登录
首页 » Java开发 » Java 反射机制使用demo

Java 反射机制使用demo

于 2022-02-05 发布 文件大小:8.46 kB
0 117
下载积分: 2 下载次数: 1

代码说明:

一个简单的使用java反射机制的demo,在这个例子中利用java的反射机制简单实现了一个把规则和调用主体分离的程序,希望能对大家有所帮助和启示

下载说明:请别用迅雷下载,失败请重下,重下不扣分!

发表评论

0 个回复

  • 网上背单词程序
    aaa说明:下载的资源如果需要解压密码        请到我们网站右上角查看:http://www.hur.cn       强烈推荐:           几百套大型商业源码火爆下载:           http://www.hur.cn/okcode.html           http://vip.hur.cn
    2022-06-14 11:23:40下载
    积分:1
  • 工作门户网站
    这是非常出色的门户网站的源代码。它是用 PHP 编写。欢迎下载。谢谢你的支持。
    2022-02-11 21:33:33下载
    积分:1
  • java_成绩管理系统
    使用java语言开发的成绩管理系统,内部包含数据库内容,数据库的存储和读取操作。 并包含文档具体的说明,和演示截图,以及在本地计算机的数据库创建方法
    2023-02-27 07:20:03下载
    积分:1
  • 图书管理系统
    应用背景图书管理系统,添加会员,对会员进行管理,记录会员的借书状况,数量,借和归的时间等等,基于blueJ的设计java小程序,值得一看。关键技术建立了几个类以及每个类相关的方法,用水滴法对会员的姓名进行排序,简单有效,设计方法简洁,是java基础学习中值得参考练习的小程序。
    2022-07-11 00:18:25下载
    积分:1
  • 迷你 web 服务器
    这是迷你 web 服务器,使学习 我们开发了它在 Java 中 你必须使两个客户端发送到每个其他 享受 : D
    2022-04-09 15:36:09下载
    积分:1
  • k-means聚类代码
    应用背景 聚类分析在客户分类、基因识别、文本分类、空间数据处理、卫星照片分析、医疗图像自动检测等领域有着广泛的应用,而其本身的研究也是一个蓬勃发展的领域,数据挖掘、统计学、机器学习、空间数据库技术、生物学和市场学的发展推动着聚类分析研究的进展,使它已成为数据挖掘研究中的一个热点,在市场分析中,通过聚类分析能帮助决策者识别不同特征的客户群以及各客户群的行为特征在生物工程研究中。 关键技术k均值算法是聚类分析中一种被广泛应用的启发式划分方法,具有简单、快速的优点。聚类是一个将数据集划分为若干个子集的过程,并使得同一集合内的数据对象具有较高的相似度,而不同集合中的数据对象则是不相似的,相似或不相似的度量是基于数 据对象描述属性的取值来确定的,通常就是利用各个聚类间的距离来进行描述的。聚类分析的基本指导思想是最大程度地实现类中对象相似度最大,类间对象相似度最小。
    2022-04-26 11:35:01下载
    积分:1
  • 斗地主源码
    资源描述此源码是Android版的斗地主游戏源码程序设计,此源码可作为斗地主游戏开发人员的技术参考资料,也可帮助初学者进行学习和提高~!~
    2022-03-10 11:25:55下载
    积分:1
  • JAVA写的俄罗斯方块代码
    我自己以前学习用的,里面注释挺全的,很适合新手学习用,我在培训的时候老师讲的是另外一种,项目叫tetris,目前代码不在我这台电脑上,两个项目结合着看对学习很有帮助,俄罗斯方块确实是个适合新手的经典的小游戏。
    2022-03-23 00:23:59下载
    积分:1
  • Large Multiplication
    长乘法[
    2023-06-26 20:15:03下载
    积分:1
  • tf-idf Java实现,还是很不错的
    资源描述TF-IDF(term frequency–inverse document frequency)是一种用于资讯检索与资讯探勘的常用加权技术, TFIDF的主要思想是:如果某个词或短语在一篇文章中出现的频率TF高,并且在其他文章中很少出现,则认为此词或者短语具有很好的类别区分能力,适合用来分类。TFIDF实际上是:TF * IDF,TF词频(Term Frequency),IDF反文档频率(Inverse Document Frequency)。TF表示词条在文档d中出现的频率。IDF的主要思想是:如果包含词条t的文档越少,也就是n越小,IDF越大,则说明词条t具有很好的类别区分能力。如果某一类文档C中包含词条t的文档数为m,而其它类包含t的文档总数为k,显然所有包含t的文档数n=m + k,当m大的时候,n也大,按照IDF公式得到的IDF的值会小,就说明该词条t类别区分能力不强。但是实际上,如果一个词条在一个类的文档中频繁出现,则说明该词条能够很好代表这个类的文本的特征,这样的词条应该给它们赋予较高的权重,并选来作为该类文本的特征词以区别与其它类文档。这就是IDF的不足之处。这里采用了外部插件IKAnalyzer-2012.jar,用其进行分词,插件和测试文件可以从这里下载
    2022-11-20 22:00:04下载
    积分:1
  • 696518资源总数
  • 106148会员总数
  • 10今日下载