在flash中利用哈稀表查找的多关键字型对象数组

哈希表应用
介绍了一个利用哈希表实现多关键字索引的数组类,该类能够高效地进行对象的添加、获取和删除操作。
/**
* 利用哈稀表查找的多关键字型对象数组
* @author fanflash.cn
* @version 0.1
*/
class org.fanflash.unite.ArrayList extends Array{
 
 public var KeyToIDList:Array //关键标识到ID的索引
 public var IDToKeyList:Array //ID到关键标识的索引
 
 public function ArrayList() {
  
  super();
  this.IDToKeyList=new Array();
  this.KeyToIDList=new Array();
 }
 
 /*
 * 增加标识符
 * index:内容的索引
 * 除第一个外的参数:要外挂的ID
 */
 public function addID(index:Number){
  
  arguments.shift();
  this.IDToKey(index,arguments)
 }
 
 /*
 * 增加对象
 * obj:要增加的内容
 * 除第一个外的参数:要外挂的ID
 */
 public function addItem(obj:Object):Number{
  
  arguments.shift();
  var index:Number=this.push(obj)-1
  this.IDToKey(index,arguments)
  return index;
 }
 
 /*
 * 得到对象
 * id:任何跟这个ID有关的字符串
 */
 public function getItem(id:Object):Object{
  
  var typeStr:String=typeof(id)
  
  if(typeStr=="number"){
   return this[id];
  }
  
  var index:Number=this.KeyToIDList[id]
  return this[index]
 }
 
 /*
 * 删除对象
 * id:任何跟这个ID有关的字符串
 */
 public function deleteItem(id:Object):Number{
  
  var typeStr:String=typeof(id)
  
  if(typeStr=="number"){
   delete this[id]
  }
  
  //目标的索引
  var index:Number=this.KeyToIDList[id]
  delete this[index]
  
  for(var i in this.IDToKeyList[index]){
   delete this.KeyToIDList[this.IDToKey[index][i]]
  }
  delete this.IDToKey[index]
  
  return index;
 }
 
 /*
 * 关联ID和KEY的关系
 */
 private function IDToKey(index:Number,keyList:Array){
  
  for(var i in keyList){
   this.KeyToIDList[keyList[i]]=index
  }
  this.IDToKey[index]=keyList;
 }
}
//大家使用的时候要注意命名空间,使用方法:
  //测试关键字索引数组
  var t:ArrayList=new ArrayList();
  t.addItem("welcome to fanflash.cn","a","t","s");
  trace(t.getItem("a"))
这是输出面板显示的是第一个参数的值,这个类的作用就在于此,不论你getItem("a"),还getItem("b"),都可以输出第一个值
addItem这个方法第一个参数是要增加的对象,后面的参数是不限个数的,可以自己写上想要关联的关键字
这关键字和内容的映射是通过数据实现的,而查找也是利用flash自己的哈稀表查找,所以速度很快,不是使用for这样的方法可以比的上的.
本文转自:http://www.5uflash.com/flashjiaocheng/Flashaschengxu/554.html
本课题设计了一种利用Matlab平台开发的植物叶片健康状态识别方案,重点融合了色彩与纹理双重特征以实现对叶片病害的自动化判别。该系统构建了直观的图形操作界面,便于用户提交叶片影像并快速获得分析结论。Matlab作为具备高效数值计算与数据处理能力的工具,在图像分析与模式分类领域应用广泛,本项目正是借助其功能解决农业病害监测的实际问题。 在色彩特征分析方面,叶片影像的颜色分布常与其生理状态密切相关。通常,健康的叶片呈现绿色,而出现黄化、褐变等异常色彩往往指示病害或虫害的发生。Matlab提供了一系列图像处理函数,例如可通过色彩空间转换与直方图统计来量化颜色属性。通过计算各颜色通道的统计参数(如均值、标准差及主成分等),能够提取具有判别力的色彩特征,从而为不同病害类别的区分提供依据。 纹理特征则用于描述叶片面的微观结构与形态变化,如病斑、皱缩或裂纹等。Matlab中的灰度共生矩阵计算函数可用于提取对比度、均匀性、相关性等纹理指标。此外,局部二值模式与Gabor滤波等方法也能从多尺度刻画纹理细节,进一步增强病害识别的鲁棒性。 系统的人机交互界面基于Matlab的图形用户界面开发环境实现。用户可通过该界面上传待检图像,系统将自动执行图像预处理、特征抽取与分类判断。采用的分类模包括支持向量机、决策树等机器学习方法,通过对已标注样本的训练,模能够依据新图像的特征向量预测其所属的病害类别。 此类课题设计有助于深化对Matlab编程、图像处理技术与模式识别原理的理解。通过完整实现从特征提取到分类决策的流程,学生能够将理论知识与实际应用相结合,提升解决复杂工程问题的能力。总体而言,该叶片病害检测系统涵盖了图像分析、特征融合、分类算法及界面开发等多个技术环节,为学习与掌握基于Matlab的智能检测技术提供了综合性实践案例。 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