观察者设计模式[伪]

本文介绍了一种简化版的观察者设计模式应用案例,适用于希望快速掌握并使用该模式的新手程序员。文章详细解释了如何在PopupWindow点击确认时更新关联界面的状态,包括被观察者与观察者的角色定义及实现步骤。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

## [伪]观察者设计模式(适用于像我这样看不太懂真正的观察者设计模式又想用观察者设计模式的小程序员) ##


**做了一个小功能,需要在一个PopupWindow点击确认时在管理Pw的界面上做出些许改变,但是就是不知道该怎么实现,后来听到朋友说,可以用观察者设计模式,但是无奈,对观察者设计模式就是看不懂,但是天不亡我,看到了圣骑士Wind的博客,感到很好,并且可以用了,一些心得,发布出来,给像我这样的新手观看,共同学习。**

# 被观察者 #
 **也就是我口中的PopupWindow,再说的明白点就是那个首先改变的那个,被观察者改变了,观察者才能跟着改变,我就在这个逻辑上,纠结了好长时间.**

**被观察者只需要继承java.util.Observable类,并且通过addObserver来添加一个观察者(这个观察者就是你的另一个或者另一些视图类的对象),然后在点击某个组件或者你需要他通知被观察者的时候,调用 setChanged();和notifyObservers("这里可以传参 也可以不传参");**



# 观察者 #

**也就是我口中的视图界面,那个后改变的那个,这个类需要实现一个接口java.util.Observer,然后重写updata方法,然后 在被观察者调用那两个方法的时候,这个方法就会被调用,之后 就可以实现跨界面的那种通知了..总之就是能用了..**

**在这里附上我学习的原博客的地址  再次谢谢大神[[圣骑士Wind]( http://www.cnblogs.com/mengdd/archive/2013/02/07/2908929.html)];**

## [伪]观察者设计模式(适用于像我这样看不太懂真正的观察者设计模式又想用观察者设计模式的小程序员) ##

**做了一个小功能,需要在一个PopupWindow点击确认时在管理Pw的界面上做出些许改变,但是就是不知道该怎么实现,后来听到朋友说,可以用观察者设计模式,但是无奈,对观察者设计模式就是看不懂,但是天不亡我,看到了圣骑士Wind的博客,感到很好,并且可以用了,一些心得,发布出来,给像我这样的新手观看,共同学习。**

# 被观察者 #
 **也就是我口中的PopupWindow,再说的明白点就是那个首先改变的那个,被观察者改变了,观察者才能跟着改变,我就在这个逻辑上,纠结了好长时间.**

**被观察者只需要继承java.util.Observable类,并且通过addObserver来添加一个观察者(这个观察者就是你的另一个或者另一些视图类的对象),然后在点击某个组件或者你需要他通知被观察者的时候,调用 setChanged();和notifyObservers("这里可以传参 也可以不传参");**

# 观察者 #

**也就是我口中的视图界面,那个后改变的那个,这个类需要实现一个接口java.util.Observer,然后重写updata方法,然后 在被观察者调用那两个方法的时候,这个方法就会被调用,之后 就可以实现跨界面的那种通知了..总之就是能用了..**

**在这里附上我学习的原博客的地址  再次谢谢大神[[圣骑士Wind]( http://www.cnblogs.com/mengdd/archive/2013/02/07/2908929.html)];**

转载于:https://www.cnblogs.com/redwolf/p/5275153.html

内容概要:本文介绍了基于SMA-BP黏菌优化算法优化反向传播神经网络(BP)进行多变量回归预测的项目实例。项目旨在通过SMA优化BP神经网络的权重和阈值,解决BP神经网络易陷入局部最优、收敛速度慢及参数调优困难等问题。SMA算法模拟黏菌寻找食物的行为,具备优秀的全局搜索能力,能有效提高模型的预测准确性和训练效率。项目涵盖了数据预处理、模型设计、算法实现、性能验证等环节,适用于多变量非线性数据的建模和预测。; 适合人群:具备一定机器学习基础,特别是对神经网络和优化算法有一定了解的研发人员、数据科学家和研究人员。; 使用场景及目标:① 提升多变量回归模型的预测准确性,特别是在工业过程控制、金融风险管理等领域;② 加速神经网络训练过程,减少迭代次数和训练时间;③ 提高模型的稳定性和泛化能力,确保模型在不同数据集上均能保持良好表现;④ 推动智能优化算法与深度学习的融合创新,促进多领域复杂数据分析能力的提升。; 其他说明:项目采用Python实现,包含详细的代码示例和注释,便于理解和二次开发。模型架构由数据预处理模块、基于SMA优化的BP神经网络训练模块以及模型预测与评估模块组成,各模块接口清晰,便于扩展和维护。此外,项目还提供了多种评价指标和可视化分析方法,确保实验结果科学可信。
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