C#基础摘录3

属性  ==>本质就是两个方法(可读,可写) 起到保护字段的作用,更安全,便捷,灵活

(通过属性访问字段不能随意修改,检测操作可以放在属性里,可单读,可单写)(多一些内存,cpu消耗)

属性由get块和set块组成(get块必须有返回值,且与属性类型一致)(set块中的值用value表示) 当属性被访问时会调用get块

访问修饰符 数据类型 属性名
{
  get{}
  set{}
}


int age;

public int Age
{
  get{return age;}
  set{age = value;}   这里value是作为特殊关键字存在,即是特定英文,不能改为其他
}

set,get块都可以用空语句代替(必须都用空语句替代,或没有set)自动属性可以帮助我们快速实现一个只读字段

ToString()的重写

public override string ToString()
{
  return string.Format("xxxxx{0},xxxx{1}",A,B);
}

在C#中,所有类的基类都是Object ===>引用类型

一个类只能继承自一个直接基类,保留了基类的所有属性和方法

访问修饰符:

(public,protected,Interal,protected interal(判断是否在一个程序集,再判断是否为派生类),private(自能访问本类))

子类构造函数会默认指向父类无参构造

class B{public B():base(参数...)}

里氏转换(子类可以当父类用) Person personSon = son;

如果父类中装的是子类,我们可以将它强转成子类

 is关键字和as关键字

is ==>返回bool(Y/N)

if(变量 is 类型)
{
   ok   
}
else
{
   no
}

as 尝试转换符 只能转换引用
如果能转换则返回对应的对象,否则返回空null

装箱拆箱属于里氏转换的一种,值类型可以隐氏转换为引用类型,引用类型可以强制转换为值类型

如果定义一个类不希望别人继承,可以米粉使用sealed关键字

base指向父类的构造函数,指向父类的实例,通过base关键字调用父类公开和继承成员

new ==>定义一个和父类同名新成员==>父类成员==>被隐藏起来===>被隐藏的父类成员可以通过base调用

通过new关键字和里氏转换原则,我们可以让一个对象再不同形态有不同行为

多态:不同的实际对象,接收同一个指令,有不同行为

虚方法:主要运用于继承==>里氏转换==>子类==>转父类后==>子类特性无法出现的情况

如果实例(非静态)方法声明中有virtual修饰符,可以将实例方法称为“虚方法”,没有virtual则为非虚方法

virtual的派生类中用override修饰符===>重写签名相同(参数列表,返回类型)相同且同名虚方法

虚方法不能是私有的,用虚方法可以用父级管理并且保留子级的特性以解决问题

虚方法被调用时,会根据最后重写的那个方法和实际类型来决定 

例如:ToString()就是虚方法,所以可以重写

抽象方法(必须写字抽象类里)(没有实现代码的虚方法(没有函数体))(一般作为管理器)

使用abstract修饰符进行声明==>只能再同样声明了abstract类中使用,继承了抽象的子类必须实现抽象类的所有抽象方法.

抽象类(无法被实例化)(有构造函数,并且可以重载)

abstract AClass
{
  public abstract void A();   没有函数体
}

接口(批量管理一个功能)(包含函数、属性、事件、索引器)(定义了可由类和结构实现的协定)(一个类可以继承一个或多个接口,一个接口可以继承另一个接口或多个接口)(不提供所定义的成员的实现代码,仅指定必须由实现接口的类或结构提供)(多继承,可以让类更灵活,并在减少代码重复情况下降低代码关联性(耦合))

访问修饰符 interface 接口名 
{
  属性;
  方法;     属性方法都是不允许实现的,自动public,不用也不能使用public关键字
}


public interface IUnda
{
  int age;
  void HeHe();
}

如果想区分不同接口的不同方法 ==>使用接口的显式实现
显示实现的成员必须由接口类型调用 接口名.方法

多态(程序可扩展性,节约成本,提高效率)(可用里氏转换,批量管理)

索引器(类似于属性,可以重载)(索引器使属性可以被索引,使用一个或多个参数索引属性)

访问修饰符 数据类型 this [索引号] {get{return} set{value}}

索引器适应于除自动属性以外的所有属性特征
索引号可以任意维度

重载运算符 

访问修饰符 static 返回类型 operator(对应参数){对应返回值}

public static MyVector2 operator +(MyVector2 a,MyVector2 b)
{
  return new MyVector2(a.x+b.x,a.y+b.y);
}

委托(派生于System.Delegate类)(是存有对某个方法或多个方法引用的一种引用类型)(常用于实现事件和回调方法)

委托的使用分为(1. 定义委托类型  2.定义该定义到的委托类型的委托变量 3.用该变量去注册或删减方法(函数)和调用该变量)

委托声明 ==》实例化==》赋值(注册)==》调用

例:

Class A 
{
  //先要定义一个你想要的委托类型

  //比如说我要定义一个无返回值,无参数的委托
  public delegate void NoReturnDel() 
  //这个NoReturnDel只是一个这种无返回类型的一个类型,是自己定义得到的, 并不是委托变量
  //然后以这个自定义类型去定义委托变量
  NoReturnDel myDel_1 = new NoReturnDel()  (这里可以发现类似于实例化一个类,所以注意签名一致)
  
  格式如下:
  public delegate 返回类型(如:void\bool\int。。。) 自定义委托类型(需要传递的自定义参数) ;
  public 自定义委托类型 委托变量名 = new 委托类型(需要传递的自定义参数)
  然后如果有个方法(函数)叫 func(参数和返回类型和上面定义委托一致) 
  那么就可以==> 委托变量名 += func(...)  <==这个叫做委托的注册 
  举个例子: 你steam账号发个信息问你是否要你QQ邮箱接收来自steam的消息,你选(是)就以为这steam的一
  个传信息的(委托变量) 把朝你的账号的QQ邮箱的发送信息的过程的(方法) 注册进了这个(委托变量)
  中,然后你这时候比如说购买了游戏 GTA6 ,那么你手机就收到一条QQ邮箱消息==>(感谢您在steam上的购
  买,芸芸...)这个过程是你注册了才会发给你消息的,这个就叫注册

  例子2:比如说课室上课,下面有3个同学,其中2个同学注册了下课铃的委托,一个没注册,那么当下课铃响起
  的时候,调用下课铃响起时要调用的委托变量,那么那两个注册了下课铃的同学就知道下课了,那个没注册的就
  根本不知道已经下课
  
  所以说委托同时也是是作为方便管理集体事件的一种数据类型,即是多态良好的一个表现

  除了无返回值的 再举个有返回值的例子:
  public delegate bool MyDelegate(int a,int b)
  MyDelegate mydel = new MyDelegate(int a,int b)
  有个自定义的方法叫 func8(参数和返回类型和上面定义委托一致)
  那么有
  mydel += func8 或 mydel = func8

  注册多个事件(方法)
  mydel+= func1
  mydel+= func2
  mydel+= func3 ...    当mydel被调用时,即注册的方法都被执行: 调用即==>例: mydel(1,2)


  

}

 事件:一种外部不能赋值的委托 (public event MyDelegate myDel)(通过在委托前面加上event关键字定义)

委托的注销==>将一个函数从委托列表中移除 myDel-=func

委托可以作为另一个函数的参数使用==> public void func(delegate myDel){}

参数如果时委托,可以传入同参数同返回的方法

观察者模式==>软件设计模式的一种==>用于解决通用问题(如:用于实现事件处理系统)

被观察者通过事件在状态改变时调用所有注册过的观察者方法

Lambert(只能作为委托的值被使用)(在参数只有一个的情况下可以不用括号)

myDel+=(参数)=>{...}; ((参数)=>{return a<b;};)

委托实例所封装的方法集合称为调用列表,可以多次注册同一函数,注册几次就被调用几次

(C#委托是用来处理在其他语言中需要用函数指针来处理的情况,于C++不同于,委托是完全面向对象的,C++指针仅仅指向成员函数,而委托同时封装了对象的实例和方法,委托是完全类型安全的,只有当函数签名与委托签名匹配的时候,委托都可以指向该方法)

C#常用的数据结构(列表,链表,栈,队列,字典)

列表list (数组的延申,可以动态增长,允许不通过下标来添加元素,索引元素特别快)

(内存元素是相连的)

C#链表没有下标,索引元素慢,元素不是相连的

字典:在内存中为散列结构,用KEY来索引对应value,方便修改和查找 (树形结构)

泛型集合 (不考虑对应类型,只考虑对应关系)

泛型(将一个代码逻辑应用到不同类型上)(相对集合性能更好,更安全)

List<数据类型> 变量名 = new List<数据类型>();(List.Count,List.Capcity,List.add(),List.Remove(值),List.RemoveAt(ID),List.Insert(3,111)在指定下标处插入指定元素,List.IndexOf(值)返回一个从前开始搜索得到的第一个这个值的ID,ListLastIndexOf(值)从后面开始向前搜索第一个,List.sort(),按IComparable的逻辑进行升序排序,List.Reverse()对元素反转)

Dictionary<数据类型,数据类型> myDic = new Dictionary<数据类型,数据类型>();

myDic.ContainKey(...)判断字典中是否有对应的Key

myDic["hehe"] = hehe ==>myDic["hehe"] = lol 可以重写key对应的值

遍历用迭代器foreach 

 

 

智慧旅游解决方案利用云计算、物联网和移动互联网技术,通过便携终端设备,实现对旅游资源、经济、活动和旅游者信息的智能感知和发布。这种技术的应用旨在提升游客在旅游各个环节的体验,使他们能够轻松获取信息、规划行程、预订票务和安排食宿。智慧旅游平台为旅游管理部门、企业和游客提供服务,包括政策发布、行政管理、景区安全、游客流量统计分析、投诉反馈等。此外,平台还提供广告促销、库存信息、景点介绍、电子门票、社交互动等功能。 智慧旅游的建设规划得到了国家政策的支持,如《国家中长期科技发展规划纲要》和国务院的《关于加快发展旅游业的意见》,这些政策强调了旅游信息服务平台的建设和信息化服务的重要性。随着技术的成熟和政策环境的优化,智慧旅游的时机已经到来。 智慧旅游平台采用SaaS、PaaS和IaaS等云服务模式,提供简化的软件开发、测试和部署环境,实现资源的按需配置和快速部署。这些服务模式支持旅游企业、消费者和管理部门开发高性能、高可扩展的应用服务。平台还整合了旅游信息资源,提供了丰富的旅游产品创意平台和统一的旅游综合信息库。 智慧旅游融合应用面向游客和景区景点主管机构,提供无线城市门户、智能导游、智能门票及优惠券、景区综合安防、车辆及停车场管理等服务。这些应用通过物联网和云计算技术,实现了旅游服务的智能化、个性化和协同化,提高了旅游服务的自由度和信息共享的动态性。 智慧旅游的发展标志着旅游信息化建设的智能化和应用多样化趋势,多种技术和应用交叉渗透至旅游行业的各个方面,预示着全面的智慧旅游时代已经到来。智慧旅游不仅提升了游客的旅游体验,也为旅游管理和服务提供了高效的技术支持。
智慧旅游解决方案利用云计算、物联网和移动互联网技术,通过便携终端设备,实现对旅游资源、经济、活动和旅游者信息的智能感知和发布。这种技术的应用旨在提升游客在旅游各个环节的体验,使他们能够轻松获取信息、规划行程、预订票务和安排食宿。智慧旅游平台为旅游管理部门、企业和游客提供服务,包括政策发布、行政管理、景区安全、游客流量统计分析、投诉反馈等。此外,平台还提供广告促销、库存信息、景点介绍、电子门票、社交互动等功能。 智慧旅游的建设规划得到了国家政策的支持,如《国家中长期科技发展规划纲要》和国务院的《关于加快发展旅游业的意见》,这些政策强调了旅游信息服务平台的建设和信息化服务的重要性。随着技术的成熟和政策环境的优化,智慧旅游的时机已经到来。 智慧旅游平台采用SaaS、PaaS和IaaS等云服务模式,提供简化的软件开发、测试和部署环境,实现资源的按需配置和快速部署。这些服务模式支持旅游企业、消费者和管理部门开发高性能、高可扩展的应用服务。平台还整合了旅游信息资源,提供了丰富的旅游产品创意平台和统一的旅游综合信息库。 智慧旅游融合应用面向游客和景区景点主管机构,提供无线城市门户、智能导游、智能门票及优惠券、景区综合安防、车辆及停车场管理等服务。这些应用通过物联网和云计算技术,实现了旅游服务的智能化、个性化和协同化,提高了旅游服务的自由度和信息共享的动态性。 智慧旅游的发展标志着旅游信息化建设的智能化和应用多样化趋势,多种技术和应用交叉渗透至旅游行业的各个方面,预示着全面的智慧旅游时代已经到来。智慧旅游不仅提升了游客的旅游体验,也为旅游管理和服务提供了高效的技术支持。
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索的方法来解决这些问题。
评论 1
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