装饰者对象

// 饮料的基类
//(抽象组件)
public abstract class Beverage {
	String description = "Unknown Beverage";
	
	public String getDescription() {
		return description;
	}
	
	public abstract double cost();
}


/**
 * 调料抽象类,也就是装饰者
 * (抽象装饰者)
 * @author Kevintan
 *
 */
public abstract class CondimentDecorator extends Beverage {
	/**
	 * 首先必须让CondimentDecorator 能够取代Beverage
	 * 所以必须让CondimentDecorator扩展自Beverage类
	 * 
	 * 第二,所有的调料装饰者都必须重新实现getDescription()方法
	 * 为什么?
	 * 因为为了能够把调料和饮料的描述组合起来
	 * 
	 */
	public abstract String getDescription();
	
	@Override
	public double cost() {
		// TODO Auto-generated method stub
		return 0;
	}

}
/**
 * 这种另外一种饮料,做法跟Espresso一样
 * (具体组件)
 * @author kevintan
 * 当然你也可以自行建立另外的饮料类: DarkRoast 和 Decaf 做法一样
 */
public class HouseBlend extends Beverage {
	
	public HouseBlend() {
		description = "House Blend Coffee";
	}
	
	@Override
	public double cost() {
		return  .89;
	}

}

**
 * 这种另外一种饮料,做法跟Espresso一样
 * (具体组件)
 * @author kevintan
 * 当然你也可以自行建立另外的饮料类: DarkRoast 和 Decaf 做法一样
 */
public class HouseBlend extends Beverage {
	
	public HouseBlend() {
		description = "House Blend Coffee";
	}
	
	@Override
	public double cost() {
		return  .89;
	}

}

/**
 * 摩卡是一个装饰者
 * (具体的装饰者)
 * 所以让它扩展自CondimentDecorator
 * @author Kevintan
 *
 */
public class Mocha extends CondimentDecorator {
	/*
	 * 要让Mocha能够引用Beverage,做法如下
	 * 1.用一个实例变量记录饮料,也就就是被装饰者
	 * 2.想办法让被装饰者(饮料),被记录到实例变量中 (这里是构造器)
	 */
	Beverage beverage;
	
	public Mocha(Beverage beverage) {
		this.beverage = beverage;
	}
	
	@Override
	public String getDescription() {
		//我们希望叙述不只是饮料,而是完整的连调料都描述出来
		return beverage.getDescription() + ", Mocha";
	}
	
	// 要计算Mocha饮料的价钱,首先把调用委托给装饰者对象,以计算价钱,
	//然后再加上Mocha的价钱,得到最后结果
	public double cost() {
		return 0.20 + beverage.cost();
	}

}

**
 * 跟Mocha一样,是一个装饰者
 * @author Kevintan
 *
 */
public class Soy extends CondimentDecorator {
	Beverage beverage;
	
	public Soy(Beverage beverage) {
		this.beverage = beverage;
	}
	
	@Override
	public String getDescription() {
		return beverage.getDescription() + ", Soy";
	}
	
	public double cost() {
		return .21 + beverage.cost();
	}

}

/**
 * 跟Mocha一样,是一个装饰者
 * @author Kevintan
 *
 */
public class Whip extends CondimentDecorator {
	
	Beverage beverage;
	
	public Whip(Beverage beverage) {
		this.beverage = beverage;
	}
	
	@Override
	public String getDescription() {
		return beverage.getDescription() + ", Whip";
	}
	
	public double cost() {
		return .11 + beverage.cost();
	}

}

/**
 * 是时候舒服地坐下来,点一些咖啡
 * 看看利用装饰者模式设计出的灵活的系统是多么神奇了
 * @author Kevintan
 *
 */
public class StarbuzzCoffee {

	public static void main(String[] args) {
		//订一杯Espresso,不需要调料,打印出它的描述和价格
		Beverage beverage = new Espresso();
		System.out.println(beverage.getDescription() + " $" + beverage.cost());
		//订一杯调料为豆浆,摩卡,奶泡的HouseBlend咖啡
		Beverage beverage2 = new HouseBlend();
		beverage2 = new Soy(beverage2);
		beverage2 = new Mocha(beverage2);
		beverage2 = new Whip(beverage2);
		System.out.println(beverage2.getDescription() + " $" + beverage2.cost());
	}

}

总结:

设计原则:(开放-关闭原则)类应该对扩展开放,对修改关闭。

装饰者模式:动态地将责任附加到对象上,若要扩展功能,装饰者提供了比继承更有弹性的替代方案。

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。 二、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