反射使用的总结

一、反射主要涉及到的类

Class 类的信息
Field 字段信息
Method 方法信息

二、主要涉及的方法

.Class
1.获取属性
Field[] getDeclaredFields(); 获取所有声明的字段包括父类和私有的
Field[] getFields();获取所有的可访问的公共字段
Field getFields(String fieldName); 获取该名称可访问的公共字段
Method getMethod(String methodName,Class paramType); 获取方法
.Field               
1.判断修饰符  
int getModifiers(); 通过返回的数字来判断修饰符
例如:26-private static final      18 -private final
2、设置私有字段可访问
void setAccessible(boolean bool); 传入的参数为true表示可以访问私有字段
3、 获取某个对象该字段的值
Object get(Object obj) ; obj为传入的对象
4、获取该字段的类型
Class getType();
.Method
1.执行某个对象的方法
invoke(obj,param); 执行obj的该方法
以上仅仅是对于项目中用到的进行总,并不全面,仅供参考
下面是一个把符合javaBean规范的对象中的String类型的字段值进行去空的工具方法
public static <T> T trim(T obj, Class<T> cls) {
		// 获取所有声明的属性
		try {
			Field[] fields = cls.getDeclaredFields();
			for (Field field : fields) {
				if (field.getModifiers() == 26 || field.getModifiers() == 18)
					continue;
				Object value = field.get(obj);// 或obj对象该属性的值
				if (null != value && field.getType() == String.class) {
					field.setAccessible(true);// 允许访问私有变量
					String fieldName = field.getName();// 获取属性名称
					String methodName = "set"
							+ fieldName.substring(0, 1).toUpperCase()
							+ fieldName.substring(1);// 获取set方法名称
					Method method = cls.getMethod(methodName, String.class);// 获取set方法
					String str = null;
					str = ((String) value).trim();// 去空
					method.invoke(obj, str);// 执行set方法
				}
			}
		} catch (Exception e) {
			e.printStackTrace();
		}
		return obj;
	}




【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
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