创建型模式、结构型模式和行为型模式_行为型之中介模式C++实现

567dcb01d0a69d902c036fa23169dcc0.png

名企刷题

剑指Offer分类练习

现实需求:你刚刚参力口工作想租房,可以找“房屋中介”;或者,自己刚刚到一个陌生城市找工作,可以找“人才交流中心”帮忙。

中介者模式:定义一个中介对象来封装一系列对象之间的交互,使原有对象之间的耦合松散,且可以独立地改变它们之间的交互。

优点:

  1. 降低了对象之间的耦合性,使得对象易于独立地被复用。

  2. 将对象间的一对多关联转变为一对一的关联,使系统易于维护和扩展。

缺点:当同事类太多时,中介者的职责将很大,它会变得复杂而庞大,以至于系统难以维护。

主要角色:

  1. 抽象中介者:中介者的接口,提供了同事对象注册与转发同事对象信息的抽象方法。

  2. 具体中介者:实现中介者接口,协调各个同事角色之间的交互关系

  3. 抽象同事类:同事类的接口,保存中介者对象,提供同事对象交互的抽象方法,实现所有相互影响的同事类的公共功能。

  4. 具体同事类:是抽象同事类的实现者,当需要与其他同事对象交互时,由中介者对象负责后续的交互。

6fcce84ea9272bb11a18a1012efbf408.png

案例:小码路上班经常很晚回来,于是买的快递寄到家时候只能告诉快递员放在驿站了哦,小码路作为客户与快递员进行信息交流。

第一步:抽象人类

  #include     #include   using namespace std;  #define Delete(person) if(person){delete person; person=NULL;}  //声明中介驿站,快递员把快递放到驿站,客户去取  class YiZhan;  //定义抽象人类,快递员和客户都是人类的子类  class Person  {      public:        virtual void SetYiZhan(YiZhan *yizhan){}        virtual void SendMessage(string &message){}        virtual void GetMessage(string &message){}      protected:        YiZhan *_yizhan;  };

第二步:抽象中介类

  //定义抽象中介类  class YiZhan  {      public:        virtual void Send(string &message, Person *person){}        virtual void SetKuaiDiYuan(Person *kuaidiyuan){}        virtual void SetKeHu(Person *kehu){}  };

第三步:具体人类

  //定义快递员  class KuaiDiYuan:public Person  {      public:        void SetYiZhan(YiZhan *yizhan){            _yizhan = yizhan;        }        void SendMessage(string &message){            _yizhan->Send(message,this);        }        void GetMessage(string &message){           cout<<"客户收到快递员发来快递已经到达,请取件的消息"<<endl;             cout<<message;        }  };  //定义客户类  class KeHu:public Person  {      public:        void SetYiZhan(YiZhan *yizhan){_yizhan = yizhan;}        void SendMessage(string &message){            _yizhan->Send(message,this);        }        void GetMessage(string &message){            cout<<"快递员收到客户的回信,知道了,放在驿站吧"<<endl;            cout<<message;        }  };

第四步:具体中介类

  //定义菜鸟驿站,具体中介  class CaiNiaoYiZhan:public YiZhan{    public:        CaiNiaoYiZhan():_kehu(NULL),_kuaidiyuan(NULL){}        void SetKeHu(Person *kehu){            _kehu=kehu;        }        void SetKuaiDiYuan(Person *kuaidiyuan){            _kuaidiyuan = kuaidiyuan;        }        void Send(string &message, Person *person){            //接收消息的对象为该对象的对应对象            if(person == _kehu)                _kuaidiyuan->GetMessage(message);            else                _kehu->GetMessage(message);        }    private:        Person *_kehu;        Person *_kuaidiyuan;};

第五步:客户端

int main(){    YiZhan *yizhan=new CaiNiaoYiZhan();    Person *p1=new KeHu();    Person *p2=new KuaiDiYuan();    yizhan->SetKeHu(p1);    yizhan->SetKuaiDiYuan(p2);    p1->SetYiZhan(yizhan);    p2->SetYiZhan(yizhan);    string s1="我上周买的一本书终于到了 \n";    string s2="好的,那我就放在菜鸟驿站了,记得取啊\n";    p1->SendMessage(s1);    p2->SendMessage(s2);    //p1->SendMessage(string("我上周买的一本书放到哪里了呢? \n"));//这样会报错的,临时变量不能作为非const引用传入    //p2->SendMessage(string("实在抱歉,我记得给你放菜鸟驿站了,你再找找\n"));    Delete(p1);    Delete(p2);    Delete(yizhan);}

结果显示:

e85d012fb062c1b644af620d03568ba4.png

推荐阅读

设计模式之里氏替换原则C++实现

设计模式之开闭原则C++实现

设计模式之依赖倒置原则C++实现

设计模式之单一职责原则C++实现

设计模式之接口隔离原则C++实现

设计模式之迪米特法则C++实现

创建型之单例模式C++实现

创建型之工厂方法模式C++实现

创建型之原型模式C++实现

创建型之抽象工厂模式C++实现

创建型之建造者模式C++实现

结构型之代理模式C++实现

结构型之适配器模式C++实现

结构型之装饰模式C++实现

结构型之外观模式C++实现

结构型之桥接模式C++实现

结构型之组合模式C++实现

结构型之享元模式C++实现

行为型之模板方法C++实现

行为型之策略模式C++实现

行为型之状态模式C++实现

行为型之责任链模式C++实现

行为型之命令模式C++实现

b5cc60de02cfb7994e3853f4af517331.png

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。
应用背景为变电站电力巡检,基于YOLO v4算法模对常见电力巡检目标进行检测,并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务,并对系统性能做出一定的优化。.zip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,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,用于防止模过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模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。
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,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,用于防止模过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模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
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