`
李灵晖-raylee
  • 浏览: 135870 次
博客专栏
Group-logo
从头认识java
浏览量:0
文章分类
社区版块
存档分类
最新评论

从头认识java-6.1 聚合(aggregation)

 
阅读更多

我们来说一下复用类最简单的方法:聚合(aggregation)

其实说白了,就是建立了一个类,然后在其他地方引用来使用。


package com.ray.ch05;

public class Test {
	public static void main(String[] args) {
	}
}

package com.ray.ch05;
public class Test2{
	public static void main(String[] args) {
		new Test();
	}
}

建立了Test这个类,我们可以在程序的任何地方new出来,就好像在Test2里面new一样,这样其实就是最简单的聚合复用。



但是,我们在复用的时候需要注意一点,就是对象的初始化问题。

我们修改一下上面的代码:

package com.ray.ch05;

public class Test {
	public void say() {//增加了一个公共方法
		System.out.println("method say");
	}

	public static void main(String[] args) {
	}
}

package com.ray.ch05;

public class Test2 {
	private Test test;//引用Test

	private void runSay() {
		test.say();
	}

	public static void main(String[] args) {
		new Test2().runSay();
	}
}

运行输出:

Exception in thread "main" java.lang.NullPointerException
at com.ray.ch05.Test2.runSay(Test2.java:7)
at com.ray.ch05.Test2.main(Test2.java:11)

空指针错误,因为我们在Test2里面没有实例化对象test,而默认的编译器只是初始化为null,因此会有运行时错误。

因此,我们必须注意对象的初始化,因为它们不像基础类型那样,编译器默认赋值。这个是编译器的优化策略。

所以,我们Test2上面的代码必须把Test这个类的对象实例化出来

package com.ray.ch05;

public class Test2 {
	private Test test=new Test();

	private void runSay() {
		test.say();
	}

	public static void main(String[] args) {
		new Test2().runSay();
	}
}

重新运行输出:

method say


总结:这一章节主要讨论了聚合语法的复用类,以及它的一些注意点。


这一章节就到这里,谢谢。

-----------------------------------

目录



版权声明:本文为博主原创文章,未经博主允许不得转载。

分享到:
评论

相关推荐

    Unsupervised Part-based Weighting Aggregation

    Unsupervised Part-based Weighting Aggregation of Deep Convolutional Features for Image Retrieval.pdf

    杨庆雄的《A Non-Local Cost Aggregation Method for Stereo Matching》代码

    《A Non-Local Cost Aggregation Method for Stereo Matching》是由杨庆雄提出的一种针对立体匹配问题的非局部成本聚合方法。立体匹配是计算机视觉领域中的一个关键任务,它旨在找到两个不同视角图像(左视图和右...

    Recurrent Squeeze-and-Excitation Context Aggregation Net for Single Image

    标题中的"Recurrent Squeeze-and-Excitation Context Aggregation Net for Single Image Deraining"是一种用于单张图像去雨的深度学习模型,它结合了循环神经网络(RNN)与卷积神经网络(CNN)的优势,旨在提升图像...

    A Non-Local Cost Aggregation Method for Stereo Matching code

    "非局部成本聚合"是立体匹配中的一个关键算法,它通过考虑图像中像素之间的长距离依赖关系来提高匹配的精度。本项目提供的"A Non-Local Cost Aggregation Method for Stereo Matching"完整代码,旨在实现这一先进的...

    IEEE Std 802.1AX-2008 Link Aggregation

    链路聚合,或称LAG(Link Aggregation Group),是一种将多个物理连接组合成一个逻辑链路的技术,使得媒体访问控制(MAC)客户端可以将链路聚合组视为单一的高带宽链接。这种技术的核心是通过N个并行的全双工点对点...

    Cross-Scale Cost Aggregation for Stereo Matching 源代码

    "Cross-Scale Cost Aggregation for Stereo Matching" 是一种先进的立体匹配算法,该算法通过在不同尺度上聚合代价信息来提高匹配的准确性和效率。本项目提供了该算法的C++实现,适用于Visual Studio 2019环境。 在...

    A Non-Local Cost Aggregation Method for Stereo Matching

    在文件"A Non-Local Cost Aggregation Method for Stereo Matching"中,作者可能详细阐述了该方法的理论基础、算法流程、实验设置以及与其他方法的比较。通过实验结果,我们可以预期该方法在运行效果和时间效率上都...

    ns-3-LTE-Carrier-Aggregation-master.zip_CQI-ReportConfig_aggrega

    在"ns-3-LTE-Carrier-Aggregation-master.zip_CQI-ReportConfig_aggrega"这个压缩包中,包含了NS-3 LTE载波聚合模块的相关代码和配置,这些资源可以帮助我们理解并实现CA中的CQI报告策略。 首先,我们需要了解CQI...

    Multi-Scale Context Aggregation by Dilated Convolutions.zip

    《多尺度上下文聚合通过膨胀卷积》是深度学习领域一篇重要的研究论文,主要探讨了如何在卷积神经网络(CNN)中有效地捕获不同尺度的上下文信息,以提高模型对图像的理解能力。膨胀卷积(Dilated Convolution)是解决...

    Python库 | hestia-earth-aggregation-0.0.1.tar.gz

    本资源名为“hestia-earth-aggregation-0.0.1.tar.gz”,这是一个Python库,专门用于地球数据的聚合处理。让我们深入探讨这个库以及它可能包含的关键知识点。 首先,"hestia"这个名字很可能来源于古希腊神话中的...

    Cross-Scale Cost Aggregation Code

    《跨尺度成本聚合码》(Cross-Scale Cost Aggregation Code)是实现立体匹配算法CSCA(Cross-Scale Cost Aggregation)的一种软件实现。立体匹配是计算机视觉领域的一个重要研究方向,其目标是通过分析图像对来计算...

    A Non-Local Cost Aggregation Method for Stereo Matching 核心算法PPT讲解

    A Non-Local Cost Aggregation Method for Stereo Matching 作者关于核心算法做的PPT

    A Non-Local Cost Aggregation Method for Stereo Matching source code

    标题中的"A Non-Local Cost Aggregation Method for Stereo Matching source code" 指的是一种用于立体匹配的非局部成本聚合方法的源代码。立体匹配是计算机视觉领域中的一个重要问题,其目的是在两个不同视角的图像...

    A Non-Local Cost Aggregation method for stereo Matching配套ppt讲解

    非局部代价聚合(Non-Local Cost Aggregation)是一种基于像素间相似性的技术,它考虑了图像中远距离像素之间的关系,而不是仅仅局限于局部邻域。这种方法源于图像去噪和恢复领域,已被证明在处理全局上下文信息时...

    A_Reliale A-MSDU Frame Aggregation scheme in 802.11n

    针对802.11n的聚合机制,提出一种解决方法:In this paper, we proposed an A-MSDU frame aggregation with sub-frame integrity check and retransmission at the MSDU level without altering the original MAC ...

    simple-segment-aggregation.js:按事件聚合连续段

    simple-segment-aggregation.js 按事件聚合连续段。 该库最适合与从和返回的数据一起使用 动机 一些可视化将连续的段聚合成一个单元。 该库将具有相同内容的任何片段分组到同一个块中。 注意事项 该库要求您的每个...

    yolov5-v6.1-pytorch-master.zip

    标题 "yolov5-v6.1-pytorch-master.zip" 暗示这是一个包含YOLOv5 v6.1版本的PyTorch实现的压缩文件。YOLO(You Only Look Once)是一种实时目标检测系统,它在计算机视觉领域被广泛应用。PyTorch是一个开源的Python...

    Python-RESCAN一种单图像深度去雨算法

    3. **上下文聚合**:算法通过上下文信息的聚合,能够更好地理解图像的整体结构,从而更精确地定位和移除雨滴。这一步通常涉及卷积操作,以捕捉局部和全局的上下文信息。 4. **深度学习框架**:RESCAN算法基于深度...

    Parallel-Grouped-Aggregation-in-DuckDB-DuckDB.pdf

    在数据库管理系统中,聚合操作是数据处理的关键组成部分,特别是在在线分析处理(OLAP)场景下。DuckDB是一个开源的关系型数据库,它针对大规模数据集的统计摘要提供了高效的并行分组聚合功能。本文将深入探讨DuckDB...

    《Pro Oracle SQL》CHAPTER 9 The Model Clause -- 9.6 Aggregation

    在9.6节“Aggregation”中,作者可能深入探讨了如何利用Model子句实现不同类型的聚合功能,例如分组、总计、平均值等,这些功能通常通过GROUP BY和AGGREGATE函数完成,但在某些情况下,Model子句可以提供更灵活的...

Global site tag (gtag.js) - Google Analytics