【集合框架之Set】

前言

|ू・ω・` )
Set和List一样,也继承于Collection,是集合的一种。和List不同的是,Set内部实现是基于Map的
附带图解

标题
如图:所以我会重点讲TreeSetHashSet


HashSet的概念

元素是无序的,也就是说你存进去的顺序不会给你排序(1.8JDK已经可以排序)
HashSet的实现:

HashSet<Object> hs = new HashSet<>();

那么它的结构又是怎样的呢

底层数据结构 :哈希表
像这种:
HashSet它可以根据在使用add()方法时自动判断是否有重复:

		hs.add("java02");
		hs.add("java03");
		hs.add("java04");
		hs.add("java05");

可但增加为对象时,HashSet就无法自动判断,这是因为对象只有引用地址给他判断:

		hs.add(new person("bb", 18));
		hs.add(new person("cc", 15));
		hs.add(new person("aa", 16));
		hs.add(new person("aa", 16));

这个时候HashSet就会执行两个方法;

  • hashCode() :这个方法会将每个new 的对象的哈希码返回
public int hashCode() {
		System.out.println(" 哈希:"+super.hashCode());
		
		return super.hashCode();
	}
结果:
 哈希:2018699554
 哈希:1311053135
 哈希:118352462
 哈希:1550089733

可那对象里面的name(字符串)的如果相同,那么哈希码也会是一样的,这样咱们就可以 进行判断了

public int hashCode() {
		System.out.println(" 哈希:"+this.name.hashCode()+this.age);
		
		return this.name.hashCode()+this.age;
	}
结果:	
	哈希:3154 
	哈希:3183 
	哈希:3120 
	哈希:3120
  • equals() :进入这个方法的前提就是在hashCode()的方法有没有相同哈希码
    如果没有则不会进入这个方法

进入了就判断:

public boolean equals(Object obj) {
		System.out.println("进来了");
		if(obj instanceof person) {
			person p = (person)obj;
			if(this.name.equals(p.name)&&this.age==p.age) {
				return true;
			}
		}
		return false;
	}

这样就ok了,在我看来这就像两关,第一把有相同的才会进入第二关;


TreeSet的概念

TreeSet可以对set集合中元素进行排序
HashSet的实现:

	TreeSet hs = new TreeSet<>(new comparaT());
		hs.add("java02");
		hs.add("java03");
		hs.add("java04");
		hs.add("java05");

以上的程序不会出现什么问题
但是下面:

		hs.add(new person("bb", 18));
		hs.add(new person("cc", 15));
		hs.add(new person("aa", 16));
		hs.add(new person("aa", 16));

如果增加为对象,若对象没有实现Comparable接口的话就会报错

class person implements Comparable<person>{

}

那么就要实现compareTo()方法

public int compareTo(person o) {
		int num = 0;
		num = this.age - o.age;
		if(num==0) {
			num = this.name.compareTo(o.name);
		}
		return num;
	}

第二种:
先写一个实现Comparator的类

class comparaT implements Comparator<person3>{

	@Override
	public int compare(person3 o1, person3 o2) {
		int num = o1.getAge()-o2.getAge();
		if(num==0) {
			num = o1.getName().compareTo(o2.getName());
		}
		return num;
	}
}

然后在创建TreeSet的时候:

TreeSet hs = new TreeSet<>(new comparaT());

就可以实现排序功能


泛型

什么是泛型?
泛型是一种参数化类型,可以使得使得一个容器被指定只能放入什么类型。
重要的通配符:
泛型的通配符就是:?,

?表示的意思:
它表示一个不确定的类型,它的值会在调用时确定下来

那么这个时候通用的方法就能做了。

public void fun1(List<? extends Object> list){
              System.out.println("泛型方法");
          }

一。通配符的继承

  • ? extends Number,这个时候通配符就被限制为了Number和” Number的子类型

二。通配符可以有上界

  • ? superInteger,这个时候通配符就被限制为了Integer和” Integer的父类型

一些好处:

  1. 防止不知道容器类型而导致的报错

在这里插入图片描述
2. 提高了代码的通用程度
3. 也不用去强制转换
4. 提高了性能

泛型类
如代码:

class person<T>{
}

泛型方法

public <T> void personT(T t){
    System.out.println(t.getClass().getSimpleName());
}

调用:

 person gm = new  person();
		gm .personT("");
		gm .personT(1);
	    gm .personT(2.0);
	    gm .personT(2.0f);
	    gm .personT('a');
		gm .personT(3);

泛型接口:

public interface Tperson<T>{
    T next();
}

静态方法:

  public static <T> void show(T t){

    }

总结

1,HashSet:特点 无序,无重复(String)对象的无重复要重写hashCode()equals()
2,TreeSet:特点 无序,无重复 可排序。
有两种方法 Comparable 和Comparator

大家也可以去看我的Comparable和Comparator的使用

Thanks♪(・ω・)ノ谢谢大家用来参考

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算法模型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。
评论 3
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