    }
    public void style(){
        this.getStyle().style();
    }
}

test类

public class Test {
    public static void main(String[] args) {
        Role r  =new Role();
        r.setGongfa(new Gongfa_hanbing());
        r.setStyle(new Style_women());
        r.attack();
        r.style();
    }
}

执行结果:

使用寒冰掌攻击
性别:女

1、封装变化(把可能变化的代码封装起来)

2、多用组合,少用继承(我们使用组合的方式,为客户设置了算法)

3、针对接口编程,不针对实现(对于Role类的设计完全的针对角色,和技能的实现没有关系)

内容概要:该论文聚焦于T2WI核磁共振图像超分辨率问题,提出了一种利用T1WI模态作为辅助信息的跨模态解决方案。其主要贡献包括:提出基于高频信息约束的网络框架,通过主干特征提取分支和高频结构先验建模分支结合Transformer模块和注意力机制有效重建高频细节;设计渐进式特征匹配融合框架,采用多阶段相似特征匹配算法提高匹配鲁棒性;引入模型量化技术降低推理资源需求。实验结果表明,该方法不仅提高了超分辨率性能,还保持了图像质量。 适合人群:从事医学图像处理、计算机视觉领域的研究人员和工程师,尤其是对核磁共振图像超分辨率感兴趣的学者和技术开发者。 使用场景及目标:①适用于需要提升T2WI核磁共振图像分辨率的应用场景;②目标是通过跨模态信息融合提高图像质量,解决传统单模态方法难以克服的高频细节丢失问题;③为临床诊断提供更高质量的影像资料,帮助医生更准确地识别病灶。 其他说明:论文不仅提供了详细的网络架构设计与实现代码,还深入探讨了跨模态噪声的本质、高频信息约束的实现方式以及渐进式特征匹配的具体过程。此外,作者还对模型进行了量化处理,使得该方法可以在资源受限环境下高效运行。阅读时应重点关注论文中提到的技术创新点及其背后的原理,理解如何通过跨模态信息融合提升图像重建效果。
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