Composite Pattern

1.将对象组合成树形结构以表示“部分--整体”的层次结构。组合模式使得用户对单个对象和组合对象的使用具有一致性。

2.Composite 模式结构图

3.实现

 1 #ifndef _COMPONENT_H_ 
 2 #define _COMPONENT_H_
 3 
 4 class Component 
 5 { 
 6 public: 
 7     Component();
 8     virtual ~Component();
 9 public: 
10     virtual void Operation() = 0;
11     virtual void Add(const Component& );
12     virtual void Remove(const Component& );
13     virtual Component* GetChild(int );
14 protected:
15 private:
16 };
17 
18 #endif
Component.h
 1 #include "Component.h"
 2 
 3 Component::Component() 
 4 {
 5 
 6 }
 7 Component::~Component() 
 8 {
 9 
10 }
11 void Component::Add(const Component& com) 
12 {
13 
14 }
15 Component* Component::GetChild(int index) 
16 { 
17     return 0;
18 }
19 void Component::Remove(const Component& com) 
20 {
21 
22 }
Component.cpp
 1 #ifndef _COMPOSITE_H_ 
 2 #define _COMPOSITE_H_
 3 
 4 #include "Component.h" 
 5 #include <vector> 
 6 using namespace std;
 7 
 8 class Composite:public Component 
 9 { 
10 public: 
11     Composite();
12     ~Composite();
13 public: 
14     void Operation();
15     void Add(Component* com);
16     void Remove(Component* com);
17     Component* GetChild(int index);
18 protected:
19 private: 
20     vector<Component*> comVec;
21 };
22 
23 #endif
Composite.h
 1 #include "Composite.h" 
 2 #include "Component.h"
 3 #define NULL 0 //define NULL POINTOR
 4 
 5 Composite::Composite() 
 6 { //vector<Component*>::iterator itend = comVec.begin(); 
 7 }
 8 Composite::~Composite() 
 9 {
10     
11 }
12 void Composite::Operation() 
13 { 
14     vector<Component*>::iterator comIter = comVec.begin();
15     for (;comIter != comVec.end();comIter++) 
16     { 
17         (*comIter)->Operation(); 
18     } 
19 }
20 void Composite::Add(Component* com) 
21 { 
22     comVec.push_back(com);
23 }
24 void Composite::Remove(Component* com) 
25 { 
26     comVec.erase(&com);
27 }
28 Component* Composite::GetChild(int index) 
29 { 
30     return comVec[index]; 
31 }
Composite.cpp
 1 #ifndef _LEAF_H_ 
 2 #define _LEAF_H_
 3 
 4 #include "Component.h"
 5 
 6 class Leaf:public Component 
 7 { 
 8 public: 
 9     Leaf();
10     ~Leaf();
11 void Operation();
12 protected:
13 private:
14 }; 
15 
16 #endif
Leaf.h
 1 #include "Leaf.h" 
 2 #include <iostream>
 3 
 4 using namespace std;
 5 
 6 Leaf::Leaf() 
 7 {
 8 
 9 }
10 Leaf::~Leaf() 
11 {
12 
13 }
14 void Leaf::Operation() 
15 { 
16     cout<<"Leaf operation....."<<endl; 
17 }
Leaf.cpp
 1 #include "Component.h" 
 2 #include "Composite.h" 
 3 #include "Leaf.h" 
 4 #include <iostream> 
 5 
 6 using namespace std;
 7 
 8 int main(int argc,char* argv[]) 
 9 { 
10     Leaf* l = new Leaf(); 
11     l->Operation();
12     Composite* com = new Composite();
13     com->Add(l);
14     com->Operation();
15     Component* ll = com->GetChild(0);
16     ll->Operation();
17 
18     return 0;
19 }
main.cpp

转载于:https://www.cnblogs.com/programmer-wfq/p/4661809.html

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
健身国际俱乐部系统是一种专为健身俱乐部设计的管理软件,它通过集成多种功能来提高俱乐部的运营效率和服务质量。这类系统通常包含以下几个核心模块: 1. **会员管理**:系统能够记录会员的基本信息、会籍状态、健身历史和偏好,以及会员卡的使用情况。通过会员管理,俱乐部可以更好地了解会员需求,提供个性化服务,并提高会员满意度和忠诚度。 2. **课程预约**:会员可以通过系统预约健身课程,系统会提供课程时间、教练、地点等详细信息,并允许会员根据个人时间表进行预约。这有助于俱乐部合理安排课程,避免资源浪费。 3. **教练管理**:系统可以管理教练的个人信息、课程安排、会员反馈等,帮助俱乐部评估教练表现,优化教练团队。 4. **财务管理**:包括会员卡销售、课程费用、私教费用等财务活动的记录和管理,确保俱乐部的财务透明度和准确性。 5. **库存管理**:对于俱乐部内的商品销售,如健身装备、营养补充品等,系统能够进行库存管理,包括进货、销售、库存盘点等。 6. **数据分析**:系统能够收集和分析会员活动数据,为俱乐部提供业务洞察,帮助俱乐部制定更有效的营销策略和业务决策。 7. **在线互动**:一些系统还提供在线平台,让会员可以查看课程、预约私教、参与社区讨论等,增强会员之间的互动和俱乐部的社区感。 8. **移动应用**:随着移动设备的普及,一些健身俱乐部系统还提供移动应用,方便会员随时随地管理自己的健身计划。 9. **安全性**:系统会确保所有会员信息的安全,采取适当的数据加密和安全措施,保护会员隐私。 10. **可扩展性**:随着俱乐部业务的扩展,系统应该能够轻松添加新的功能和服务,以适应不断变化的市场需求。 健身国际俱乐部系统的选择和实施,需要考虑俱乐部的具体需求、预算和技术能力,以确保系统能够有效地支持俱乐部的运营和发展。通过这些系统的实施,健身俱乐部能够提供更加专业和高效的服务,吸引和保留更多的会员,从而在竞争激烈的
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