java学习之IO

字节流:可以处理任何类型的数据,如视频、图片、文字、音频等,在读取的时候,读到一个字节就会返回一个字节。在Java中对应的类都是以“Stream”结尾的。

字符流:字符流只可以处理纯文本数据,如txt等,在读取的时候,读到一个或多个字节,先查找指定的编码表,然后将查到的字符返回。在Java中对应的类都以“Reader”或“Writer”结尾的。

1.使用带缓冲的字节流进行视频文件的IO拷贝操作

package File;
import java.io.BufferedInputStream;
import java.io.BufferedOutputStream;
import java.io.BufferedReader;
import java.io.BufferedWriter;
import java.io.FileInputStream;
import java.io.FileNotFoundException;
import java.io.FileOutputStream;
import java.io.IOException;
import java.io.InputStreamReader;
import java.io.OutputStreamWriter;
//视频文件的复制
public class IOOperate {
	public static void main(String[] args) throws IOException {
		//有缓冲无字节数组的复制视频文件
		FileInputStream fis = new FileInputStream("study.mp4");
		BufferedInputStream bis = new BufferedInputStream(fis,100000);

//		下面的两行用于文本类型的读取,是属于字符流
//		InputStreamReader isr = new InputStreamReader(fis);
//		BufferedReader br = new BufferedReader(isr);

		FileOutputStream fos = new FileOutputStream("new_study.mp4");
		BufferedOutputStream bos = new BufferedOutputStream(fos,100000);
//		下面的两行用于文本文件的打印,是字符流
//		OutputStreamWriter osw = new OutputStreamWriter(fos);
//		BufferedWriter bw = new BufferedWriter(osw);
		
		byte input[] = new byte[100000];
		int count = 0;
		long beforeTime= System.currentTimeMillis();
		while (bis.read(input) != -1) {
			bos.write(input);
			count++;
		}
		bis.close();
		fis.close();
		bos.close();
		fos.close();
		System.out.println("复制耗费的时间:"+(System.currentTimeMillis()-beforeTime)+"ms");
		System.out.println("次数:"+count);
		
		
	}

}

2.不带缓冲的字符流对文本文档进行拷贝操作,Java学习之文件操作9里面有带缓冲的字符流对文本文档进行拷贝操作。

package File;

import java.io.FileInputStream;
import java.io.FileNotFoundException;
import java.io.FileOutputStream;
import java.io.IOException;
import java.io.InputStreamReader;
import java.io.OutputStreamWriter;
import java.util.Arrays;


public class IOCharsStreamOperate {

	public static void main(String[] args) throws IOException {

                //这里要注意最好制定好编码,不然话出来的数据可能会乱码
		FileInputStream fis = new FileInputStream("123.txt");
		InputStreamReader isr = new InputStreamReader(fis,"UTF-8");
		
		FileOutputStream fos = new FileOutputStream("new_123.txt");
		OutputStreamWriter osw = new OutputStreamWriter(fos,"UTF-8");
		
		char input[] = new char[100];
		int l = 0;
		while((l = isr.read(input)) != -1)
		{
                        //数组是没有重写toString方法的,所以用字符数组输出的内容是有问题的
                        //所有的类都是继承Object这个类
			//System.out.println(input.toString());所以这个语句输出的不是正确内容
                        //方1将字符串变为String
			//String str = new String(input,0,l);
			//System.out.println(str);
                        //方2将字符串变为String     数组自带的length的大小指的是当时定义的时候的大小,不是里面存储的内容所占的大小
			//for (int i = 0; i < l; i++) {
			//	System.out.print(input[i]);
			//}
			//System.out.println();
			//将字符数组里面的0-l的字符输出到新的文件
			osw.write(input, 0, l);//用来复制文本文件
		}
		osw.close();
		fos.close();
		isr.close();
		fis.close();
	}

}

 

基于数据驱动的 Koopman 算子的递归神经网络模型线性化,用于纳米定位系统的预测控制研究(Matlab代码实现)内容概要:本文围绕“基于数据驱动的Koopman算子的递归神经网络模型线性化”展开,旨在研究纳米定位系统的预测控制方法。通过结合数据驱动技术与Koopman算子理论,将非线性系统动态近似为高维线性系统,进而利用递归神经网络(RNN)建模并实现系统行为的精确预测。文中详细阐述了模型构建流程、线性化策略及在预测控制中的集成应用,并提供了完整的Matlab代码实现,便于科研人员复现实验、优化算法并拓展至其他精密控制系统。该方法有效提升了纳米级定位系统的控制精度与动态响应性能。; 适合人群:具备自动控制、机器学习或信号处理背景,熟悉Matlab编程,从事精密仪器控制、智能制造或先进控制算法研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①实现非线性动态系统的数据驱动线性化建模;②提升纳米定位平台的轨迹跟踪与预测控制性能;③为高精度控制系统提供可复现的Koopman-RNN融合解决方案; 阅读建议:建议结合Matlab代码逐段理解算法实现细节,重点关注Koopman观测矩阵构造、RNN训练流程与模型预测控制器(MPC)的集成方式,鼓励在实际硬件平台上验证并调整参数以适应具体应用场景。
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