Java 中的this深解

This理解深刻方能调用自如)

关于this这个关键字以前一直停留在一个类里方法的形参和类成员参数一样时的用法,如:

Class Person{

Private String say;

Public Void isSay(String say){

This.say = say;

}

}

仅仅是这种用法是没有完全参透this的。当然,我也不能说是完全参透啦。。。。

一、

1、当出现下面的情况时:

Class A{

Public static void main(String[] args){

Person p1 = new Person(),p2 = new Person();

P1.isSay(“hai”);

P2.isSay(“haha”);

}

}

   在这种情况如何知道isSay是被哪个引用调用的呢?面向对象的语法来编写代码(即“发送消息给对象”),编译器暗自把“所操作对象的引用”作为第一个参数传递给方法isSay了。也就是说在调用方法时编译器偷偷在实参里放了一个this,即自身类的引用。相当于:

P1.isSay(P1,”hai”);

P2.isSay(P2,”haha”);//当然这种写法是不对的,只是方便理解而已

2、在方法里调用自身类的其他方法时是不需要加this的,当前方法中的this会自动应用于同一类中的其他方法,编译器会自动帮你添加this的。只有当需要指出当前对象的引用时,才需要使用this关键字。例如,当需要返回对当前对象的引用时,常常这样:

Public class leaf{

Leaf  increment(){

Return this;

}

}

二、

在构造器中调用构造器。

1、通常写this的时候,都是指“这个对象”或者“当前对象”,而且它本身表示对当前对象的引用。

2、可以用this调用一个构造器,但却不能调用两个(构造器)。可以在构造器里用this调用其他成员参数。

3、在构造器调用构造器必须把调用语句放在方法的第一行!

4、在除构造器的其他方法中不能用this调用构造器!

三、

static的关系

1、static方法里没有this

2、Static方法里不能调用非静态方法(即非static)(其实也不是绝对不可能。Thinking in Java中提到:“如果你传递一个对象引用到static方法里[静态方法可以创建其自身的对象],然后通过这个引用[this效果一样],你就可以调用非静态方法和访问非静态数据成员了,但通常这样时,可以只用非静态方法就可以实现了”,其实这种方式我也没试过),反过来却可以。

3、要是代码中出现大量的static方法时,就该考虑自己的设计了。(static方法很受非议,因为很多人都视此为全局变量!)

以上总结与看完thinking in Java

 

内容概要:该PPT详细介绍了企业架构设计的方法论,涵盖业务架构、数据架构、应用架构和技术架构四大核心模块。首先分析了企业架构现状,包括业务、数据、应用和技术四大架构的内容和关系,明确了企业架构设计的重要性。接着,阐述了新版企业架构总体框架(CSG-EAF 2.0)的形成过程,强调其融合了传统架构设计(TOGAF)和领域驱动设计(DDD)的优势,以适应数字化转型需求。业务架构部分通过梳理企业级和专业级价值流,细化业务能力、流程和对象,确保业务战略的有效落地。数据架构部分则遵循五大原则,确保数据的准确、一致和高效使用。应用架构方面,提出了分层耦和服务化的设计原则,以提高灵活性和响应速度。最后,技术架构部分围绕技术框架、组件、平台和部署节点进行了详细设计,确保技术架构的稳定性和扩展性。 适合人群:适用于具有一定企业架构设计经验的IT架构师、项目经理和业务分析师,特别是那些希望入了如何将企业架构设计与数字化转型相结合的专业人士。 使用场景及目标:①帮助企业和组织梳理业务流程,优化业务能力,实现战略目标;②指导数据管理和应用开发,确保数据的一致性和应用的高效性;③为技术选型和系统部署提供科学依据,确保技术架构的稳定性和扩展性。 阅读建议:此资源内容详尽,涵盖企业架构设计的各个方面。建议读者在学习过程中,结合实际案例进行理和实践,重点关注各架构模块之间的关联和协同,以便更好地应用于实际工作中。
资 源 简 介 独立分量分析(Independent Component Analysis,简称ICA)是近二十年来逐渐发展起来的一种盲信号分离方法。它是一种统计方法,其目的是从由传感器收集到的混合信号中分离相互独立的源信号,使得这些分离出来的源信号之间尽可能独立。它在语音识别、电信和医学信号处理等信号处理方面有着广泛的应用,目已成为盲信号处理,人工神经网络等研究领域中的一个研究热点。本文简要的阐述了ICA的发展、应用和现状,详细地论述了ICA的原理及实现过程,系统地介绍了目几种主要ICA算法以及它们之间的内在联系, 详 情 说 明 独立分量分析(Independent Component Analysis,简称ICA)是近二十年来逐渐发展起来的一种盲信号分离方法。它是一种统计方法,其目的是从由传感器收集到的混合信号中分离相互独立的源信号,使得这些分离出来的源信号之间尽可能独立。它在语音识别、电信和医学信号处理等信号处理方面有着广泛的应用,目已成为盲信号处理,人工神经网络等研究领域中的一个研究热点。 本文简要的阐述了ICA的发展、应用和现状,详细地论述了ICA的原理及实现过程,系统地介绍了目几种主要ICA算法以及它们之间的内在联系,在此基础上重点分析了一种快速ICA实现算法一FastICA。物质的非线性荧光谱信号可以看成是由多个相互独立的源信号组合成的混合信号,而这些独立的源信号可以看成是光谱的特征信号。为了更好的了光谱信号的特征,本文利用独立分量分析的思想和方法,提出了利用FastICA算法提取光谱信号的特征的方案,并进行了详细的仿真实验。 此外,我们还进行了进一步的研究,探索了其他可能的ICA应用领域,如音乐信号处理、图像处理以及金融数据分析等。通过在这些领域中的实验和应用,我们发现ICA在提取信号特征、降噪和信号分离等方面具有广泛的潜力和应用景。
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