类的继承

 
继承是一种由已有的类创建新类的机制。利用继承,我们可以先创建一个共有属性的一般类,根据该一般类再创建具有特殊属性的新类,新类继承一般类的状态和行为,并根据需要增加它自己的新的状态和行为。由继承而得到的类称为子类,被继承的类称为父类(超类)。Java不支持多重继承(子类只能有一个父类)。
1 创建子类
在类的声明中,通过使用关键字extends来创建一个类的子类,格式如下:
class Students extends People
{
… ..
}
把Students 声明为People类的子类,People是Students的父类。
l         子类的继承性
子类自然地继承了其父类中不是private的成员变量作为自己的成员变量,并且也自然地继承了父类中不是private的方法作为自己的方法。
例子6.
 import java.applet.*;
import java.awt.*;
class Father
{ private int money;
 float weight,height;
 String head;
 String speak(String s)
 { return s ;
 }
}
class Son extends Father
{ String hand ,foot;
}
public class Example4_6 extends Applet
{ Son boy;
 public void init()
 { boy=new Son();
    boy.weight=1.80f;boy.height=120f;
    boy.head="一个头";boy.hand="两只手 ";boy.foot="两只脚";
 }
 public void paint(Graphics g)
 { g.drawString(boy.speak("我是儿子"),5,20);
    g.drawString(boy.hand+boy.foot+boy.head+boy.weight+boy.height,5,40);
 }
}   
如果一个类的声明中没有使用extends关键字,这个类被系统默认为是Object的子类。Object是包java.lang中的类。
l         成员变量的隐藏和方法的重写
当我们在子类中定义的成员变量和父类中的成员变量同名时,则父类中的成员变量不能被继承,此时称子类的成员变量隐藏了父类的成员变量。当子类中定义了一个方法,并且这个方法的名字、返回类型、及参数个数和类型和父类的某个方法完全相同时,父类的这个方法将被隐藏。我们说:我们重写了父类的方法或置换了父类的方法。
子类通过成员变量的隐藏和方法的重写可以把父类的状态和行为改变为自身的状态和行为。
例子7
import java.applet.*;
import java.awt.*;
class Chengji
{
 float f(float x,float y)
 { return x*y;
 }
}
class Xiangjia extends Chengji
{ float f(float x,float y)
 { return x+y ;
 }
}
public class Example4_7 extends Applet 
{ Xiangjia sum;
 public void init()
 { sum=new Xiangjia();
 }
 public void paint(Graphics g)
 { g.drawString("sum="+sum.f(4,6),5,20);
 }
}     
2运行时多态
对于重写或继承的方法,Java运行时系统根据调用该方法的实例的类型来决定选择调用哪个方法。对于子类创建的一个对象,如果子类重写了父类的方法,则运行时系统调用子类的方法,如果子类继承了父类的方法(未重写),则运行时自然相当于调用了父类的方法。
例子8
import java.applet.*;
import java.awt.*;
class Area
{
 float f(float r )
 { return 3.14159f*r*r;}
 float g(float x,float y)
 {return x+y;}
}
class Circle extends Area
{   float f(float r)
 {return 3.14159f*2.0f*r;} 
}
public class Example4_8 extends Applet
{ Circle yuan;
 public void init()
 { yuan=new Circle();
 }
 public void paint(Graphics g)
 { g.drawString("yuan= "+yuan.f(5.0f),5,20); //调用子类的方法f
    g.drawString(" "+yuan.g(2.0f,8.0f),5,40); //调用父类的方法g
 }
3.final类和final方法
final类不能被继承,即不能有子类。如:
final class A
{ …
 …
}
A就是一个final类。有时候是出于安全性的考虑,将一些类修饰为final类。例如:Java提供的String,它对于编译器和解释器的正常运行有很重要的作用,对它不能轻易改变,因此它被修饰为final
如果一个方法被修饰为final方法,则这个方法不能被重写。
4.abstract (抽象)类和abstract方法
abstract class A
{ ……
}
abstract类不能创建对象,必须产生其子类,由子类创建对象。
对于abstract方法,只允许声明,而不允许实现。如: abstract void draw()
如果一个类是一个abstract类的子类,它必须具体实现父类的abstract方法。
如果一个类中含有abstract方法,那么这个类必须用abstract来修饰(abstract类可以没有abstract方法)
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研究方法及创点概述本文采用的技术路线、研究方法及主要创点。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和常用方法。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和改进,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和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,提供多种数据处理和建模功能。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任务的线性模型,特别适用于二问题。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和测试集,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