Java类库1


JAVA经过许多程序员的完善,创建了无数的工具和资源,其中最重要的就是类库。

Java的资源的分门类别是有规律的,了解了他的组织结构,并记住常用的类、接口和一些重要的方法,其余的需要的时候直接使用就可以了。

Java类库是有无数的包文件组成,而包文件有包括类、接口、异常和枚举等。

下面简单说明一下Object类和Math类。

Object类:

Object类是所有Java程序的最终根类。如果一个类的定义中没有import语句继承某个父类,那么默认这个类是直接继承Object类的。Object类作为通用父类,在作为形参和上转型对象时,发挥了很大用处。

下面说明Object类的几种常用方法:

示例1:

public class Example01 {
	/**
	 * 类库练习
	 * @param args
	 */
	public static void main(String[] args) {
		// TODO Auto-generated method stub
		String str1,str2,str3,str4;
		str1 = new String("ABC");
		str2 = new String("ABC");
		str3 = "ABC";
		str4 = "ABC";
		System.out.println(str1.toString());//用于返回该对象的信息
		System.out.println(str1.equals(str2));
		//判断内容是不是相等
		System.out.println(str1.equals(str3));
		System.out.println("+++++++++++++++++");
		System.out.println(str1==str2);
		//判断是不是相同
		System.out.println(str1==str3);
		System.out.println(str4==str3);
	}

}
Math类:

Math类中包含多种对数字数据处理的工具方法。

示例2:

public class Example01 {

	/**
	 * 类库练习
	 * @param args
	 */
	public static void main(String[] args) {
		// TODO Auto-generated method stub
		//有一三角形土地,有两边本别长为400,500米,夹角70度,求土地面积。
		//利用公式S=1/2*a*b*sinAB
		double a = 400,b = 500;
		double c=Math.PI*70/180;   //用弧度制表示
		System.out.println(a*b*(Math.sin(c))/2);
		System.out.println("+++++++++++++++++");
		//求平方根,立方根,n次幂,四舍五入,绝对值
		System.out.println("10的平方根:"+Math.sqrt(10));
		System.out.println("10的立方根:"+Math.cbrt(10));
		System.out.println("25的4次方:"+Math.pow(25,4));
		System.out.println("对3.5四舍五入:"+Math.round(3.5));
		System.out.println("对-3.5四舍五入:"+Math.round(-3.5));
		System.out.println("求两数-12和34的差"+Math.abs((-12)-34));
		System.out.println("+++++++++++++++++");
		//求两个数之中的大数、小数
		double inter1,inter2;
		inter1 = -123.45;
		inter2 = 67.89;
		System.out.println(Math.min(inter1, inter2));
		System.out.println(Math.max(inter1, inter2));
		System.out.println("+++++++++++++++++");
		//随机数,每次运行产生的数是不一样的
		int i,sum=0;
		int array[] = new int [10];
		for(i=0;i<=9;i++)
		{
			array[i]=(int)(Math.random()*900+100);
			sum+=array[i];			
		}
		System.out.println("随机数的平均值是:"+sum/10.0);
		System.out.println("随机数分别是:");
		for(i=0;i<=9;i++)
		{
			System.out.println(array[i]);
		}
	}

}



  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、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挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
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