共同学习Java源代码-数据结构-AbstractMap抽象类(三)

本文详细解析了Java中AbstractMap类的keySet与values方法的具体实现过程,包括如何返回键集合与值集合,并介绍了内部迭代器的实现方式。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

    public Set<K> keySet() {
        Set<K> ks = keySet;
        if (ks == null) {
            ks = new AbstractSet<K>() {
                public Iterator<K> iterator() {
                    return new Iterator<K>() {
                        private Iterator<Entry<K,V>> i = entrySet().iterator();


                        public boolean hasNext() {
                            return i.hasNext();
                        }


                        public K next() {
                            return i.next().getKey();
                        }


                        public void remove() {
                            i.remove();
                        }
                    };
                }


                public int size() {
                    return AbstractMap.this.size();
                }


                public boolean isEmpty() {
                    return AbstractMap.this.isEmpty();
                }


                public void clear() {
                    AbstractMap.this.clear();
                }


                public boolean contains(Object k) {
                    return AbstractMap.this.containsKey(k);
                }
            };
            keySet = ks;
        }
        return ks;

    }

这个是keySet方法,返回的是键集合。

首先将keySet成员变量赋给新创建的临时变量ks,判断如果keySet为空,就创建一个新的AbstractSet类型的匿名内部局部类。

这个内部类的iterator方法就是返回entrySet方法得到的键值对集合的iterator。iterator的内部方法实现都是通过调用那个iterator的相关方法实现。

这个AbstractSet内部类的其他方法的实现都是调用外部类的相关方法实现。

然后将新生成的ks赋给keySet。

最后返回ks。


    public Collection<V> values() {
        Collection<V> vals = values;
        if (vals == null) {
            vals = new AbstractCollection<V>() {
                public Iterator<V> iterator() {
                    return new Iterator<V>() {
                        private Iterator<Entry<K,V>> i = entrySet().iterator();


                        public boolean hasNext() {
                            return i.hasNext();
                        }


                        public V next() {
                            return i.next().getValue();
                        }


                        public void remove() {
                            i.remove();
                        }
                    };
                }


                public int size() {
                    return AbstractMap.this.size();
                }


                public boolean isEmpty() {
                    return AbstractMap.this.isEmpty();
                }


                public void clear() {
                    AbstractMap.this.clear();
                }


                public boolean contains(Object v) {
                    return AbstractMap.this.containsValue(v);
                }
            };
            values = vals;
        }
        return vals;
    }

这个是获取值集合的方法,和上面的实现类似,就是新建一个AbstractCollection的匿名内部局部类,不多说了。


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