Java基础之接口、内部类

1.接口

  • 必要性:如果一个类有多个直接父类,会使Java绑定规则更加复杂,所以Java禁止多继承,在继承一个类的情况下可以实现多个接口。
  • 接口类型:描述系统对外提供的所有服务, 不包括具体实现,不能被实例化。
  • 特点:
    1.接口成员变量默认都是public、static、final类型的,必须被显示初始化。
    2.接口中的方法默认都是public、abstract类型的。
    3.在接口中定义实例变量、非抽象的实例方法及静态方法都是非法。
    4.接口中没有构造方法,不能被实例化。
    5.一个接口不能实现另一个接口,但它可以继承多个接口。
  • 比较抽象类与接口
    • 相同点:
      1.代表系统的抽象层
      2.都不能被实例化
      3.都能包含抽象方法,这些抽象方法都能描述系统能够提供哪些服务,但不必提供具体的实现。
    • 不同点:
      1.在抽象类中可以为部分方法提供默认的实现,而避免在子类中重复实现它们,提高代码的重用性。而接口中只能包含抽象方法。在抽象类中加入一个具体的方法,不会对它的子类造成影响,而在接口中添加抽象方法,影响所有的实现类,要么实现新增的抽象方法,要么声明为抽象类。
      2.一个类只能继承一个直接的父类,这个类有可能是抽象类;但一个类可以实现多个接口
      3.在继承树中,抽象出新的接口比抽象类容易。

2.内部类

2.1内部类的基本语法

  • 含义:在一个类的内部定义的类,分类如下:
    这里写图片描述
  • 顶层类只能处于public和默认访问级别,而成员内部类可以处于public、protected、private和默认这4种访问级别。在另一个类访问一个类的内部类,必须使用它的完整类名。
            Outer.InnerTool tool1;
            Outer.InnerTool tool2;
  • 内部类和外部类不重名。

2.2实例内部类

  • 含义:内部类的一种,没有static修饰。
  • 在创建实例内部类的实例时,外部类的实例必须已经存在。
Outer.InnerTool tool = new Outer().new InnerTool();
  • 上面的代码等价于
Outer outer = new Outer();
Outer.InnerTool tool = outer.new InnerTool();
  • 实例内部类的实例自动持有外部类的实例的引用。在内部类中,可以直接访问外部类的所有成员,包括成员变量和成员方法。在多重嵌套中,内部类可以访问所有外部类的成员,包括private。
  • 一对多,一个内部类实例只会引用一个外部类的实例,而一个外部类实例对应零个或多个内部类实例。在外部类中不能直接访问内部类的成员,必须通过内部类的实例去访问。
  • 在实例内部类中不能定义静态成员,而只能定义实例成员。
  • 如果实例内部类和外部类包含同名成员,则表示方式如下:
public class A{
                int v = 1;
                class B{
                    int v = 2;
                    public void test(){
                       System.out.println("v="+v);
                       System.out.println("this.v="+this.v);
                   System.out.println("A.this.v="+A.this.v);
                    }
                }
            }
            public static void main(String args[]){
                new A().new B().test();
            }

2.2静态内部类

  • 静态内部类的实例不会自动持有外部类的特定实例的引用,在创建内部类的实例时,不必创建外部类的实例。
  • 静态内部类可以直接访问外部类的静态成员,如果访问外部类的实例成员,就必须通过外部类的实例去访问。
  • 在静态内部类中可以定义静态成员和实例成员。
  • 客户类可以通过完整的类名直接访问静态内部类的静态成员。

2.3局部内部类

  • 含义:在一个方法中定义的内部类
  • 和局部变量一样,不能用访问控制修饰符修饰。
  • 局部内部类只能在当前方法中使用,不包含静态成员,可以访问外部类的所有成员和所在方法的final类型的参数和变量。

2.4匿名类

  • 含义:没有名字的内部类
  • 定义位置:外部类的方法、声明一个成员变量时
    abstract class A{
                A a = new A(){
                    void method(){
                        System.out.println("inner");
                    }
                };
                abstract void method();
            }
  • 匿名类本身没有构造方法,但是会调用父类的构造方法,可以在匿名类中提供一段实例初始化代码。
  • 在匿名类中使用的局部变量必须是final类型。
  • 匿名类可以继承、实现接口
class Sample{
                public static void main(String args[]){
                    Thread t = new Thread(new Runnable(){
                        public void run(){
                            for(int i = 0;i<100;i++)
                                System.out.println(i);
                        }
                    });
                    t.start();
                }
            }
  • 匿名类和局部类一样,可以访问外部类的所有成员。访问一个方法final类型的变量和参数。
  • 局部类和匿名类的区别
    • 匿名类的代码比较简短
    • 一个局部内部类可以有多个重载构造方法,可以创建多次实例,而匿名类没有重载构造方法,只能创建一次实例。

2.5回调

  • 含义:一个类尽管实现了某种功能,但是没有直接提供相应的接口,客户类可以通过这个类的内部类的接口来获得这种功能。内部类并没有真正的实现,仅仅调用外部类的实现。例如:
public class Sub extends Base{
                private int temperature;
                private void adjustTemperature(int temperature){
                    this.temperature = temperature;
                }
                private class Closure implements Adjustable{
                    public void adjust(int temperature){
                        adjustTemperature(temperature);
                    }
                }
                public Adjustable getCallBackReference(){
                    return new Closure();
                }
            }
Sub sub = new Sub();
Adjustable ad = sub.getCallBackReference();
ad.adjust(15);

2.6总结

这里写图片描述

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。
内容概要:本文系统阐述了企业新闻发稿在生成式引擎优化(GEO)时代下的全渠道策略与效果评估体系,涵盖当前企业传播面临的预算、资源、内容与效果评估四大挑战,并深入分析2025年新闻发稿行业五大趋势,括AI驱动的智能化转型、精准化传播、首发内容价值提升、内容资产化及数据可视化。文章重点解析央媒、地方官媒、综合门户自媒体四类媒体资源的特性、传播优势与发稿策略,提出基于内容适配性、时间节奏、话题设计的策略制定方法,并构建涵盖品牌价值、销售转化与GEO优化的多维评估框架。此外,结合“传声港”工具实操指南,提供AI智能投放、效果监测、自媒体管理与舆情应对的全流程解决方案,并针对科技、消费、B2B、区域品牌四大行业推出定制化发稿方案。; 适合人群:企业市场/公关负责人、品牌传播管理者、数字营销从业者及中小企业决策者,具备一定媒体传播经验并希望提升发稿效率与ROI的专业人士。; 使用场景及目标:①制定科学的新闻发稿策略,实现从“流量思维”向“价值思维”转型;②构建央媒定调、门户扩散、自媒体互动的立体化传播矩阵;③利用AI工具实现精准投放与GEO优化,提升品牌在AI搜索中的权威性与可见性;④通过数据驱动评估体系量化品牌影响力与销售转化效果。; 阅读建议:建议结合文中提供的实操清单、案例分析与工具指南进行系统学习,重点关注媒体适配性策略与GEO评估指标,在实际发稿中分阶段试点“AI+全渠道”组合策略,并定期复盘优化,以实现品牌传播的长期复利效应。
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