黑马程序员-----oc语言学习笔记之点语法、property、类方法

------Java培训、Android培训、iOS培训、.Net培训期待与您交流!------

一、点语法
点语法的作用是为了减少代码量
1、利用点语法替换set方法和get方法

Student*stu = [[Studentalloc] init];
// 设置age的值
stu.age= 10; // 等价于[stu setAge:10];
// 取出age的值
intage = stu.age; // 等价于int age = [stu age];
NSLog(@"age is %i", age);

点语法的本质是方法调用,不是直接访问成员变量。至于这个点语法代表的是get方法还是set方法,
那就取决于你是取值还是设值(也可以理解为点语法是在“=”的左侧还是右侧,左侧:如 stu.age=….
这就是调用set方法,右侧 … = stu.age 这就是调用get方法),取值就是get方法,设值就是set方法
>点语法陷阱
self关键字不能与点语法用
例如
-(void)setAge:(int)age
{
	self._age=age;
}

这样会造成死循环,因为self._age=age 相当于 [self setAge:age]造成死循环
>点语法注意
点语法的本质是方法调用,而不是访问成员变量,当使用点语法时候,编译器会自动展看生成相应的方法,如果没有get和set方法法,则不能用点语法


二@property关键字的介绍与使用

@property是编译器指令
@property会在编译的时候告诉编译器它在声明属性访问器get和set方法
这样的好处是为了让程序员减少代码的繁琐
例如

#import<Foundation/foundation.h>
@interface Person:NSObject
{
	int _age;
}
@property int age;//相当于声明了get和set方法

@end

@implementation Person

@end
int main()
{
	Person * person =[Person new];

	[person setAge:22];
	int age=[p age];		//直接调用set和get方法
	Nslog(@"the person age is %d",age);
	return 0;
}
@property使用注意
>1.@property只能写在@interface @end中,
不能写成@property int _age 

@property int _age;//错误的写法
int main()

Person * person =[Person new];


[person set_age:22]; //调用用set_age
int age=[p _age]; //调用也必须用_age

>2.@property 用来自动生成成员变量的get/set方法声明(xcode4.4以前)
>3.告诉property要生成的get/set方法声明的成员变量类型是什么
>4.告诉property要生成的get/set方法是哪个属性的,属性名称去掉下划线

@synthesize用法
@property int age; @synthesize age; 表示生成.h中变量age的get和set方法
@synthesize的使用注意
1>错误用法,只写了@synthesize,没有写@property ,也没有定义变量NSString *name;
2>@property 类型xxx 如果类中没有xxx这个实例变量,则会自动生成一个。

@property方法的增强
在xcode4.4以后
@property进行声明,会自动实现get和set方法
如果没有这个变量,那property会在interface中生成一个带_的成员变量

1>如果手动实现了set方法,那么编译器就只生成get方法和成员变量;
2>如果手动实现了get方法,那么编译器就只生成set方法和成员变量;
3>如果set和get方法都是手动实现的,那么编译器将不会生成成员变量,并且报错。

三、类方法
类方法
+(返回值类型)方法名:(形参的类型) 形参名;
类方法的调用:[类名  方法名:实参]

类方法的好处
1.提高效率
2.减少内存空间
3.代码更加简洁

缺点:不能访问对象的成员变量

类方法使用注意事项
1)类方法可以和实例方法同名,不影响使用

@interface Colour :NSObject

-(int)sum:(int)num1 andNum2:(int) num2;
+(int)sum:(int)num1 andNum2:(int) num2;
@end

@implementation Colour
-(int)sum:(int)num1 andNum2:(int) num2
{
	return num1+num2;
}
+(int)sum:(int)num1 andNum2:(int) num2
{
	return (num1+num2)*2
}
@end

int main()
{
	Colour *p= [Colour new];
	int sum1=[p sum:23 andNum2:20];
	int sum2=[Colour sum:23 andNum2:20]

	NSlog(@"sum1=%d,sum2%d",sum1,sum2);

	reurn 0;
}
2)类方法也可以是从父类继承而来,子类可以重写类方法,如description类方法就可以在子类
里重新定义这个方法。
3)类方法和实例方法一样在interface里声明,在implementation里实现。
4)类方法只能被类调用执行,向实例对象发送类方法是不能被触发执行的。
5)在类方法里使用了self,这个self执行的类对象class object而不是实例对象instance
object。


  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 支持向量机非线性回归通用MATLAB程序解析 #### 一、概述 本文将详细介绍一个基于MATLAB的支持向量机(SVM)非线性回归的通用程序。该程序采用支持向量机方法来实现数据的非线性回归,并通过不同的核函数设置来适应不同型的数据分布。此外,该程序还提供了数据预处理的方法,使得用户能够更加方便地应用此程序解决实际问题。 #### 二、核心功能与原理 ##### 1. 支持向量机(SVM) 支持向量机是一种监督学习模型,主要用于分和回归分析。对于非线性回归任务,SVM通过引入核技巧(kernel trick)将原始低维空间中的非线性问题转换为高维空间中的线性问题,从而实现有效的非线性建模。 ##### 2. 核函数 核函数的选择直接影响到模型的性能。本程序内置了三种常用的核函数: - **线性核函数**:`K(x, y) = x'y` - **多项式核函数**:`K(x, y) = (x'y + 1)^d` - **径向基函数(RBF)**:`K(x, y) = exp(-γ|x - y|^2)` 其中RBF核函数被广泛应用于非线性问题中,因为它可以处理非常复杂的非线性关系。本程序默认使用的是RBF核函数,参数`D`用于控制高斯核函数的宽度。 ##### 3. 数据预处理 虽然程序本身没有直接涉及数据预处理的过程,但在实际应用中,对数据进行适当的预处理是非常重要的。常见的预处理步骤包括归一化、缺失值处理等。 ##### 4. 模型参数 - **Epsilon**: ε-insensitive loss function的ε值,控制回归带宽。 - **C**: 松弛变量的惩罚系数,控制模型复杂度与过拟合的风险之间的平衡。 #### 三、程序实现细节 ##### 1. 函数输入与输出 - **输入**: - `X`: 输入特征矩阵,维度为(n, l),其中n是特征数量,l是样本数量。 - `Y`: 目标值向量,长度为l。 - `Epsilon`: 回归带宽。 - `C`: 松弛变量的惩罚系数。 - `D`: RBF核函数的参数。 - **输出**: - `Alpha1`: 正的拉格朗日乘子向量。 - `Alpha2`: 负的拉格朗日乘子向量。 - `Alpha`: 拉格朗日乘子向量。 - `Flag`: 标记向量,表示每个样本的型。 - `B`: 偏置项。 ##### 2. 核心代码解析 程序首先计算所有样本间的核矩阵`K`,然后构建二次规划问题并求解得到拉格朗日乘子向量。根据拉格朗日乘子的值确定支持向量,并计算偏置项`B`。 - **核矩阵计算**:采用RBF核函数,通过`exp(-(sum((xi-xj).^2)/D))`计算任意两个样本之间的相似度。 - **二次规划**:构建目标函数和约束条件,使用`quadprog`函数求解最小化问题。 - **支持向量识别**:根据拉格朗日乘子的大小判断每个样本是否为支持向量,并据此计算偏置项`B`。 #### 四、程序扩展与优化 - **多核函数支持**:可以通过增加更多的核函数选项,提高程序的灵活性。 - **自动调参**:实现参数自动选择的功能,例如通过交叉验证选择最优的`Epsilon`和`C`值。 - **并行计算**:利用MATLAB的并行计算工具箱加速计算过程,特别是当样本量很大时。 #### 五、应用场景 该程序适用于需要进行非线性回归预测的场景,如经济预测、天气预报等领域。通过调整核函数和参数,可以有效应对各种型的非线性问题。 ### 总结 本程序提供了一个支持向量机非线性回归的完整实现框架,通过灵活的核函数设置和参数调整,能够有效地处理非线性问题。对于需要进行回归预测的应用场景,这是一个非常实用且强大的工具。
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