Decorator 装饰

动态的给一个对象增加一些额外的职责。 对于增加功能来说,Decorator模式比生成子类更为灵活。


使用继承是添加功能的一种有效途径,从其他类继承过来的特性可以被多个子类实例使用。但是这种方法不够灵活,用户不能控制对新功能增加的方式和时机。


一种灵活的方式是将要扩展的组件对象嵌入到另外一个对象中,由这个对象负责新的功能。这个嵌入对象就是装饰。 装饰的接口与要扩展的组件接口一致,以对用户透明。装饰通过包含组件本身,以转发调用,以便于扩展。

使用情况:

1 在不影响其他对象的情况下,以动态、透明的方式给单个对象添加功能。
2 处理那些可以撤销的职责。
3 当不能采用生成子类方式进行扩充时。 一种情况是,可能有大量独立的扩展,为支持每一种组合将产生大量的子类,使得子类数目称爆炸式增长。另外的可能是类定义被隐藏,或类不能用于生成子类。

参与者:
Component: 定义对象接口。要扩展功能的对象。
ConcreteComponet 定义对象,可以给对象增加职责。
Decorator     包含了指向Component对象的指针,并定义与Component接口一致的接口。
ConcreteDecorator 扩展新的功能

示例:
class VisualComponent {
public:
     Visualcomponent();
     virtual void Draw();
     virtual void Resize();
};
class TextView : public VirsualComponent {
};
class Decorator : public VisualComponent {
public:
     Decorator(Visualcomponent *);
     virtual void Draw() {
          _component->Draw();
     }
     virtual void Resize();
private:
     Visualcomponent* _component;
};
class BorderDecorator : public Decorator {
public:
     BorderDecorator(Visualcomponent*);
     virtual void Draw() {
          DrawBorder();
          _component->Draw();
     }
private:
     void DrawBorder();
};


在使用时:
Window *w = new Window();
TexView * tv = new TexView();
w->setcontex(tv);


当我们要扩展时:
w->setcontex(new BorderDecorator (
                         new ScrollDecorator(tv))
               );

这样避免了定义一个新的子类,通过多重继承TexView BorderDecorator ScrollDecoratorl来达到相同的效果。并且具有更大的灵活性,可扩展。

Decorator的优点缺点:
1 比静态继承更加灵活     与对象的静态继承、多重继承相比,Decorator更加灵活的扩展方式。 用装饰运行时增加和删除功能。 继承机制则会产生很多子类。
2 避免在层次结构高层的类有太多的特征     Decorator并不给一个复杂可定制的类中支持所有可预见的特征。可以从简单的部件复合出复杂的功能。并且也不依赖于Decorator进行的扩展。
3 Decorator与Component不同 Decorator是透明的包装。使用装饰时,不应该依赖对象标识。
4 有许多小对象 使用Decorator会产生看上去类似小对象,这些对象仅仅在他们相互连接的方式伤不同。而不是他们的类或者属性值不同。 对于熟悉系统的人很容易定制,但是很难学习这些系统,排错困难。

实现时,注意的点:
1 接口一致性 装饰对象接口必须与它所装饰的Component接口一致。 所有的ConcreteDecorator都有公共的父类。
2 省略抽象的Decorator类 当仅需要增加一个功能时,不需要定义抽象的Decorator。
3 保持Component的简单性 为了保证接口的一直,Decorator和组件必须要有公共的Component父类。父类应当集中定义接口,而不是存储数据。
4 改变对象外壳与改变对象内核     可以将Decorator看做一个对象的外壳,可以改变对象的行为。另外一种方法是改变对象的内核。 例如Strategy就是改变内核。
当Component类原本就很大时,使用Decorator代价太高。Strategy效果会更好。
【6层】一字型框架办公楼(含建筑结构图、计算书) 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
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,用于更新网络权重,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新的方法来解决这些问题。
1、资源项目源码均已通过严格测试验证,保证能够正常运行;、 2项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
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