第十三周阅读项目(1):虚函数

本文通过一个C++示例介绍了如何使用虚函数实现多态。基类的虚函数被派生类重写,当基类指针指向派生类对象时,能够调用到派生类的函数,展示了动态绑定的效果。
代码:
#include<iostream>
using namespace std;
class A
{
    int a;
public:
    A():a(5) {}
    virtual void print()const
    {
        cout<<a;
    }
};
class B: public A
{
    char b;
public:
    B()
    {
        b='E';
    }
    void print() const
    {
        cout<<b;
    }
};
void show(A &x)
{
    x.print();
}
int main()
{
    A d1,*p;
    B d2;
    p=&d2;
    d1.print();
    d2.print();
    p->print();
    show(d1);
    show(d2);
    return 0;
}


运行结果:

 

学习心得:
基类的print()函数被声明为虚函数,在声明派生类是被重载,这时派生类的同名函数print()就取代了其基类的虚函数,因此在使基类指针指向派生类对象后,调用print()函数时就调用派生类的print()函数。

内容概要:本文提出了一种基于融合鱼鹰算法和柯西变异的改进麻雀优化算法(OCSSA),用于优化变分模态分解(VMD)的参数,进而结合卷积神经网络(CNN)与双向长短期记忆网络(BiLSTM)构建OCSSA-VMD-CNN-BILSTM模型,实现对轴承故障的高【轴承故障诊断】基于融合鱼鹰和柯西变异的麻雀优化算法OCSSA-VMD-CNN-BILSTM轴承诊断研究【西储大学数据】(Matlab代码实现)精度诊断。研究采用西储大学公开的轴承故障数据集进行实验验证,通过优化VMD的模态数和惩罚因子,有效提升了信号分解的准确性与稳定性,随后利用CNN提取故障特征,BiLSTM捕捉时间序列的深层依赖关系,最终实现故障类型的智能识别。该方法在提升故障诊断精度与鲁棒性方面表现出优越性能。; 适合人群:具备一定信号处理、机器学习基础,从事机械故障诊断、智能运维、工业大数据分析等相关领域的研究生、科研人员及工程技术人员。; 使用场景及目标:①解决传统VMD参数依赖人工经验选取的问题,实现参数自适应优化;②提升复杂工况下滚动轴承早期故障的识别准确率;③为智能制造与预测性维护提供可靠的技术支持。; 阅读建议:建议读者结合Matlab代码实现过程,深入理解OCSSA优化机制、VMD信号分解流程以及CNN-BiLSTM网络架构的设计逻辑,重点关注参数优化与故障分类的联动关系,并可通过更换数据集进一步验证模型泛化能力。
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