equals方法

      这两天回顾了一下j2se的视频,着重看了一下马士兵对于面向对象一块的讲解。看完之后的感受是讲得太好了,看上好几遍都不为过。

     其中对于两个对象判等==也就是equals方法的讲解,自己觉得很有必要写一篇博客。  对于equals方法的使用,我总结为两种情况。

情况一:未重写equals方法

         对于java中的所有类,它们的基类都是Object,所以它们都可以直接调用Object中的方法。当java中某个类想使用equals方法,自己又不重写equals方法时,默认调用Object中的equals方法。

这时,equals方法要求的是对象引用指向的对象必须是同一个。

举例说明:

<span style="font-size:18px;">
public class TestEquals{
  public static void main(String[] args){
  Cat c1 =new Cat(1,2,3);
  Cat c2 =new Cat(1,2,3);
  System.out.println(c1==c2);
 }
}

class Cat{
   int color;
   int height,weight;

  public Cat(int color,int height, int weight){
    this.color=color;
    this.height=height;
    this.weight=weight;
}

}</span>

上面代码对应的内寸图如下:

虽然c1与c2在内存中对应的成员变量相同,但是c1.equals(c2)结果为false。

也就是说,Equals表示c1与c2的内容必须相等,即对象在堆中的存放地址相同,c1与c2指向的是同一个对象才可以。

 

情况二:重写equals方法。重写了Object的equals方法,调用这些类的equals方法,x.equals(y),当x和y所引用的对象是同一类对象且属性内容相等时(并不一定是相同的对象),返回true否则返回false。

     对于重写equals方法,有两种情况:

1.用户自定义类型中重写equals方法。

     即 显示的重写,往往是对于普通类来说,也就是我们自己定义的类。

     对于上面猫那个例子,我们降低要求,不要求c1与c2指的是同一只猫对应的必须是同一个对象,如果c1和c2所指的对象对应的成员变量的值完全相同,我们也可以认为他们equals。此时,要想达到这个目的,我们必须在Cat类中重写equals方法。

<span style="font-size:18px;">
public boolean equals(Object obj){
  if (obj==null)return false;
  else{
    if(obj instance of Cat){
      Cat c=(Cat)obj;
      if (c.color==this.color && c.height==this.height && c.weight==this.weight){
        return true;
       }
    }
     }return false;
 }</span>

       这时,c1==c2的结果为true。

2.J2SDK提供的一些类,如String,Date等。可以查询aip文档,文档中已经有了重写后的equals方法。

举例

<span style="font-size:18px;">
String s1=new String("hello");
String s2=new String("hello");

System.out.println(s1==s2);</span>


    结果为true。

内容概要:本文档详细介绍了一个基于MATLAB实现的跨尺度注意力机制(CSA)结合Transformer编码器的多变量时间序列预测项目。项目旨在精准捕捉多尺度时间序列特征,提升多变量时间序列的预测性能,降低模型计算复杂度与训练时间,增强模型的解释性和可视化能力。通过跨尺度注意力机制,模型可以同时捕获局部细节和全局趋势,显著提升预测精度和泛化能力。文档还探讨了项目面临的挑战,如多尺度特征融合、多变量复杂依赖关系、计算资源瓶颈等问题,并提出了相应的解决方案。此外,项目模型架构包括跨尺度注意力机制模块、Transformer编码器层和输出预测层,文档最后提供了部分MATLAB代码示例。 适合人群:具备一定编程基础,尤其是熟悉MATLAB和深度学习的科研人员、工程师和研究生。 使用场景及目标:①需要处理多变量、多尺度时间序列数据的研究和应用场景,如金融市场分析、气象预测、工业设备监控、交通流量预测等;②希望深入了解跨尺度注意力机制和Transformer编码器在时间序列预测中的应用;③希望通过MATLAB实现高效的多变量时间序列预测模型,提升预测精度和模型解释性。 其他说明:此项目不仅提供了一种新的技术路径来处理复杂的时间序列数据,还推动了多领域多变量时间序列应用的创新。文档中的代码示例和详细的模型描述有助于读者快速理解和复现该项目,促进学术和技术交流。建议读者在实践中结合自己的数据集进行调试和优化,以达到最佳的预测效果。
评论 9
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