一起Talk Android吧(第八十八回:Java中的类集之set二)

各位看官们,大家好,上一回中咱们说的是Java中类集之Set的例子,这一回咱们继续说该例子。闲话休提,言归正转。让我们一起Talk Android吧!

看官们,我们在前面章回中介绍了Set接口和它的实现类HashSet。本章回中将介绍Set接口的另外一个实现类TreeSetTreeSet表示有序的集合,而HashSet表示无序的集合,这是它们之间的不同点。这个顺序不是指按照输入数据时的顺序,它是按照Comparable接口中compareTo()方法的结果来排序的。因此使用TreeSet存放自定义的数据类型时,需要实现该接口。存放内置数据类型时就不需要了。

TreeSet可以向HashSet一样添加或者删除数据,不过因为TreeSet集合是有序集合,所以添加或者删除数据会对集合排序,以保证整个集合的有序性。除此之外,它还有一些自己特有的方法:

  • first()和last()用来返回集合第一个和最后一个元素
  • headSet(obj)和tailSet(obj)用来返回在obj元素前面和后面所有元素组成的集合
  • subSet(from,to)返回 从from到to这个“区间”内元素组成的集合

这些操作涉及的大于或者小于某个数据元素,大于或者小于的比较是基于equals()和hashCode()方法,而且大于操作包含元素本身,可以看作是大于等于某个数据,小于操作则不包含元素本身(可以通过程序运行结果看出来)。

准确来讲TreeSetSortedSet接口的实现类,而SortedSet接口又是Set接口的子接口,因此可以把TreeSet类看作是Set接口的实现类。不过在代码中最好把TreeSet类对象转换为SortedSet接口对象,而不是Set接口对象,不然好多方法无法使用。下面是具体的代码,请参考:

import java.util.Arrays;
import java.util.Set;
import java.util.SortedSet;
import java.util.TreeSet;

public class setEx {
    public static void main(String args[]){
        // init set
        SortedSet<Integer> set = new TreeSet<>();
        for (int i = 0; i < 10; ++i) {
            // set.add(new Integer(i+1));
            set.add((i + 1));
        }

        // show size of set ,and content of set
        System.out.println("size of set: " + set.size());
        for (Integer i : set)
            System.out.print(i + " ");

        System.out.println("\nset: " + set);

        // delete the content of set,this is based on content of set
        if(set.remove(9)) {
            System.out.println("after removing the content 9. set: " + set);
        } else {
            System.out.println("removing the content 9 failed.");
        }

        // delete the same content of set,it is failed to remove
        if(set.remove(9)) {
            System.out.println("after removing the content 9. set: " + set);
        } else {
            System.out.println("removing the content 9 failed.");
        }

        // add the same content of set,it is failed to add 
        if(set.add(9)) {
            System.out.println("after adding the content 9. set: " + set);
        } else {
            System.out.println("adding the content 9 failed.");
        }

        // add the content of set,this is based on content of set
        if(set.add(9)) {
            System.out.println("after adding the content 9. set: " + set);
        } else {
            System.out.println("adding the content 9 failed.");
        }

        // change set to array
        Integer[] array = set.toArray(new Integer[] {});
        System.out.println("change set to array: " + Arrays.toString(array));

        //------------ this is for TreeSet ---------------
        System.out.println("TreeSet operation: first: "+set.first() );
        System.out.println("TreeSet operation: last: "+set.last() );
        System.out.println("TreeSet operation: headSet 6: "+set.headSet(6) );
        System.out.println("TreeSet operation: TailSet 6: "+set.tailSet(6) );
        System.out.println("TreeSet operation: subSet[3,9]: "+set.subSet(3,9));

        //------------ this is for TreeSet ---------------
        // add the content of set,this is based on content of set
        set.clear();
        System.out.println("after clearing the set: " + set);
    }
}

下面是程序的运行结果,请参考:

size of set: 10
1 2 3 4 5 6 7 8 9 10 
set: [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
after removing the content 9. set: [1, 2, 3, 4, 5, 6, 7, 8, 10]
removing the content 9 failed.
after adding the content 9. set: [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
adding the content 9 failed.
change set to array: [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
TreeSet operation: first: 1
TreeSet operation: last: 10
TreeSet operation: headSet 6: [1, 2, 3, 4, 5]
TreeSet operation: TailSet 6: [6, 7, 8, 9, 10]
TreeSet operation: subSet[3,9]: [3, 4, 5, 6, 7, 8]
after clearing the set: []

各位看官,关于Java中类集之Set的例子咱们就介绍到这里,欲知后面还有什么例子,且听下回分解!


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。
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

打赏作者

talk_8

真诚赞赏,手有余香

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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