设计模式—享元模式

之前在讲单例模式的时候,我就提到过单例模式和享元模式很类似,今天我们就来讲一讲享元模式。
享元模式
享元模式
享元模式其实理解起来很简单:能共享的共享(一个实例对象),不能共享的自用(多个实例对象)

再次强调:依赖倒转原则

享元模式很像现在养二胎。

假设现在你有两个孩子,一个七岁,一个五岁。那么七岁孩子的衣服,玩具就可以和五岁的孩子共享,不需要买新的。但是吃的零食则需要额外进行购买,这些是不能共享也无法共享的。

享元对象的抽象:

interface Flyweight{

          String getThings();
}

具体享元对象:

//共享的
class ClothsFlyweight implements Flyweight{

          String getThings(){
                return "衣服"
          }
}
//不能共享的
class FoodsUnFlyweight implements Flyweight{

          String getThings(){
                return "吃的"
          }
}

享元工厂:

class FlyweightFactory{
      HashMap map = new HashMap<String,Flyweight>();

      //初始化,将共享的初始化到一个map里面便于调用
      FlyweightFactory(){
              map.put("cloths",new ClothsFlyweight ())
      }
      //获取共享的东西
      Flyweight getThing(String str){
              return map.get(str);
      }
      
}

五岁小孩:

class  FiveChild{
       //衣服共享
       wearCloths(){
             new   FlyweightFactory.getThing("cloths");
       }
       //食物不能共享
       eatFood(){
             new   FoodsUnFlyweight ();
       }

}

根据以上代码,是不是觉得享元模式其实就是多个单例模式。

享元模式和单例模式可以省空间,省时间(初始化过程)。在你有许多可以复用的对象的时候,享元模式很有用。

内容概要:本文提出了一种基于融合鱼鹰算法和柯西变异的改进麻雀优化算法(OCSSA),用于优化变分模态分解(VMD)的参数,进而结合卷积神经网络(CNN)与双向长短期记忆网络(BiLSTM)构建OCSSA-VMD-CNN-BILSTM模型,实现对轴承故障的高【轴承故障诊断】基于融合鱼鹰和柯西变异的麻雀优化算法OCSSA-VMD-CNN-BILSTM轴承诊断研究【西储大学数据】(Matlab代码实现)精度诊断。研究采用西储大学公开的轴承故障数据集进行实验验证,通过优化VMD的模态数和惩罚因子,有效提升了信号分解的准确性与稳定性,随后利用CNN提取故障特征,BiLSTM捕捉时间序列的深层依赖关系,最终实现故障类型的智能识别。该方法在提升故障诊断精度与鲁棒性方面表现出优越性能。; 适合人群:具备一定信号处理、机器学习基础,从事机械故障诊断、智能运维、工业大数据分析等相关领域的研究生、科研人员及工程技术人员。; 使用场景及目标:①解决传统VMD参数依赖人工经验选取的问题,实现参数自适应优化;②提升复杂工况下滚动轴承早期故障的识别准确率;③为智能制造与预测性维护提供可靠的技术支持。; 阅读建议:建议读者结合Matlab代码实现过程,深入理解OCSSA优化机制、VMD信号分解流程以及CNN-BiLSTM网络架构的设计逻辑,重点关注参数优化与故障分类的联动关系,并可通过更换数据集进一步验证模型泛化能力。
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