使用Event的体会

经过多个月与asp.net奋战后,现在转过来使用C#对上年项目进行的改进——将设计和模拟电话流程结合在一起。具体环境如下:

我需要为电话流程设计软件中的四十多个流程元素添加属性设置窗体。每一设置窗体都会从系统中一个唯一的变量池中获取系统变量。因为系统中只有唯一的一个变量池,所以我设计的变量获取窗体也应该只有一个对象实例。这个对象实例在变量池初始化的时候一同生成并一直贯穿整个系统的生存周期。每当流程元素要添加或修改其属性的时候,元素设置窗体会通知变量池管理器弹出变量获取窗体。变量获取窗体会列明所有在系统中有效的变量及正在有多少流程元素使用这一变量。用户可以根据自己的情况选择需要的变量。用户通过双击变量或者单击选择变量然后按OK来获取系统变量。在将选择的变量返回到调用窗口的时候我碰到了一些问题。我应该怎样将选择的值返回给对应的流程元素设置窗体呢?其实方法可以十分简单,但我在不理解的情况下使用了Event。我在变量获取窗体中定义了一个Event用于作为变量返回的路径。在元素设置窗体中定义变量获取函数去响应和处理这个Event,从中接收变量。本以为这个方法可行。但今日调试的时候发现一个重要的问题。也因为这个问题我了解到Event的一个行为特性:在面向对象中Evnet有类似广播的特性。

 

今天调试发现这么一个问题:四十多个元素有各自独立的属性设置窗体。照道理应该是互不相干的。但当一个元素设置窗体利用变量获取窗体去获取变量的时候,另一个元素设置窗体用于处理返回变量Event的函数竟然被调用了。这一行为令我感到非常困惑。于是我做了一个实验:在多个元素设置窗体负责处理返回变量Event函数处打上断点。结果是这些元素设置窗体负责处理返回变量的函数都有被调用到。感觉上变量获取窗体的返回变量Event将返回变量这一消息广播似地告诉所有与响应这一Event的流程元素。于是我上MSDN查了一下相关资料。事件具有以下特性:

1. 特殊类型的多路广播委托。

2. 事件的发行者(变量获取窗体)决定何时引发事件,而订阅者(元素设置窗体)确定执行何种操作(元素设置窗体中定义的Event处理函数)来响应事件。

3. 一个事件可以有多个订阅者(多个元素设置窗体)。一个订阅者可以处理来自多个发行者的多个事件(定义多个不同的Event处理函数)。

4. 没有订阅者的事件永远不会触发。

5. 事件通常用于通知用户操作,例如:图形用户界面中的按钮单击或菜单选择操作。

6. 如果一个事件有多个订阅者,当引发该事件时,会同步调用多个(订阅者各自的)事件处理程序。要异步调用事件,请参见使用异步调用同步法。

 

所以在我的情况中出现了广播的特性。但这算是一个错误。因为各自独立的元素设置窗体不应在获取变量时调用到其他元素的处理函数。这会带来很大的问题。在此写这些东西好好提醒自己这些重要和关键的信息!

 

参考网站

英文说明网址:http://msdn.microsoft.com/en-us/library/awbftdfh.aspx

中文说明网址:http://msdn.microsoft.com/zh-cn/library/awbftdfh.aspx

http://msdn.microsoft.com/zh-cn/library/8627sbea%28v=vs.80%29.aspx


<script type="text/javascript" src="http://pagead2.googlesyndication.com/pagead/show_ads.js"></script>
标题SpringBoot智能在线预约挂号系统研究AI更换标题第1章引言介绍智能在线预约挂号系统的研究背景、意义、国内外研究现状及论文创新点。1.1研究背景与意义阐述智能在线预约挂号系统对提升医疗服务效率的重要性。1.2国内外研究现状分析国内外智能在线预约挂号系统的研究与应用情况。1.3研究方法及创新点概述本文采用的技术路线、研究方法及主要创新点。第2章相关理论总结智能在线预约挂号系统相关理论,包括系统架构、开发技术等。2.1系统架构设计理论介绍系统架构设计的基本原则常用方法。2.2SpringBoot开发框架理论阐述SpringBoot框架的特点、优势及其在系统开发中的应用。2.3数据库设计与管理理论介绍数据库设计原则、数据模型及数据库管理系统。2.4网络安全与数据保护理论讨论网络安全威胁、数据保护技术及其在系统中的应用。第3章SpringBoot智能在线预约挂号系统设计详细介绍系统的设计方案,包括功能模块划分、数据库设计等。3.1系统功能模块设计划分系统功能模块,如用户管理、挂号管理、医生排班等。3.2数据库设计与实现设计数据库表结构,确定字段类型、主键及外键关系。3.3用户界面设计设计用户友好的界面,提升用户体验。3.4系统安全设计阐述系统安全策略,包括用户认证、数据加密等。第4章系统实现与测试介绍系统的实现过程,包括编码、测试及优化等。4.1系统编码实现采用SpringBoot框架进行系统编码实现。4.2系统测试方法介绍系统测试的方法、步骤及测试用例设计。4.3系统性能测试与分析对系统进行性能测试,分析测试结果并提出优化建议。4.4系统优化与改进根据测试结果对系统进行优化改进,提升系统性能。第5章研究结果呈现系统实现后的效果,包括功能实现、性能提升等。5.1系统功能实现效果展示系统各功能模块的实现效果,如挂号成功界面等。5.2系统性能提升效果对比优化前后的系统性能
在金融行业中,对信用风险的判断是核心环节之一,其结果对机构的信贷政策风险控制策略有直接影响。本文将围绕如何借助机器学习方法,尤其是Sklearn工具包,建立用于判断信用状况的预测系统。文中将涵盖逻辑回归、支持向量机等常见方法,并通过实际操作流程进行说明。 一、机器学习基本概念 机器学习属于人工智能的子领域,其基本理念是通过数据自动学习规律,而非依赖人工设定规则。在信贷分析中,该技术可用于挖掘历史数据中的潜在规律,进而对未来的信用表现进行预测。 二、Sklearn工具包概述 Sklearn(Scikit-learn)是Python语言中广泛使用的机器学习模块,提供多种数据处理建模功能。它简化了数据清洗、特征提取、模型构建、验证与优化等流程,是数据科学项目中的常用工具。 三、逻辑回归模型 逻辑回归是一种常用于分类任务的线性模型,特别适用于二类问题。在信用评估中,该模型可用于判断借款人是否可能违约。其通过逻辑函数将输出映射为0到1之间的概率值,从而表示违约的可能性。 四、支持向量机模型 支持向量机是一种用于监督学习的算法,适用于数据维度高、样本量小的情况。在信用分析中,该方法能够通过寻找最佳分割面,区分违约与非违约客户。通过选用不同核函数,可应对复杂的非线性关系,提升预测精度。 五、数据预处理步骤 在建模前,需对原始数据进行清理与转换,包括处理缺失值、识别异常点、标准化数值、筛选有效特征等。对于信用评分,常见的输入变量包括收入水平、负债比例、信用历史记录、职业稳定性等。预处理有助于减少噪声干扰,增强模型的适应性。 六、模型构建与验证 借助Sklearn,可以将数据集划分为训练集测试集,并通过交叉验证调整参数以提升模型性能。常用评估指标包括准确率、召回率、F1值以及AUC-ROC曲线。在处理不平衡数据时,更应关注模型的召回率与特异性。 七、集成学习方法 为提升模型预测能力,可采用集成策略,如结合多个模型的预测结果。这有助于降低单一模型的偏差与方差,增强整体预测的稳定性与准确性。 综上,基于机器学习的信用评估系统可通过Sklearn中的多种算法,结合合理的数据处理与模型优化,实现对借款人信用状况的精准判断。在实际应用中,需持续调整模型以适应市场变化,保障预测结果的长期有效性。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
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