关于android开发中涉及到的java知识:面向对象(二)

本文深入探讨Java语言的三大核心特性:封装、继承和多态。详细解析这些特性如何帮助开发者更好地组织代码,实现代码复用,并提升软件的灵活性。
面向对象(二)
上篇博客记录的是Java中类的组成和几个重要的关键字以及变量的分类及使用,本节内容重点分析Java中的三大特征:封装,继承及多态。
封装:先来看看封装:
封装讲的是将对象的信息隐藏在对象内部,不允许外部程序直接访问对象内部信息,而是通过该类所提供的方法来实现对内部信息的操作和访问。
对一个类或对象实现良好的封装可以实现:
1.隐藏类的实现细节。
2.让使用者只能通过预先设定的方法来访问数据,从而可以在该方法中加入控制逻辑,限制对Field的不合理访问。
3.可进行数据检查,从而有力于保证数据的完整性。
4.便于进行修改,提高代码的可维护性。
那么怎样实现良好的分装呢?
1将对象的Field和实现细节隐藏起来。
2将方法暴露出来。
相当于显示生活中的手机,外壳将手机内部的原件包装起来,使之不可见,而设立像充电口,耳机口这样的接口来与外界其他设备进行交流。
这里的手机内部原件就相当于对象的Field和实现细节,而接口就是暴露出来的方法,供其他类调用。
Java提供了4个访问控制级别,分别是:private(只能在同一个类中才能访问),default(只能在同一个包中才能访问),protected(父类和子类关系才能访问),public(全局范围内都可访问)。
所以他们的访问控制级别为private<default<protected<public.
我们在平时编写程序的时候应注意:尽可能把模块内部的数据,功能实现细节隐藏在模块内部独立完成,不允许外部直接干涉(高内聚),仅暴露少量方法供外部使用(低耦合)。
继承:讲完分装再来讲讲继承:
Java的继承具有单继承的特点,即每一个子类只有一个直接父类。
Java的继承通过extends关键字来实现,实现继承的类被称为子类,被继承的类称为父类,有的也称其为基类和超类,因为子类是一种特殊的父类,所以父类包含的范围总比子类包含的范围要大,可以把父类看成大类而把子类看做小类。
简单来说,继承就是将子类中没有的方法通过与父类的联系来获得,将父类中的方法变为己用。
当然如果继承只是这样就太没用了,子类继承的父类方法不但可以被使用,而且可以被重写。
重写也可理解为将父类中的方法覆盖掉,重写改写父类中的方法变成实现另一种功能的方法。
super:既然讲到了父类和子类的关系,那我们就来看看super这个关键字吧。
super和this关键字形式相同,用法截然不同,this是调用本类的方法和Field,而super是直接调用父类中的方法,两者都方便了程序的书写,但是要注意super和this一样都不能出现在static修饰的方法中。
调用父类构造器:子类不会获得父类的构造器,但子类可以调用父类的构造器的初始化代码。
多态:现在让我们来看看多态。
先来看看多态的定义:Java引用对象有两种类型,一个是编译时的类型,另一个是运行时类型。编译时的类型由声明该变量时使用的类型决定,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,就可能出现所谓的多态。
例:baseclass b = new subclass();
假设baseclass为父类,subclass为子类,且父类中有base和text两种方法,子类中重写了父类的text方法,并另有一个sub方法,则b.base访问的是父类中的方法,b.text访问的是子类中的text方法,而b.sub会出现错误,因为baseclass没有提供sub方法。b变量的编译时类型为baseclass,运行时类型为subclass,当运行时调用该引用变量的方法时,器方法总是表现为子类方法的行为特征,而不是父类方法的行为特征,这就可能出现:相同类型的变量,调用同一个方法时呈现出多种不同的行为特征,这就是多态。
注:引用变量在编译阶段只能调用其编译时类型所具有的方法,但运行时则执行它运行时类型所具有的方法。
那么今天的学习就到这里了,下次将继续学习继承与组合的联系与区别等等。
基于数据驱动的 Koopman 算子的递归神经网络模型线性化,用于纳米定位系统的预测控制研究(Matlab代码实现)内容概要:本文围绕“基于数据驱动的Koopman算子的递归神经网络模型线性化”展开,旨在研究纳米定位系统的预测控制问题,并提供完整的Matlab代码实现。文章结合数据驱动方法与Koopman算子理论,利用递归神经网络(RNN)对非线性系统进行建模与线性化处理,从而提升纳米级定位系统的精度与动态响应性能。该方法通过提取系统隐含动态特征,构建近似线性模型,便于后续模型预测控制(MPC)的设计与优化,适用于高精度自动化控制场景。文中还展示了相关实验验证与仿真结果,证明了该方法的有效性和先进性。; 适合人群:具备一定控制理论基础和Matlab编程能力,从事精密控制、智能制造、自动化或相关领域研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①应用于纳米级精密定位系统(如原子力显微镜、半导体制造设备)中的高性能控制设计;②为非线性系统建模与线性化提供一种结合深度学习与现代控制理论的新思路;③帮助读者掌握Koopman算子、RNN建模与模型预测控制的综合应用。; 阅读建议:建议读者结合提供的Matlab代码逐段理解算法实现流程,重点关注数据预处理、RNN结构设计、Koopman观测矩阵构建及MPC控制器集成等关键环节,并可通过更换实际系统数据进行迁移验证,深化对方法泛化能力的理解。
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