qq_39443703的博客

在上一篇学习过，这一章节中将会继续学习Java的基础知识-流程控制，不管哪种语言，都会提供两种基本的流程控制结构：分支结构和循环结构。分支结构就是根据条件来选择执行某一块代码，循环结构就是根据条件来重复执行某一块代码。Java中提供了两种分支结构：if和switch，提供了三种循环结构：while，do while和for循环结构。Java还提供了foreach循环来遍历集合和数组的元素，并使用break和continue来控制循环。

初识Java

深拷贝

初学promise.all

文章目录Set Set    HashSet 主要实现类：线程不安全的，可以存储null值    LinkerHashSet：作为HashSet的子类，遍历其内部数据时，可以按照添加的顺序遍历   TreeSet：可以按照添加对象的指定属性进行排序   无序，不可重复的数据   1、无序      public class SetTest { /** * HashSet 主要实现类：线程不安全的，可以存储null值 * LinkerHashSet：作为HashSet的子类，遍历其

文章目录题目解 题目 2280 给你一个二维整数数组 stockPrices ，其中 stockPrices[i] = [dayi, pricei] 表示股票在 dayi 的价格为 pricei 。折线图 是一个二维平面上的若干个点组成的图，横坐标表示日期，纵坐标表示价格，折线图由相邻的点连接而成。比方说下图是一个例子： 解 class Solution { public int minimumLines(int[][] stockPrices) { if(stockPrices.l

文章目录Lambda Lambda   lambda是一个匿名函数，可以把lambda表达式理解为是一段可以传递的代码（将代码像数据一样进行传递）   举例 public void test2() { Comparator<Integer> comparator = new Comparator<Integer>() { @Override public int compare(Integer o1, Integer o

文章目录 /** *效率比较 *StringBuilder>StingBuffer>String */ /** * 常用方法 * 总结: * 增:append * 删:delete * 改:replace/setCharAt * 查:indexOf * 插:insert * 长度:length * 遍历:for + charAt()/toString()

文章目录String类概述String 对象的创建 String类 概述   特性：     1）String是一个final类，代表不可变的字符序列     2）用双引号表示，他的值在创建后不能更改     3）String对象的字符内容是存储在一个字符数组value[]中的 String s1="abc";//字面量的定义形式 String s2="abc"; System.out.println(s1==s2);//比较s1和s2的地址值 //返回

文章目录泛型泛型类泛型接口泛型方法泛型好处泛型集合 泛型   是JDK1.5中引入的一个新特性，其本质是参数化类型，把类型作为参数传递。   常见形式有泛型类，泛型接口，泛型方法   语法：     <T,…>T称为类型占位符，表示一种引用类型。   好处：     1）提高代码的重用性；     2）防止类型转换异常，提高代码的安全性。 泛型类 /** * 泛型类 * 语法：类命<T> * T是类型占位符，表示一种引用类型，如果写多个使用逗号隔开 */ public class M

文章目录List集合Demo1List 实现类ArrayListArrayList源码分析VectorLinkedListLinkedList源码分析ArrayList和LinkedList的区别 List集合   特点：有序，有下标、元素可以重复。   方法：   1）void add(int index, Object o); //在index位置插入对象o；   1）Object get(int index); //返回集合中指定位置的元素；   2）List subList(int fromInde

文章目录集合集合概念和数组的区别：Collection 体系集合Collection 父接口Collection 使用迭代器Iterator 集合    集合概念    对象的容器，实现了对对象常用的操作方法。可实现数组的功能。（java.util.*） 和数组的区别：   1）数组长度固定，集合长度不固定；   2）数组可以存储基本类型和引用类型，集合只能存储引用类型。 Collection 体系集合 Collection 父接口    特点：代表一组任意类型的对象，无序，无下标，不能重复    方法：

文章目录引入引言RIFM-I and RIFM-BBasic definition优化目标RIFM-I的优化目标：RIFM-B代表实例选择bb一句，上面的优化目标就是超球的优化目标。正代表实例选择负代表实例选择特征映射实验结果 引入   题目：Multi-instance learning based on representative instance and feature mapping @article{WANG2016790, title = {Multi-instance learning

文章目录引入方法概述 引入   题目：Multi-instance learning of graph neural networks for aqueous pKapK_apKa​ prediction （用于水性pKapK_apKa​预测的图神经网络的多实例学习）   摘要：酸解离常数 (pKapK_apKa​) 是反映化合物电离能力的关键参数，广泛应用于各行各业。然而，pKapK_apKa​的实验测定复杂且耗时，尤其是在原子水平上精确测定微pKapK_apKa​信息。因此，快速准确地预测化合物的 pK

文章目录引入方法描述创新点关键技术多视图输入...权重MIL...数据集 引入   题目：A multi-instance networks with multiple views for classification of mammograms （用于乳房 X 线照片分类的具有多个视图的多示例网络）   摘要：乳腺癌是女性最常见的恶性肿瘤，早期筛查乳腺癌对于提高生存率至关重要。乳腺X线摄影具有实用性、有效性、成本低等特点，是目前最流行的乳腺癌筛查影像学方法之一。然而，乳房X线照片的分类存在图像尺寸大、病灶

文章目录引入方法概述主要贡献关键技术核均值匹配（KMM）...一致的最大似然估计... 引入   题目：Multi-instance transfer metric learning by weighted distribution and consistent maximum likelihood estimation（ 通过加权分布和一致的最大似然估计进行多示例迁移度量学习）   摘要：多示例学习 (MIL) 旨在通过训练带有标签包的模型来预测未标记包的标签。 现有 MIL 方法的通常假设是训练数据的底

文章目录引入1 方法概述数据集 引入   题目：多示例卷积神经网络用于多镜头人重新识别Multi-Instance Convolutional Neural Network for multi-shot person re-identification   Bib: @article{LIU2019303, title = {Multi-Instance Convolutional Neural Network for multi-shot person re-identification}, aut

文章目录引入1 方法概述关键技术注意力进制。。。。 引入   题目：基于注意力的深度多实例学习（Attention-based Deep Multiple Instance Learning）   Bib： @inproceedings{ilse2018attention, title = {Attention-based deep multiple instance learning}, author = {Ilse, Maximilian and Tomczak, Jakub and Well

文章目录引入1 方法概述2 关键技术一系列的优化目标。。。 引入   题目：学习用于图像分类的多实例深度判别模式(Learning Multi-Instance Deep Discriminative Patterns for Image Classification)   代码：   摘要：找到有效且高效的表示对于图像分类非常重要。最常见的方法是提取一组局部描述符，然后将它们聚合成一个高维、更具语义的特征向量，例如无监督的特征包和基于部分的弱监督模型。由于使用了来自图像标签的信息，后者通常比前者更具辨别力

文章目录引入1 方法概述2 关键技术训练阶段测试阶段 引入   题目：具有多视图特征的基于聚类的多实例学习 (Clustering-based multiple instance learning with multi-view feature)   代码：   摘要：多示例学习（MIL）是一种特殊的分类问题，其中样本（称为“实例”）被分组到包中，并且标签仅在包级别而不是实例级别给出。从专家和智能系统的角度来看，MIL 不需要完整的真实标签，这有助于降低实际任务中数据标签的成本。许多诱人的问题，如图像分类、