Objective-C 学习笔记二

本文详细介绍了Objective-C编程中的关键概念与实践技巧,包括类与#import的区别、UIKit在iOS开发中的作用、方法的前缀使用、对象比较运算符、字面量语法、自动装箱与开箱、编码指令应用、内存管理机制、自动引用计数、异常处理、self参数用法等。文章旨在帮助开发者深入理解Objective-C的核心特性与最佳实践。

41.@class与#import的区别:

    ⓵.@class有循环依赖关系,创建了一个前向引用;

    ⓶.#import让两个类互相引用会出现编译错误;

    ⓷.通过继承而来的类不能用@class,因为它要知道超类的信息,所以要#import才行;

    ⓸.@class指令告诉编译器“相信我,你最终肯定会了解这个名称的类”,可以减少必须导入的头文件的数量,从而可以缩短编译时间。


42.UIKit之于iOS平台就像Appkit之于OS X平台一样,它包含了iOS应用程序所需要的所有界面对象。


43.如果某个方法所实现的是很通用的功能,比如创建一个实例对象或者访问一些全局类数据,那么最好使用加号(+)作为前缀将它声明为类方法。


44.如果你想检查两个对象是否为同一事物,就应该使用运算符==,如果是想查看是否相等(即这两个字符串是否内容相同),那么请使用isEqualToString:。


45.使用字面量语法时不必在结尾处特意补上nil。


46.没有可以用来创建NSMutableArray对象的字面量,同样,没有适用于NSMutableDictionary的字面量初始化语法。


47.Objective-C语言不支持自动装箱功能。


48.通常将一个基本类型的数据封装成对象的过程被称为装箱(boxing),从对象中提取基本类型的数据叫做开箱(unboxing)。


49.@encode编译器指令可以接收数据类型的名称并为你生成合适的字符串。


50.有一个代表主目录的速记符号~(波浪号),stringByExpandingTitleInPath方法将~替换成了当前用户的主目录。


51.如果我们只分配而不释放内存,则会发生内存泄漏(leak memory):程序的内容占用量不断增加,最终会被耗尽并导致程序的崩溃。


52.一定不要直接调用dealloc方法,Objective-C会在需要销毁对象时自动调用它。


53.自动释放池:@autorelease{},所有在花括号里的代码都会被放入这个新池子里。任何在花括号里定义的变量在括号外就无法使用了。


54.如果使用了new、alloc、或copy方法获得一个对象,就释放或自动释放该对象。


55.自动释放池被清理的时间是完全确定的;要么是在代码中你自己手动销毁,要么是使用Appkit时在事件循环结束时销毁。


56.自动释放池以栈的形式实现:当你创建了一个新的自动释放池时,它就被添加到栈顶。


57.请注意垃圾回收功能只支持OS X应用开发,无法用在iOS应用程序上。实际上在iOS开发中,苹果公司建议不要在自己的代码中使用autorelease方法,也不要使用会返回自动释放对象的一些便利方法。如NSString,所有以stringWith开头的方法都是便利方法。


58.自动引用计数(automatic reference counting,ARC),ARC是一个可选的功能,也就是说你必须明确地启用或者禁用它。如果你使用的指针不支持ARC,那么你将不得不亲自手动管理它们。ARC可以与手动的内存管理共同发挥作用。


59.让对象自己去清空弱引用的对象。这种特殊的弱引用被称为归零弱引用(zeroing weak reference),因为在指向的对象释放之后,这些弱引用就会被设置为零(即nil),就可以像平常的指向nil值的指针一样被处理。


60.内存管理的关键字和特性是不能在一起使用的,两者相互排斥。


61.垃圾回收和ARC是无法一同使用的。


62.指针支持ARC的一个条件是必须是可保留对象指针(ROP)。


63.桥接转换(bridged cast),术语bridge指的是使用不同的数据类型达到同一目的的能力。


64.结构体(struct)和集合体(union)不能使用ROP作为成员。


65.为了确保cocoa能正常处理异常,你应该只用NSExpection对象来抛出异常。


66.在@catch异常处理代码中,你可以重复抛出异常而无需指定异常对象。


67.Objective-C的异常机制与C++的异常机制兼容。


68.在Objective-C中的异常会对程序资源有影响,对一般流程你不能使用异常或者简单地标记错误。虽然用@try建立异常不会产生消耗,但捕捉异常会消耗大量资源并影响程序运行的速度。


69.self参数是通过固定的距离寻找实例变量所在的内存位置的。


70.if(self = [super init]),像这样将赋值和检查是否为空值结合起来是一种典型的C语言风格,Objective-C沿袭了这一风格。

具有多种最大功率点跟踪(MPPT)方法的光伏发电系统(P&O-增量法-人工神经网络-模糊逻辑控制-粒子群优化)之使用粒子群算法的最大功率点追踪(MPPT)(Simulink仿真实现)内容概要:本文介绍了一个涵盖多个科研领域的综合性MATLAB仿真资源集合,重点聚焦于光伏发电系统中基于粒子群优化(PSO)算法的最大功率点追踪(MPPT)技术的Simulink仿真实现。文档还列举了多种MPPT方法(如P&O、增量电导法、神经网络、模糊逻辑控制等),并展示了该团队在电力系统、智能优化算法、机器学习、路径规划、无人机控制、信号处理等多个方向的技术服务能力与代码实现案例。整体内容以科研仿真为核心,提供大量可复现的Matlab/Simulink模型和优化算法应用实例。; 适合人群:具备一定电力电子、自动控制或新能源背景,熟悉MATLAB/Simulink环境,从事科研或工程仿真的研究生、科研人员及技术人员。; 使用场景及目标:①学习并实现光伏系统中基于粒子群算法的MPPT控制策略;②掌握多种智能优化算法在电力系统与自动化领域的建模与仿真方法;③获取可用于论文复现、项目开发和技术攻关的高质量仿真资源。; 阅读建议:建议结合提供的网盘资料,按照研究方向选取对应模块进行实践,重点关注Simulink模型结构与算法代码逻辑的结合,注重从原理到仿真实现的全过程理解,提升科研建模能力。
热成像人物检测数据集 一、基础信息 数据集名称:热成像人物检测数据集 图片数量: 训练集:424张图片 验证集:121张图片 测试集:61张图片 总计:606张热成像图片 分类类别: - 热成像人物:在热成像图像中的人物实例 - 非热成像人物:在非热成像或普通图像中的人物实例,用于对比分析 标注格式: YOLO格式,包含边界框和类别标签,适用于目标检测任务。数据来源于热成像和视觉图像,覆盖多种场景条件。 、适用场景 热成像监控与安防系统开发: 数据集支持目标检测任务,帮助构建能够在低光、夜间或恶劣环境下自动检测和定位人物的AI模型,提升监控系统的可靠性和实时响应能力。 红外视觉应用研发: 集成至红外摄像头或热成像设备中,实现实时人物检测功能,应用于安防、军事、救援和工业检测等领域。 学术研究与创新: 支持计算机视觉与热成像技术的交叉研究,助力开发新算法用于人物行为分析或环境适应型检测模型。 教育与培训: 可用于高校或培训机构,作为学习热成像人物检测和AI模型开发的教学资源,提升实践技能。 三、数据集优势 精准标注与多样性: 每张图片均由专业标注员标注,确保边界框定位准确,类别分类清晰。包含热成像和非热成像类别,提供对比数据,增强模型的泛化能力和鲁棒性。 场景实用性强: 数据覆盖多种环境条件,如不同光照和天气,模拟真实世界应用,适用于复杂场景下的人物检测任务。 任务适配性高: YOLO标注格式兼容主流深度学习框架(如YOLOv5、YOLOv8等),可直接加载使用,支持快速模型开发和评估。 应用价值突出: 专注于热成像人物检测,在安防、监控和特殊环境检测中具有重要价值,支持早期预警和高效决策。
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