c++第4次实验

一、问题及代码


/*  
* 文件名称:Ex1-1.cpp  
* 作    者:刘丽  
* 完成日期:2016 年 4 月 22 日  
* 版 本 号:v1.0  
* 对任务及求解方法的描述部分: 
* 输入描述:无  
* 问题描述:继承和派生
* 程序输出:学生和班长的相关信息  
* 问题分析:略 
* 算法设计:略  
*/    
#include <iostream>  
#include <string>  
using namespace std;  
class Stu   //声明基类  
{  
public:  
    Stu(int n, string nam );  //基类构造函数  
    void display( );          //成员函数,输出基类数据成员  
private:        //访问权限为保护型的数据成员  
    int num;      //学生学号  
    string name;  //学生姓名  
};  
Stu::Stu(int n, string nam ): num(n),name(nam) {}  //基类构造函数  
  
class StuDetail: public Stu              //声明公用派生类StuDetail  
{  
public:  
    //学生nam,学号n,a岁,家住ad,他的班长是nam1,学号n1  
    StuDetail(int n, string nam,int a, string ad,int n1, string nam1); //派生类构造函数  
    void show( );  
    void show_monitor( );             //成员函数,输出子对象  
private:  
    Stu monitor;   //学生所在班的班长,班长是学生,用Stu声明  
    int age;       //学生年龄  
    string addr;   //学生的住址  
};  
  
void Stu::display( )                             
{  
    cout<<"学号: "<<num<<endl;  
    cout<<"姓名: "<<name<<endl;  
}  
  
  
StuDetail::StuDetail(int n, string nam,int a,string ad,int n1,string nam1):  
    Stu(n,nam),monitor(n1,nam1),age(a),addr(ad) {}  
  
void StuDetail::show( )  
{  
    cout<<"学生信息:"<<endl;  
    display();    
    cout<<"年龄: "<<age<<endl;  
    cout<<"住址: "<<addr<<endl<<endl;  
}  
void StuDetail::show_monitor( )  
{  
    cout<<"班长信息:"<<endl;  
    monitor.display( );  
}  
int main( )  
{  
    //学生张三,10010号,19岁,家住江西南昌,他的班长是李四,学号10001  
    StuDetail s(10010,"张三",19,"江西南昌",10001,"李四");  
    s.show( );                       //输出学生信息  
    s.show_monitor();                //输出班长信息  
    return 0;  
}  


二、运行结果


三、心得体会

      继承和派生类的应用以及关系

四、知识点总结

    继承和派生类的应用以及关系


内容概要:本文介绍了ENVI Deep Learning V1.0的操作教程,重点讲解了如何利用ENVI软件进行深度学习模型的训练与应用,以实现遥感图像中特定目标(如集装箱)的自动提取。教程涵盖了从数据准备、标签图像创建、模型初始化与训练,到执行分类及结果优化的完整流程,并介绍了精度评价与通过ENVI Modeler实现一键化建模的方法。系统基于TensorFlow框架,采用ENVINet5(U-Net变体)架构,支持通过点、线、面ROI或分类图生成标签数据,适用于多/高光谱影像的单一类别特征提取。; 适合人群:具备遥感图像处理基础,熟悉ENVI软件操作,从事地理信息、测绘、环境监测等相关领域的技术人员或研究人员,尤其是希望将深度学习技术应用于遥感目标识别的初学者与实践者。; 使用场景及目标:①在遥感影像中自动识别和提取特定地物目标(如车辆、建筑、道路、集装箱等);②掌握ENVI环境下深度学习模型的训练流程与关键参数设置(如Patch Size、Epochs、Class Weight等);③通过模型调优与结果反馈提升分类精度,实现高效自动化信息提取。; 阅读建议:建议结合实际遥感项目边学边练,重点关注标签数据制作、模型参数配置与结果后处理环节,充分利用ENVI Modeler进行自动化建模与参数优化,同时注意软硬件环境(特别是NVIDIA GPU)的配置要求以保障训练效率。
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