面对对象的三大特征

简介: oop:面对对象的三大特征 1:封装: 隐藏对象内部的复杂性,只对外公开了简单的接口,便于外界调用,从而提高系统的可拓展性,可维护性,作用就是安全。

oop:面对对象的三大特征
1:封装:
隐藏对象内部的复杂性,只对外公开了简单的接口,便于外界调用,从而提高系统的可拓展性,可维护性,作用就是安全。
程序设计的要求:高内聚,低耦合。
封装的实现
public 公开的,可以访问类本身,包权限,子父类,其它包
protercted受保护的 类本身 包权限,子父类。
default默认的 类本身 包权限
private私有的 类本身
给所有属性提供get/set返回值用与对外界对属性进阶的读和写(注意Boolean的是is)
继承:
子类继承父类:子类拥有父类非私有的方法和属性。
extends关键字是用来继承父类
(注意Java中只有单继承,没有c++哪样的多继承在interface中可以多继承)
继承的优点为了代码的重用。
子类在继承父类的构造方法时会先调用祖先的构造的方法依次到本类为止。
多态:
多态就是重载和重写
重载:在同一个类中,方法名相同,方法的参数数据类型顺序有一个不同
重写:是在子父类之间,子类的方法名和返回值和参数列表同父类一样,但是方法题不同。
super:
super关键字代表父类的本身this当前对象本身
super是直接对父类对象的引用
也可以调用父类的属性。

相关文章
|
2月前
|
机器学习/深度学习 运维 监控
基于特征子空间的高维异常检测:一种高效且可解释的方法
本文探讨了一种替代传统单一检测器的方法,通过构建多个专注于特征子集(子空间)的检测器系统,来提高异常检测的准确性和效率。文章详细介绍了子空间方法在处理高维数据时的优势,包括缓解维度灾难、提高异常检测的可解释性和计算效率。同时,文中还讨论了子空间的选择策略,如基于领域知识、相关性、随机选择等,并介绍了PyOD工具包中实现子空间异常检测的具体方法。通过这些技术,异常检测系统能够更有效地识别数据中的异常记录,尤其是在特征数量众多的情况下。
52 9
基于特征子空间的高维异常检测:一种高效且可解释的方法
|
2月前
|
机器学习/深度学习 人工智能
大模型合成数据机理分析,人大刘勇团队:信息增益影响泛化能力
中国人民大学刘勇团队研究了合成数据对大型语言模型泛化能力的影响,提出逆瓶颈视角,通过“通过互信息的泛化增益”(GGMI)概念,揭示了后训练模型的泛化能力主要取决于从生成模型中获得的信息增益。这一发现为优化合成数据生成和后训练过程提供了重要理论依据。
65 1
|
2月前
|
机器学习/深度学习 人工智能 算法
从数据增强的隐藏作用出发,揭示视觉强化学习可塑性损失的独特机制
【10月更文挑战第22天】视觉强化学习(VRL)通过智能体与环境的交互学习最优策略,但可塑性损失是其关键挑战。近期一篇论文《Revisiting Plasticity in Visual Reinforcement Learning: Data, Modules and Training Stages》通过实证研究,揭示了数据增强、评论家可塑性损失及早期干预在维持智能体可塑性方面的作用,并提出了一种动态调整重放率的方法,为解决高重放率困境提供了新思路。
48 2
|
2月前
|
机器学习/深度学习 分布式计算 算法框架/工具
大模型的内部结构复杂,导致其决策过程难以解释,这对于某些应用场景来说是不可接受的。
【10月更文挑战第23天】随着人工智能技术的发展,越来越多的企业开始探索大模型的私有化部署。本文详细介绍了在企业内部实现大模型私有化部署的方法,包括硬件配置、数据隐私保护、模型可解释性提升以及模型更新和维护等方面的解决方案,帮助企业克服相关挑战,提高数据处理的安全性和效率。
46 4
|
8月前
|
机器学习/深度学习 SQL 算法
如何在因果推断中更好地利用数据?
本报告从两个方面来介绍我们如何利用更多的数据来做好因果推断,一个是利用历史对照数据来显式缓解混淆偏差,另一个是多源数据融合下的因果推断。
|
8月前
|
机器学习/深度学习 数据可视化 算法
R语言贝叶斯广义线性混合(多层次/水平/嵌套)模型GLMM、逻辑回归分析教育留级影响因素数据
R语言贝叶斯广义线性混合(多层次/水平/嵌套)模型GLMM、逻辑回归分析教育留级影响因素数据
|
8月前
|
机器学习/深度学习 数据可视化
数据分享|R语言生存分析模型因果分析:非参数估计、IP加权风险模型、结构嵌套加速失效(AFT)模型分析流行病学随访研究数据
数据分享|R语言生存分析模型因果分析:非参数估计、IP加权风险模型、结构嵌套加速失效(AFT)模型分析流行病学随访研究数据
|
8月前
|
数据可视化 数据建模
R语言用线性混合效应(多水平/层次/嵌套)模型分析声调高低与礼貌态度的关系
R语言用线性混合效应(多水平/层次/嵌套)模型分析声调高低与礼貌态度的关系
|
8月前
R语言估计多元标记的潜过程混合效应模型(lcmm)分析心理测试的认知过程
R语言估计多元标记的潜过程混合效应模型(lcmm)分析心理测试的认知过程
|
8月前
|
计算机视觉
VanillaKD | 简单而强大, 对原始知识蒸馏方法的再审视
VanillaKD | 简单而强大, 对原始知识蒸馏方法的再审视
79 0

热门文章

最新文章