JAVA-反射-getGenericSuperclass

本文介绍了一个具体的Java泛型使用案例,展示了如何通过泛型来指定类的类型参数,并且通过反射API获取这些泛型信息。从创建泛型类到子类继承及实现,再到运行时获取泛型类型的具体信息,文章提供了详细的步骤和代码示例。
 1 public class Person<T> {
 2 
 3 }
 4 
 5 import java.lang.reflect.ParameterizedType;
 6 import java.lang.reflect.Type;
 7 
 8 public class Student extends Person<Student> {
 9 public static void main(String[] args) {
10 Student st=new Student();
11 Class clazz=st.getClass();
12 //getSuperclass()获得该类的父类
13 System.out.println(clazz.getSuperclass());
14 //getGenericSuperclass()获得带有泛型的父类
15 //Type是 Java 编程语言中所有类型的公共高级接口。它们包括原始类型、参数化类型、数组类型、类型变量和基本类型。
16 Type type=clazz.getGenericSuperclass();
17 System.out.println(type);
18 //ParameterizedType参数化类型,即泛型
19 ParameterizedType p=(ParameterizedType)type;
20 //getActualTypeArguments获取参数化类型的数组,泛型可能有多个
21 Class c=(Class) p.getActualTypeArguments()[0];
22 System.out.println(c);
23 }
24 }
25 
26 打印结果:
27 
28 class com.test.Person
29 com.test.Person<com.test.Student>
30 class com.test.Student
【轴承故障诊断】基于融合鱼鹰和柯西变异的麻雀优化算法OCSSA-VMD-CNN-BILSTM轴承诊断研究【西储大学数据】(Matlab代码实现)内容概要:本文提出了一种基于融合鱼鹰和柯西变异的麻雀优化算法(OCSSA)优化变分模态分解(VMD)参数,并结合卷积神经网络(CNN)与双向长短期记忆网络(BiLSTM)的轴承故障诊断模型。该方法利用西储大学公开的轴承数据集进行验证,通过OCSSA算法优化VMD的分解层数K和惩罚因子α,有效提升信号分解精度,抑制模态混叠;随后利用CNN提取故障特征的空间信息,BiLSTM捕捉时间序列的动态特征,最终实现高精度的轴承故障分类。整个诊断流程充分结合了信号预处理、智能优化与深度学习的优势,显著提升了复杂工况下轴承故障诊断的准确性与鲁棒性。; 适合人群:具备一定信号处理、机器学习及MATLAB编程基础的研究生、科研人员及从事工业设备故障诊断的工程技术人员。; 使用场景及目标:①应用于旋转机械设备的智能运维与故障预警系统;②为轴承等关键部件的早期故障识别提供高精度诊断方案;③推动智能优化算法与深度学习在工业信号处理领域的融合研究。; 阅读建议:建议读者结合MATLAB代码实现,深入理解OCSSA优化机制、VMD参数选择策略以及CNN-BiLSTM网络结构的设计逻辑,通过复现实验掌握完整诊断流程,并可进一步尝试迁移至其他设备的故障诊断任务中进行验证与优化。
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