Java 基础知识

1.jre 是运行环境 ,jdk 是开发环境

2.以0开头是八进制的数,以0X开头是16进制的数

3,static  相当于一个标志,有static属于类本身,没有属于该类的实例。

4.构造器是有返回值的是隐式的,在代码中没有return是因为java语法规定。

5 对象是存在于堆内存中,而实际是引用栈内存

6.当调用构造器是,系统会为该对象分配内存空间(默认初始化),当构造器执行完毕后,对象被返回(见第4条),从而让外部程序访问内部

7.java 类不能说只能有一个父类,严格来讲,说法错误,应该改为java类智能有一个直接父类,因为它可能有无限个间接父类(层级继承 A extends B  ,b extends c  .....)

8.方法的重写遵循“两同两小一同”:方法名,形参列表同,子类放回值要比父类小,包括异常返回,一大:访问权限要比父类大或相等

9.当子类和父类定义了相同的实例变量是,系统会为他分配两块内存

10.如果子类没有包含和父类相同的方法,且没有显示制定调用者是,系统会先从 该方法->当前类->父类->父类的父类->......

11.创建任何java对象,最先执行的总是java.lang.Object 类的构造器

12.java 引用变量有两个类型:一个编译时,一个运行时,编译时类型由声明
该变量时使用的类型决定的,运行时类型由实际赋给该变量的对象决定,如果编译时类型和运行时类型不一致,就会出现多态。

13.枚举类会让程序更加健壮,不能派生出子类

14.操作数组的工具类是arrays,操作集合的工具类是Collections。
【电能质量扰动】基于ML和DWT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)和离散小波变换(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和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