从零开始一步一步做论坛------抛砖引玉,欢迎拍砖[二]

趁着假期,再接再厉.开发这个论坛刚开始就是数据库的设计,但是数据库的设计图在公司的电脑上,自己的电脑Rational坏了,所以数据库的设计就放到十一长假以后再说吧.

先说说我遇到的第一个大问题:dao层的设计

怎样设计一个无耦合的dao层呢?dao层设计成通用的还是各司其职的?关于这个问题我曾经在问答里提出过.连接:http://feiyang404.iteye.com/blog/1138642

虽然讨论了很久,但是没有我想要的答案,最后经过苦思冥想,我找到了自己的解决办法.

首先,我赞成通用dao层的方式,因为dao层的职责就是负责数据持久化和获取数据库数据供Service层用的,所以这个应该和Service层之间解耦合,冲着这一点,各司其职的dao层就站不住脚了.其次,通用dao层的设计,在Spring配置文件中也很好配置,只需要配置一次dao就可以在每个service中引用了.这种好处也体现在编码中,每个Service类都引用同一个dao对象,编码起来很清楚,根本不会错.

现在最大的问题就是和Service层解耦了,如果看过我上面给出的连接的话,就会明白这个问题的难度了.dao层只是负责数据持久化的,所以应该说完全要和Service层剥离,现在dao层一般采用的是HQL加Spring的HibernateTemplate来完成的,但是万一dao层不采用HQL而采用QBC怎么办?如果和Service耦合的话,这下麻烦就大了,不仅要修改dao层还要修改Service层,而且稍有不慎,连Action层都在劫难逃.我接触过的好多项目中,都有在Service层构造HQL语句然后传给dao层,这种设计虽然很方便,但是我一直很抵触,在这次开发这个论坛的之前,我发帖求助,一直没有得到想要的答案,最后没办法,自己竟然想出来了一个解决方法,呵呵,当时觉得特别高兴,但是,也仅仅是解决了问题而已,不知道这么做性能上会不会有影响.

下面我说说自己的方法,为什么我们要在Service层构造HQL语句,而不在dao层构造呢?原因之一就是Service层负责业务处理,基本的增删还好说,一旦遇到要按条件查找就不好办了,要构造where子句的key=value的形式的语句,通用dao层就不会专门有这种方法,所以也很难构造,大家都选择在Service层构造好HQL语句,直接丢给dao层执行.经过我很长时间思考,key=value的形式不正好是Map的结构吗?在Service层构造出一个条件查询的Map结构,在dao层再专门写一个函数将Map解析出来,构成HQL语句,这样,Serivce层传给dao层的也只是一个map对象,而且map对象里也包含的是普通对象,完全和dao层没有关系.下面是我的代码:

 

public static String createHQL(String clazz, Map mps){
		StringBuilder sb = new StringBuilder("from ").append(clazz).append(" where ");
		Iterator it = mps.keySet().iterator();
		while(it.hasNext()){
			Object o = it.next();
			sb.append(o.toString()).append("='").append(mps.get(o)).append("'").append(" and ");
		}
		System.out.println("DaoImpl.createHQL:"+sb.substring(0, sb.length()-5).toString());
		return sb.substring(0, sb.length()-5).toString();
	}

 再粘一个dao层调用的代码:

 

public List findByValue(String clazz, Map mps, String orderBy, String orderKey) {
		String hqlL = createHQL(clazz,mps);
		final String hql = hqlL+  " order by "+orderBy+" "+ orderKey;
		return getHibernateTemplate().executeFind(new HibernateCallback(){
			public Object doInHibernate(Session session) throws HibernateException{
				Query query = session.createQuery(hql);
				if(query.list()!=null){
					return query.list();
				}else{
					return null;
				}
			}
		});
	}

 Service调用dao的代码:

 

public List listForumEliteAll(long boardid){
		Map mps = new HashMap();
		mps.put("board", boardid);
		mps.put("elite", 1);
		
		List list = this.getDao().findByValue("Forum", mps, "id", Constant.DESC);
		
		return list;
	}
 

由于是Map形式的,所以可以传入任意的key=value值对,对于想按多个条件查询的情况特别管用.这种只需要在Service层构造Map结构就可以了.

有了这个办法,就可以写出完全与Service解耦合的通用dao层了.附件里是我的通用dao层,大家如果能用到,就拿去用吧!对于上述方法,希望给位多多提出宝贵意见.我也是被迫无奈,只是为了写出一个无耦合的通用dao层罢了.

原创首发,谢谢支持!

本文旨在系统阐述利用MATLAB平台执行多模态语音分离任务的方法,重点围绕LRS3数据集的数据生成流程展开。LRS3(长时RGB+音频语音数据集)作为一个规模庞大的视频与音频集合,整合了丰富的视觉与听觉信息,适用于语音识别、语音分离及情感分析等多种研究场景。MATLAB凭借其高效的数值计算能力与完备的编程环境,成为处理此类多模态任务的适宜工具。 多模态语音分离的核心在于综合利用视觉与听觉等多种输入信息来解析语音信号。具体而言,该任务的目标是从混合音频中分离出不同说话人的声音,并借助视频中的唇部运动信息作为辅助线索。LRS3数据集包含大量同步的视频与音频片段,提供RGB视频、单声道音频及对应的文本转录,为多模态语音处理算法的开发与评估提供了重要平台。其高质量与大容量使其成为该领域的关键资源。 在相关资源包中,主要包含以下两部分内容: 1. 说明文档:该文件详细阐述了项目的整体结构、代码运行方式、预期结果以及可能遇到的问题与解决方案。在进行数据处理或模型训练前,仔细阅读此文档对正确理解与操作代码至关重要。 2. 专用于语音分离任务的LRS3数据集版本:解压后可获得原始的视频、音频及转录文件,这些数据将由MATLAB脚本读取并用于生成后续训练与测试所需的数据。 基于MATLAB的多模态语音分离通常遵循以下步骤: 1. 数据预处理:从LRS3数据集中提取每段视频的音频特征与视觉特征。音频特征可包括梅尔频率倒谱系数、感知线性预测系数等;视觉特征则涉及唇部运动的检测与关键点定位。 2. 特征融合:将提取的音频特征与视觉特征相结合,构建多模态表示。融合方式可采用简单拼接、加权融合或基于深度学习模型的复杂方法。 3. 模型构建:设计并实现用于语音分离的模型。传统方法可采用自适应滤波器或矩阵分解,而深度学习方法如U-Net、Transformer等在多模态学习中表现优异。 4. 训练与优化:使用预处理后的数据对模型进行训练,并通过交叉验证与超参数调整来优化模型性能。 5. 评估与应用:采用信号失真比、信号干扰比及信号伪影比等标准指标评估模型性能。若结果满足要求,该模型可进一步应用于实际语音分离任务。 借助MATLAB强大的矩阵运算功能与信号处理工具箱,上述步骤得以有效实施。需注意的是,多模态任务常需大量计算资源,处理大规模数据集时可能需要对代码进行优化或借助GPU加速。所提供的MATLAB脚本为多模态语音分离研究奠定了基础,通过深入理解与运用这些脚本,研究者可更扎实地掌握语音分离的原理,从而提升其在实用场景中的性能表现。 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
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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