Dagger2学习笔记1

先了解几个注解

@Module
@Provides
@Component
@Inject

@Module
通过@Provides来创建对应的实例对象的,所以,对象的来源主要是通过他
@Module
public class MainModule {
@Provides
public DaggerBean provideTestBean() {
return new DaggerBean();
}
}

@Component他是一个他可以类比成一个通道使用,起到一个桥接的作用,将Module中创建的对象注入到需要使用对象的地方,写法如下
@Component(modules = MainModule.class)
public interface MainComponent {
void inject(MainActivity activity);
}

接下来我们就可以在MainActivity中使用了,首先我们构建一下我们得项目,接下来他会自动生成DaggerMainComponent对象我们使用DaggerMainComponent.builder().build().inject(this);就可以使用 @Inject注入我们在MainModule 中创建的对象了
public class MainActivity extends AppCompatActivity {
@BindView(R.id.tv_name)
TextView tvName;

@Inject
DaggerBean bean;

@Override
protected void onCreate(Bundle savedInstanceState) {
super.onCreate(savedInstanceState);
setContentView(R.layout.activity_main);
ButterKnife.bind(this);
DaggerMainComponent.builder().build().inject(this);

tvName.setText(bean.toString());
}
}
这样我们成功的将DaggerBean对象注入到了MainActivity中,简单的第一步就完成了
接下来我们分析他是怎么完成这个操作的此时找到DaggerMainComponent所在的源码,目录如下

从使用它的地方开始着手
DaggerMainComponent.builder().build().inject(this);
1.build创建了DaggerMainComponent和MainModule

2.inject接着会调用injectMainActivity接着调用injectBean,传入MainActiivty,接着看MainModule_ProvideTestBeanFactory.proxyProvideTestBean(mainModule))做了什么


3.这个就是调用MainModule的provideTestBean方法返回了DaggerBean对象

最后injectBean方法吧创建的DaggerBean方法给MainActivity的Bean赋值,这样DaggerBean就被注入MainActivity中了,这样一个最简单的注解就完成了
上面完成了一个 自定义对象的注入,同样也可以完成其他任意类型的对象注入
以上的代码都是注解解析框架编译时自动生成的
同时我们还可以省略了通过MainModuel中的的@Provides提供对象,而是通过对象的构造直接注入,方式如下,源码分析是一样

上面我们使用的是无参的构造,如果遇到多个参数将如何操作呢,下回分解

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