Java基础之集合

Java基础之集合



Collection接口思维导图







1、List序列

List是有序、可重复的集合;


1.1 常用方法


1.  add(Object obj):添加元素;

2.  add(int i,Object o):在指定位置处添加元素;

3.  addAll(Collection c):把一个集合内的元素依次添加到当前集合;

4.  addAll(int i,Collection c):把一个集合内的元素添加到当前集合的指定位置;

5.  size():返回序列的长度;

6.  get(int i):返回指定位置上的元素;

7  set(int i,Object o):修改指定位置的元素,返回被修改的原对象;

8  remove(int i):删除指定位置的元素,返回指定位置的元素;

9.  remove(Object o):删除指定的对象,删除成功返回true;

10.  removeAll(Collection c):从列表中移除指定集合中包含的其所有元素,删除成功返回true;

11. clear():清除集合中的所有元素;

12. contains(Object o):判断集合中是否包含指定的元素,包含返回true;

13.indexOf(Object o):返回指定元素在集合中第一次出现的下标;

14.astIndexOf(Object o):返回指定元素在集合中最后一次出现的下标;

15.isEmpty():当且仅当集合长度为0时,返回true;

16. subList(int start,int end);截取集合,下标从start开始(包含),到end结束(不包含),返回一个新的集合;


实例:


1.2 添加

//获得List对象

      List list = new ArrayList();

      //依次添加

      list.add("tom");

      list.add("jack");

      list.add("Lily");

      list.add(3,"宋小宝");

      List list2 = new ArrayList();

      list2.add("张三");

      list2.add("李四");

      list2.add("王五");

//    list.add(list2);

// list.addAll(list2);//list集合中添加另一个集合的元素

      list.addAll(2, list2);



1.3 for遍历

//使用for循环遍历

      for (inti = 0;i <list.size();i++) {

        Object obj = list.get(i);

      }

     

      //使用foreach循环遍历

      for (Objectobj :list) {

        System.out.println(obj);

      }

迭代器遍历:

//使用Iterator迭代器遍历

      Iterator it = list.iterator();

      while(it.hasNext()){

        Object obj = it.next();

        System.out.println(obj);

      }

 

1.4 修改

//修改

      Object o = list.set(0, "汤姆");//返回被修改的对象

      System.out.println(o+"被修改了");

 

1.5 删除

      //根据下标删除

      Object o = list.remove(0);

      System.out.println(o+"被删除了");

      //根据对象删除

      booleanb =list.remove("tom");

      System.out.println(b);

      //删除指定集合中的所有元素

      List list3 = new ArrayList();

      list3.add("tom");

      list3.add("宋小宝");

      list3.add("王五");

      booleanb =list.removeAll(list3);

      System.out.println(b);

 

1.6 泛型实例

Student s1 = new Student();

      s1.name ="tom";

      Student s2 = new Student();

      s2.name ="jack";

      Student s3 = new Student();

      s3.name ="Lily";

      Person p = new Person();

      p.name ="张三";

      //泛型,规定当前的集合只能存某种类型

      List<Student> list = new ArrayList<Student>();

      list.add(s1);

      list.add(s2);

      list.add(s3);

      //遍历

      for (Studentstudent :list) {

        System.out.println(student.name);

      }

//使用迭代器遍历

      Iterator<Student> it = list.iterator();

      while(it.hasNext()){

        Student s = it.next();

        System.out.println(s.name);

      }

 

1.7 集合与数组的转换实例

      String[] str = {"tom","jack","Lzly","rose","Ljly","1"};

      //把数组转为集合

      List<String> list = Arrays.asList(str);

      //把集合转为数组

      Object[] obj = list.toArray();

1.8 集合排序实例

String[] str = {"tom","jack","Lzly","rose","Ljly","1"};

      //把数组转为集合

      List<String> list = Arrays.asList(str);

      Collections.sort(list);//自然升序

      Collections.reverse(list);//将集合元素倒置

      Collections.shuffle(list);//随机排序

     

      for (Strings :list) {

        System.out.println(s);

      }

1.9 使用排序算法对集合排序

      List<Integer> list = new ArrayList<Integer>();

      list.add(3);

      list.add(1);

      list.add(5);

      list.add(2);

      list.add(9);

      list.add(7);

     

      System.out.println("===========排序前==========");

      for (Objectobject :list) {

        System.out.print(object+" ");

      }

      System.out.println();

      System.out.println("===========排序后==========");

      for(inti = 1 ;i <list.size() ;i++){

        for(intj = 0 ;j <list.size() -i;j++){

           inta = (int)list.get(j);

           intb = (int)list.get(j+1);

           if(a >b){

              list.set(j,b);

              list.set(j+1,a);

           }

        }

      }

      //遍历

      for (Objectobject :list) {

        System.out.print(object+" ");

      }

      System.out.println();

 

2、Set集合

Set是不可重复,无序的集合

2.1 常用方法

1.  add(Object o):添加元素,添加成功返回true,重复添加,返回false;

2.  addAll(Collection c):把一个集合内的元素添加到当前集合;

3.  contians(Object o):判断集合中是否包含指定元素,包含返回true;

4.  isEmpty():当且仅当集合长度为0时,返回true;

5.  iterator():返回迭代器对象,用于遍历集合;

6.  remove(Object o):删除集合中的指定元素,删除成功返回true;

7.  removeAll(Collection c):从列表中移除指定集合中包含的其所有元素,删除成功返回true;

8.  clear():清除集合中的所有元素;

9.  size():返回集合的长度;

10.  toArray():把集合转为数组;

 


2.2 添加

//添加

      Student s1 = new Student("tom");

      Student s2 = new Student("jack");

      Student s3 = new Student("Lily");

      Student s4 = new Student("rose");

     

      Set<Student> set = new HashSet<Student>();

      set.add(s1);

      set.add(s2);

     

      //添加set集合

      Set<Student> set2 = new HashSet<Student>();

      set2.add(s3);

      set2.add(s4);

      set.addAll(set2);

      //添加list集合

      List<Student> list = new ArrayList<Student>();

      list.add(s3);

      list.add(s4);

      set.addAll(list);

      //添加数组

      Student[] stuArray = {s3,s4};

      set.addAll(Arrays.asList(stuArray));

 

2.3 遍历

      //使用foreach遍历

      for (Studentstu :set) {

        System.out.println(stu.name);

      }

     

      //使用迭代器遍历

      Iterator<Student> it = set.iterator();

      while(it.hasNext()){

        Student stu = it.next();

        System.out.println(stu.name);

      }

 

2.4 修改

//可以使用间接的方式修改

      booleanb =false;

      for (Studentstu :set) {

        if(stu.name.equals("tom")){//找到要修改的对象

           //把该对象删除

           b = set.remove(stu);

           if(b){

              break;

           }

        }

      }

      //添加要替换的新对象

      set.add(new Student("汤姆"));

 

2.5 删除

      //根据对象的属性删除,使用迭代器删除

      Iterator<Student> i = set.iterator();

      while(i.hasNext()){

        Student stu = i.next();

        if(stu.name.equals("rose")){

           i.remove();

        }

      }

      //删除指定对象

      booleanb =set.remove(s1);

      System.out.println(b);

      //删除多个对象

      Student[] stuArry = {s1,s3};

      booleanb =set.removeAll(Arrays.asList(stuArry));

      System.out.println(b);

      //清除所有元素

      set.clear();

      System.out.println(set.size());

 

 

 

3、Map集合

Map集合是一种键值对映射关系,Map中的键是唯一性的,即:键不能重复,值可以重复,一个键只能对应一个值,每个值可以有多个键

常用方法:

1.  put(K key,V value):向map集合中添加键值对,返回上一次该键对应的值,初次添加,返回null;

2.  putAll(Map<k,v>):将一个Map集合添加到该Map集合中;

3.  size():返回map集合中的键值对个数;

4.  get(Key k):通过Key返回Value;

5.  keySet():把所有的键以set集合的形式返回;

6.  isEmpty():当且仅当Map集合中的个数为0时,返回true;

7.  containsKey(K key):判断集合中是否包含指定的Key;

8.  containsValue(V value):判断集合中是否包含指定的Value;

9.  clear():清除集合中的所有键值对;

10.  remove(K key):根据键删除集合中的对应键值对,返回被删除键值对的值;

11.values():返回以Collection集合的形式所有的值;

12.entrySet():把所有的键-值对,以set集合的形式返回;

 

添加:

Map<Integer,String> map = new HashMap<Integer,String>();

     

      String s = map.put(1, "tom");

      String s2 = map.put(2, "jack");

      String s3 = map.put(3, "Lily");

      String s4 = map.put(4, "Lily");

 

遍历:


1.使用KeySet方法遍历


//使用KeySet获得map中的所有键值对

      Set<Integer> set = map.keySet();

      for (Integeri :set) {

        String v = map.get(i);

        System.out.println("键:"+i+",值:"+v);

      }


2.使用entrySet方法遍历


//使用entrySet方法遍历

      Set<Entry<Integer,String>> set =map.entrySet();

      for (Entry<Integer, String>e :set) {

        System.out.println("键:"+e.getKey());

        System.out.println("值:"+e.getValue());

      }


3.使用values遍历值

//使用values方法遍历值

      Collection<String> c = map.values();

      Iterator<String> it = c.iterator();

      while(it.hasNext()){

        String v = it.next();

        System.out.println("值:"+v);

      }

 


5、集合中的对象排序

实例:


Student类:

public class Student implements Comparable<Student>{

   public Stringid;

   public Stringname;

   public Integerage;

   @Override

   public int compareTo(Student s) {

      // TODO Auto-generated method stub

      return id.compareTo(s.id);

   }

}



Test类:

public static void main(String[] args) {

      List<Student> list = new ArrayList<Student>();

      list.add(new Student("1","tom",20));

      list.add(new Student("3","jack",22));

      list.add(new Student("2","Lily",21));

      list.add(new Student("6","hanmeimei",25));

      list.add(new Student("5","Lilei",24));

      //按照自然升序排序

      Collections.sort(list);

      //反转排序

      Collections.reverse(list);

 

   }



  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
1 目标检测的定义 目标检测(Object Detection)的任务是找出图像所有感兴趣的目标(物体),确定它们的类别和位置,是计算机视觉领域的核心问题之一。由于各类物体有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具有挑战性的问题。 目标检测任务可分为两个关键的子任务,目标定位和目标分类。首先检测图像目标的位置(目标定位),然后给出每个目标的具体类别(目标分类)。输出结果是一个边界框(称为Bounding-box,一般形式为(x1,y1,x2,y2),表示框的左上角坐标和右下角坐标),一个置信度分数(Confidence Score),表示边界框是否包含检测对象的概率和各个类别的概率(首先得到类别概率,经过Softmax可得到类别标签)。 1.1 Two stage方法 目前主流的基于深度学习的目标检测算法主要分为两类:Two stage和One stage。Two stage方法将目标检测过程分为两个阶段。第一个阶段是 Region Proposal 生成阶段,主要用于生成潜在的目标候选框(Bounding-box proposals)。这个阶段通常使用卷积神经网络(CNN)从输入图像提取特征,然后通过一些技巧(如选择性搜索)来生成候选框。第二个阶段是分类和位置精修阶段,将第一个阶段生成的候选框输入到另一个 CNN 进行分类,并根据分类结果对候选框的位置进行微调。Two stage 方法的优点是准确度较高,缺点是速度相对较慢。 常见Tow stage目标检测算法有:R-CNN系列、SPPNet等。 1.2 One stage方法 One stage方法直接利用模型提取特征值,并利用这些特征值进行目标的分类和定位,不需要生成Region Proposal。这种方法的优点是速度快,因为省略了Region Proposal生成的过程。One stage方法的缺点是准确度相对较低,因为它没有对潜在的目标进行预先筛选。 常见的One stage目标检测算法有:YOLO系列、SSD系列和RetinaNet等。 2 常见名词解释 2.1 NMS(Non-Maximum Suppression) 目标检测模型一般会给出目标的多个预测边界框,对成百上千的预测边界框都进行调整肯定是不可行的,需要对这些结果先进行一个大体的挑选。NMS称为非极大值抑制,作用是从众多预测边界框挑选出最具代表性的结果,这样可以加快算法效率,其主要流程如下: 设定一个置信度分数阈值,将置信度分数小于阈值的直接过滤掉 将剩下框的置信度分数从大到小排序,选值最大的框 遍历其余的框,如果和当前框的重叠面积(IOU)大于设定的阈值(一般为0.7),就将框删除(超过设定阈值,认为两个框的里面的物体属于同一个类别) 从未处理的框继续选一个置信度分数最大的,重复上述过程,直至所有框处理完毕 2.2 IoU(Intersection over Union) 定义了两个边界框的重叠度,当预测边界框和真实边界框差异很小时,或重叠度很大时,表示模型产生的预测边界框很准确。边界框A、B的IOU计算公式为: 2.3 mAP(mean Average Precision) mAP即均值平均精度,是评估目标检测模型效果的最重要指标,这个值介于0到1之间,且越大越好。mAP是AP(Average Precision)的平均值,那么首先需要了解AP的概念。想要了解AP的概念,还要首先了解目标检测Precision和Recall的概念。 首先我们设置置信度阈值(Confidence Threshold)和IoU阈值(一般设置为0.5,也会衡量0.75以及0.9的mAP值): 当一个预测边界框被认为是True Positive(TP)时,需要同时满足下面三个条件: Confidence Score > Confidence Threshold 预测类别匹配真实值(Ground truth)的类别 预测边界框的IoU大于设定的IoU阈值 不满足条件2或条件3,则认为是False Positive(FP)。当对应同一个真值有多个预测结果时,只有最高置信度分数的预测结果被认为是True Positive,其余被认为是False Positive。 Precision和Recall的概念如下图所示: Precision表示TP与预测边界框数量的比值 Recall表示TP与真实边界框数量的比值 改变不同的置信度阈值,可以获得多组Precision和Recall,Recall放X轴,Precision放Y轴,可以画出一个Precision-Recall曲线,简称P-R
图像识别技术在病虫害检测的应用是一个快速发展的领域,它结合了计算机视觉和机器学习算法来自动识别和分类植物上的病虫害。以下是这一技术的一些关键步骤和组成部分: 1. **数据收集**:首先需要收集大量的植物图像数据,这些数据包括健康植物的图像以及受不同病虫害影响的植物图像。 2. **图像预处理**:对收集到的图像进行处理,以提高后续分析的准确性。这可能包括调整亮度、对比度、去噪、裁剪、缩放等。 3. **特征提取**:从图像提取有助于识别病虫害的特征。这些特征可能包括颜色、纹理、形状、边缘等。 4. **模型训练**:使用机器学习算法(如支持向量机、随机森林、卷积神经网络等)来训练模型。训练过程,算法会学习如何根据提取的特征来识别不同的病虫害。 5. **模型验证和测试**:在独立的测试集上验证模型的性能,以确保其准确性和泛化能力。 6. **部署和应用**:将训练好的模型部署到实际的病虫害检测系统,可以是移动应用、网页服务或集成到智能农业设备。 7. **实时监测**:在实际应用,系统可以实时接收植物图像,并快速给出病虫害的检测结果。 8. **持续学习**:随着时间的推移,系统可以不断学习新的病虫害样本,以提高其识别能力。 9. **用户界面**:为了方便用户使用,通常会有一个用户友好的界面,显示检测结果,并提供进一步的指导或建议。 这项技术的优势在于它可以快速、准确地识别出病虫害,甚至在早期阶段就能发现问题,从而及时采取措施。此外,它还可以减少对化学农药的依赖,支持可持续农业发展。随着技术的不断进步,图像识别在病虫害检测的应用将越来越广泛。
1 目标检测的定义 目标检测(Object Detection)的任务是找出图像所有感兴趣的目标(物体),确定它们的类别和位置,是计算机视觉领域的核心问题之一。由于各类物体有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具有挑战性的问题。 目标检测任务可分为两个关键的子任务,目标定位和目标分类。首先检测图像目标的位置(目标定位),然后给出每个目标的具体类别(目标分类)。输出结果是一个边界框(称为Bounding-box,一般形式为(x1,y1,x2,y2),表示框的左上角坐标和右下角坐标),一个置信度分数(Confidence Score),表示边界框是否包含检测对象的概率和各个类别的概率(首先得到类别概率,经过Softmax可得到类别标签)。 1.1 Two stage方法 目前主流的基于深度学习的目标检测算法主要分为两类:Two stage和One stage。Two stage方法将目标检测过程分为两个阶段。第一个阶段是 Region Proposal 生成阶段,主要用于生成潜在的目标候选框(Bounding-box proposals)。这个阶段通常使用卷积神经网络(CNN)从输入图像提取特征,然后通过一些技巧(如选择性搜索)来生成候选框。第二个阶段是分类和位置精修阶段,将第一个阶段生成的候选框输入到另一个 CNN 进行分类,并根据分类结果对候选框的位置进行微调。Two stage 方法的优点是准确度较高,缺点是速度相对较慢。 常见Tow stage目标检测算法有:R-CNN系列、SPPNet等。 1.2 One stage方法 One stage方法直接利用模型提取特征值,并利用这些特征值进行目标的分类和定位,不需要生成Region Proposal。这种方法的优点是速度快,因为省略了Region Proposal生成的过程。One stage方法的缺点是准确度相对较低,因为它没有对潜在的目标进行预先筛选。 常见的One stage目标检测算法有:YOLO系列、SSD系列和RetinaNet等。 2 常见名词解释 2.1 NMS(Non-Maximum Suppression) 目标检测模型一般会给出目标的多个预测边界框,对成百上千的预测边界框都进行调整肯定是不可行的,需要对这些结果先进行一个大体的挑选。NMS称为非极大值抑制,作用是从众多预测边界框挑选出最具代表性的结果,这样可以加快算法效率,其主要流程如下: 设定一个置信度分数阈值,将置信度分数小于阈值的直接过滤掉 将剩下框的置信度分数从大到小排序,选值最大的框 遍历其余的框,如果和当前框的重叠面积(IOU)大于设定的阈值(一般为0.7),就将框删除(超过设定阈值,认为两个框的里面的物体属于同一个类别) 从未处理的框继续选一个置信度分数最大的,重复上述过程,直至所有框处理完毕 2.2 IoU(Intersection over Union) 定义了两个边界框的重叠度,当预测边界框和真实边界框差异很小时,或重叠度很大时,表示模型产生的预测边界框很准确。边界框A、B的IOU计算公式为: 2.3 mAP(mean Average Precision) mAP即均值平均精度,是评估目标检测模型效果的最重要指标,这个值介于0到1之间,且越大越好。mAP是AP(Average Precision)的平均值,那么首先需要了解AP的概念。想要了解AP的概念,还要首先了解目标检测Precision和Recall的概念。 首先我们设置置信度阈值(Confidence Threshold)和IoU阈值(一般设置为0.5,也会衡量0.75以及0.9的mAP值): 当一个预测边界框被认为是True Positive(TP)时,需要同时满足下面三个条件: Confidence Score > Confidence Threshold 预测类别匹配真实值(Ground truth)的类别 预测边界框的IoU大于设定的IoU阈值 不满足条件2或条件3,则认为是False Positive(FP)。当对应同一个真值有多个预测结果时,只有最高置信度分数的预测结果被认为是True Positive,其余被认为是False Positive。 Precision和Recall的概念如下图所示: Precision表示TP与预测边界框数量的比值 Recall表示TP与真实边界框数量的比值 改变不同的置信度阈值,可以获得多组Precision和Recall,Recall放X轴,Precision放Y轴,可以画出一个Precision-Recall曲线,简称P-R
图像识别技术在病虫害检测的应用是一个快速发展的领域,它结合了计算机视觉和机器学习算法来自动识别和分类植物上的病虫害。以下是这一技术的一些关键步骤和组成部分: 1. **数据收集**:首先需要收集大量的植物图像数据,这些数据包括健康植物的图像以及受不同病虫害影响的植物图像。 2. **图像预处理**:对收集到的图像进行处理,以提高后续分析的准确性。这可能包括调整亮度、对比度、去噪、裁剪、缩放等。 3. **特征提取**:从图像提取有助于识别病虫害的特征。这些特征可能包括颜色、纹理、形状、边缘等。 4. **模型训练**:使用机器学习算法(如支持向量机、随机森林、卷积神经网络等)来训练模型。训练过程,算法会学习如何根据提取的特征来识别不同的病虫害。 5. **模型验证和测试**:在独立的测试集上验证模型的性能,以确保其准确性和泛化能力。 6. **部署和应用**:将训练好的模型部署到实际的病虫害检测系统,可以是移动应用、网页服务或集成到智能农业设备。 7. **实时监测**:在实际应用,系统可以实时接收植物图像,并快速给出病虫害的检测结果。 8. **持续学习**:随着时间的推移,系统可以不断学习新的病虫害样本,以提高其识别能力。 9. **用户界面**:为了方便用户使用,通常会有一个用户友好的界面,显示检测结果,并提供进一步的指导或建议。 这项技术的优势在于它可以快速、准确地识别出病虫害,甚至在早期阶段就能发现问题,从而及时采取措施。此外,它还可以减少对化学农药的依赖,支持可持续农业发展。随着技术的不断进步,图像识别在病虫害检测的应用将越来越广泛。
图像识别技术在病虫害检测的应用是一个快速发展的领域,它结合了计算机视觉和机器学习算法来自动识别和分类植物上的病虫害。以下是这一技术的一些关键步骤和组成部分: 1. **数据收集**:首先需要收集大量的植物图像数据,这些数据包括健康植物的图像以及受不同病虫害影响的植物图像。 2. **图像预处理**:对收集到的图像进行处理,以提高后续分析的准确性。这可能包括调整亮度、对比度、去噪、裁剪、缩放等。 3. **特征提取**:从图像提取有助于识别病虫害的特征。这些特征可能包括颜色、纹理、形状、边缘等。 4. **模型训练**:使用机器学习算法(如支持向量机、随机森林、卷积神经网络等)来训练模型。训练过程,算法会学习如何根据提取的特征来识别不同的病虫害。 5. **模型验证和测试**:在独立的测试集上验证模型的性能,以确保其准确性和泛化能力。 6. **部署和应用**:将训练好的模型部署到实际的病虫害检测系统,可以是移动应用、网页服务或集成到智能农业设备。 7. **实时监测**:在实际应用,系统可以实时接收植物图像,并快速给出病虫害的检测结果。 8. **持续学习**:随着时间的推移,系统可以不断学习新的病虫害样本,以提高其识别能力。 9. **用户界面**:为了方便用户使用,通常会有一个用户友好的界面,显示检测结果,并提供进一步的指导或建议。 这项技术的优势在于它可以快速、准确地识别出病虫害,甚至在早期阶段就能发现问题,从而及时采取措施。此外,它还可以减少对化学农药的依赖,支持可持续农业发展。随着技术的不断进步,图像识别在病虫害检测的应用将越来越广泛。
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