Java8实战——Lambda-复合Lambda表达式

本文深入探讨了Java中Lambda表达式的复合应用,包括比较器的升序、逆序及多属性排序,谓词的取非、取或、取并操作,以及函数的andThen和compose方法。通过具体示例,展示了如何将简单的Lambda表达式组合成更复杂的业务逻辑。

       许多函数式接口,比如传递Lambda表达式的Comparator、Predicate、Function都有进行复合的默认方法。因此,我们可以将简单的Lambda表达式复合成复杂的表达式。
 

一、比较器复合
   

    1、升序排序

list.sort(Comparator.comparing(Apple :: getWeight));

    2、逆序排序

#Comparator提供的逆序排序的默认方法 
 default Comparator<T> reversed() {
        return Collections.reverseOrder(this);
    }

list.sort(Comparator.comparing(Apple :: getWeight).reversed());

    3、多属性排序

list.sort(
    Comparator.comparing(Apple :: getWeight)
    .reversed()
    .thenComparing(Apple :: getColor));

二、谓词复合
Predicate提供了 negate(取非),or(取或),and(取并)默认方法,可以对已有的Predicate实例进行复合
注意:negate、and、or是按照在复合链中从左到右的位置确定优先级的,而不是逻辑判断中的方式
a.or(b).and(c)  等同于 (a || b) & c

      #创建 判断红色苹果的 Predicate
      Predicate<Apple> redApple = a -> "red".equals(a.getColor());
      #创建 判断重60的苹果 Predicate
      Predicate<Apple> weightApple = a -> 60 == a.getWeight();
        
      #使用构造器引用,创建红色、重50的苹果
      BiFunction<String,Integer,Apple> red = Apple :: new;
      Apple red1 = red.apply("red", 50);
      
      #判断是不是红色苹果
      if(redApple.test(red1)) System.out.println("红色苹果");

      #判断是不是红色或者重60的苹果
      if(redApple.or(weightApple).test(red1)) System.out.println("红色苹果或者60K苹果");
      #判断是红色且重60的苹果
      if(redApple.and(weightApple).test(red1)) System.out.println("红色苹果或者60K苹果");

三、函数复合
Function函数式接口中提供了andThen和compose两个默认方法,返回一个Function实例

    andThen 顺序执行,结果作为下一个Function的入参

    Function f = a -> a+1;
    Function g = a -> 2*a;
    Function h = f.andThen(g);   <=> g(f)

    compose 先执行compose的入参,记过作为调用者的入参
    Function f = a -> a+1;
    Function g = a -> 2*a;
    Function h = f.compose(g);   <=> f(g)


 

内容概要:本文系统研究了基于CNN-SVM的卷积神经网络与支持向量机融合的数据分类预测方法,聚焦其在工业故障识别中的应用,提供了完整的Matlab代码实现。通过CNN提取输入数据的深层空间特征,再由SVM进行高精度分类,充分发挥两者优势,有效提升了故障识别的准确性、鲁棒性与泛化能力。该方法特别适用于处理电力系统、机械设备等领域的高维、非线性、强噪声监测数据,在变压器故障诊断、轴承缺陷识别等场景中具有重要应用价值。文档还整合了机器学习、深度学习、图像处理、路径规划、电力系统优化等多个前沿科研方向的技术资源,配套大量Matlab/Simulink仿真案例与Python代码,全面支持科研复现与工程实践。; 适合人群:具备一定编程基础,熟练掌握Matlab或Python语言,从事电气工程、自动化、人工智能、机械故障诊断等相关领域研究的研发人员及高校研究生; 使用场景及目标:① 实现工业设备的状态监测与多类别故障分类;② 深入理解CNN与SVM融合模型的设计原理与工程实现细节;③ 借助所提供的丰富算法案例开展科研复现、模型优化与系统仿真验证; 阅读建议:建议按照文档目录结构系统化学习,结合百度网盘提供的完整代码资源进行动手实践,重点关注CNN特征提取层与SVM分类器之间的数据接口设计与参数调优策略,同时可延伸学习文中涉及的其他智能算法及其在电力系统、信号处理等领域的交叉应用,全面提升科研创新能力。
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