梳理你的思路(从OOP到架构设计)_基本OOP知识04

目录

1、 主动型 vs.基於被动型 API

1)卡榫函数实现API

2)API的分类

3)回顾历史

4)API =>控制力

2、 结语&复习: 接口与类

1)接口的表示

2)Java的接口表示


1、 主动型 vs.基於被动型 API

1)卡榫函数实现API

2)API的分类

API这个名词,有3个密切关联的动词:

  • 定义(Define)
  • 实作(Implement)
  • 呼叫(Invoke or Call)

根据这3个角度,可将API区分为「主动型」与「被动型」两种:

3)回顾历史

1990年代初的CORBA和Orbix                                    1995年的COM/DCOM

2001年的.NET

4)API =>控制力

大家都知道,接口(Interface)是双方接触的地方,也是双方势力或地盘的界线。
谁拥用接口的制定权,谁就掌握控制点,就能获得较大的主动权(或称为主导权),而位居强龙地位;而另一方则处于被动地位,成为弱势的一方,扮演地头蛇角色。

5)API的范例 (Android)
 

// myActivity.java
public class myActivity extends Activity {
    @Override public void onCreate(Bundle icicle) {
        super.onCreate(icicle);
        setContentView(R.layout.main);
        Button button = new Button(this);
        button.setText("OK");
        button.setBackgroundResource(R.drawable.heart);
        button.setOnClickListener(this);
        setContentView(button);
    }

    OnClickListener clickListener = new OnClickListener() {
        @Override public void onClick(View v) {
            String name = ((Button)v).getText().toString();
            setTitle( name + " button clicked");
        }
    };
}

2、 结语&复习: 接口与类

1)接口的表示

     在OOP里,将接口定义为一种特殊的类别(Class)

     在C++裡,類別包括3種:
        1. 一般(具象)類別
                -- 所有函數都是具象(內有指令)
        2. 抽象(abstract)類別
                -- 有一個或多個函數是抽象的(內無指令)
        3. 純粹抽象(pure abstract)類別
                -- 所有函數都是抽象的

    在C++裡,類別包括3種:
        1. 一般(具象)類別
                -- 所有函數都是具象(內有指令)
        2. 抽象(abstract)類別
                -- 有一個或多個函數是抽象的(內無指令)
        3. 純粹抽象(pure abstract)類別
                -- 所有函數都是抽象的

2)Java的接口表示

class Task implements Nunnable{
    public void run() {
        int sum = 0;
        for (int i = 0; i <= 100; i++) sum += i;
        System.out.println("Result: " + sum);
    }
}

public class JMain {
    public static void main(String[] args) {
        Thread t = new Thread( new Tasks());
        t.start();
        System.out.println("Waiting...");
    }
}

基于TROPOMI高光谱遥感仪器获取的大气成分观测资料,本研究聚焦于大气污染物一氧化氮(NO₂)的空间分布与浓度定量反演问题。NO₂作为影响空气质量的关键指标,其精确监测对环境保护与大气科学研究具有显著价值。当前,利用卫星遥感数据结合先进算法实现NO₂浓度的高精度反演已成为该领域的重要研究方向。 本研究构建了一套以深度学习为核心的技术框架,整合了来自TROPOMI仪器的光谱辐射信息、观测几何参数以及辅助气象数据,形成多维度特征数据集。该数据集充分融合了不同来源的观测信息,为深入解析大气中NO₂的时空变化规律提供了数据基础,有助于提升反演模型的准确性与环境预测的可靠性。 在模型架构方面,项目设计了一种多分支神经网络,用于分别处理光谱特征与气象特征等多模态数据。各分支通过独立学习提取代表性特征,并在深层网络中进行特征融合,从而综合利用不同数据的互补信息,显著提高了NO₂浓度反演的整体精度。这种多源信息融合策略有效增强了模型对复杂大气环境的表征能力。 研究过程涵盖了系统的数据处理流程。前期预处理包括辐射定标、噪声抑制及数据标准化等步骤,以保障输入特征的质量与一致性;后期处理则涉及模型输出的物理量转换与结果验证,确保反演结果符合实际大气浓度范围,提升数据的实用价值。 此外,本研究进一步对不同功能区域(如城市建成区、工业带、郊区及自然背景区)的NO₂浓度分布进行了对比分析,揭示了人类活动与污染物空间格局的关联性。相关结论可为区域环境规划、污染管控政策的制定提供科学依据,助力大气环境治理与公共健康保护。 综上所述,本研究通过融合TROPOMI高光谱数据与多模态特征深度学习技术,发展了一套高效、准确的大气NO₂浓度遥感反演方法,不仅提升了卫星大气监测的技术水平,也为环境管理与决策支持提供了重要的技术工具。 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

打赏作者

思忖小下

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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