DAY5:面向对编程,方法的重载,递归

本文深入探讨了面向对象编程的基础概念,包括类与对象的定义、属性与方法的使用,以及局部变量与成员属性的区别。同时,文章还介绍了方法重载的概念与应用,以及递归的基本原理和写法,通过实例代码帮助读者理解这些关键概念。

一.面向对象编程

类:是模板,描述了一类事物的属性和功能

对象:符合类型描述的具体的个体

类和对象的关系:类是对对象的描述,对象是对类的实现

类的定义:

class 类名{

         属性(变量)

         功能(方法)

}

对象的生成:

类名 对象名=new 类名();

调用属性: 对象名.属性名

调用方法: 对象名.方法名()

局部变量:定义在方法中的属性
    成员属性:
    1.定义在类的块中
    2.可以不初始化直接使用,为类型默认值
    3.可以定义与成员属性同名的局部变量,并且优先使用局部变量
    4.成员属性属于对象,每一个对象只有一份成员属性

示例代码:

public class ClassStu{
	public static void main(String[] args){
		Dog dog = new Dog();//实例化一只狗
		Dog dog1 = new Dog();
		dog1.name = "安倍晋三";
		//dog.shout();
		dog.name = "来福";
		dog1.shout();
		dog.age = 5;
		dog.sex = '公';
		dog.jump();
		dog.shout();
		//String name = dog.name;//取出属性
		//System.out.println("这只狗叫做"+name);
		
	}
	public static void demo(){
		
	}
}
class Dog{
	String name;//null
	int age;//0
	char sex;//
	double weight;//0.0
	boolean cute;//false
	public void shout(){
		System.out.println("一只"+age+"岁的,叫做"+name+"的"+sex+"狗在叫,看起来有"+weight+"kg,你觉得可爱吗?"+cute);
	}
	public void jump(){
		System.out.println(name+"在跳");
	}
}

二.方法的重载

    重载:让具备类似功能的方法使用相同的方法名
    意义:方便程序员学习和使用api
    重载的前提条件:两同三不同
    两同:同一个类,使用相同的方法名
    三不同:形参的个数,类型或者顺序不同

    返回值类型与重载无关
    重载方法的运行优先级:
    1.实参与形参完全匹配的
    2.需要类型转换次数少的方法
    3......
    注意:不能同时存在两个以上相同优先级的方法

示例代码:

public class OverLoad{
	public static void main(String[] args){
		sum(1,2);
	}
	public static int sum(int a,int b){
		System.out.println("进了第一个方法");
		return a + b;
	}
	public static double sum(int a,double b){
		System.out.println("进了第二个方法");
		return a + b;
	}
	public static double sum(double a,int b){
		System.out.println("进了第三个方法");
		return a + b;
	}
	public static double sum(double a,double b){
		System.out.println("进了第四个方法");
		return a + b;
	}
	public static int sum(int a,int b,int c){
		return a+b+c;
	}
}

三.递归

递归:方法调用方法自己
        递归的写法:
        1.循环变量定义为形参
        2.设计出口(什么时候继续递归)
        3.控制循环次数的形参,递增或者递减
        递归:先执行的后结束
        缺点:非常占用内存,因为再递归结束之前,所有方法的内存都得不到释放
        尽量都使用循环解决问题,实在不行再使用递归

示例代码:

public class Recursion{
	public static void main(String[] args){
		demo2();
		System.out.println("main方法结束");
	}
	public static void demo1(int count){
		System.out.println("吃了第"+count+"个炸鸡");
		String s = new String("123");
		count++;
		if(count<10000){
			demo1(count);
		}
		//System.out.println(count);
	}
	public static void demo2(){
		for(int i = 1;i < 10000;i++){
			String s = new String("123");
			System.out.println("吃了第"+i+"个炸鸡");
		}
	}
	//求1到100的累加
	public static int sum(int num){
		if(num>0){
			return num+sum(num-1);//100+99+98+...+1+0
		}else{
			return 0;
		}
		
	}
}

 

 

内容概要:本文介绍了ENVI Deep Learning V1.0的操作教程,重点讲解了如何利用ENVI软件进行深度学习模型的训练与应用,以实现遥感图像中特定目标(如集装箱)的自动提取。教程涵盖了从数据准备、标签图像创建、模型初始化与训练,到执行分类及结果优化的完整流程,并介绍了精度评价与通过ENVI Modeler实现一键化建模的方法。系统基于TensorFlow框架,采用ENVINet5(U-Net变体)架构,支持通过点、线、面ROI或分类图生成标签数据,适用于多/高光谱影像的单一类别特征提取。; 适合人群:具备遥感图像处理基础,熟悉ENVI软件操作,从事地理信息、测绘、环境监测等相关领域的技术人员或研究人员,尤其是希望将深度学习技术应用于遥感目标识别的初学者与实践者。; 使用场景及目标:①在遥感影像中自动识别和提取特定地物目标(如车辆、建筑、道路、集装箱等);②掌握ENVI环境下深度学习模型的训练流程与关键参数设置(如Patch Size、Epochs、Class Weight等);③通过模型调优与结果反馈提升分类精度,实现高效自动化信息提取。; 阅读建议:建议结合实际遥感项目边学边练,重点关注标签数据制作、模型参数配置与结果后处理环节,充分利用ENVI Modeler进行自动化建模与参数优化,同时注意软硬件环境(特别是NVIDIA GPU)的配置要求以保障训练效率。
内容概要:本文系统阐述了企业新闻发稿在生成式引擎优化(GEO)时代下的全渠道策略与效果评估体系,涵盖当前企业传播面临的预算、资源、内容与效果评估四大挑战,并深入分析2025年新闻发稿行业五大趋势,包括AI驱动的智能化转型、精准化传播、首发内容价值提升、内容资产化及数据可视化。文章重点解析央媒、地方官媒、综合门户和自媒体四类媒体资源的特性、传播优势与发稿策略,提出基于内容适配性、时间节奏、话题设计的策略制定方法,并构建涵盖品牌价值、销售转化与GEO优化的多维评估框架。此外,结合“传声港”工具实操指南,提供AI智能投放、效果监测、自媒体管理与舆情应对的全流程解决方案,并针对科技、消费、B2B、区域品牌四大行业推出定制化发稿方案。; 适合人群:企业市场/公关负责人、品牌传播管理者、数字营销从业者及中小企业决策者,具备一定媒体传播经验并希望提升发稿效率与ROI的专业人士。; 使用场景及目标:①制定科学的新闻发稿策略,实现从“流量思维”向“价值思维”转型;②构建央媒定调、门户扩散、自媒体互动的立体化传播矩阵;③利用AI工具实现精准投放与GEO优化,提升品牌在AI搜索中的权威性与可见性;④通过数据驱动评估体系量化品牌影响力与销售转化效果。; 阅读建议:建议结合文中提供的实操清单、案例分析与工具指南进行系统学习,重点关注媒体适配性策略与GEO评估指标,在实际发稿中分阶段试点“AI+全渠道”组合策略,并定期复盘优化,以实现品牌传播的长期复利效应。
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