Traits技术-程序员宅基地

技术标签：特性 C++ traits 模板化模板特殊化模板类

Traits技术

traits=特性

提取不同类的共性，统一处理

依靠显示模板特殊化，把代码中因不同类型发生变化的片段提取出，用统一的接口来包装

接口可以为c++类所能包含的任何东西

客户通过traits模板类公开的接口来间接访问

代码示例

#include <iostream>

using namespace std;

class CIntArray
{
    
public:
	CIntArray();
	~CIntArray(){
    }

	int GetSum(int times);

private:
	int m_a[10];

};

CIntArray::CIntArray()
{
    
	for (int i = 0; i < 10; i++) {
    
		m_a[i] = i + 1;
	}
}

int CIntArray::GetSum(int times)
{
    
	int sum = 0;
	for (int i = 0; i < 10; i++) {
    
		sum += m_a[i];
	}
	return sum * times;
}


class CFloatArray
{
    
public:
	CFloatArray();
	~CFloatArray(){
    }

	float GetSum(float times);

private:
	float m_a[10];

};

CFloatArray::CFloatArray()
{
    
	for (int i = 0; i < 10; i++) {
    
		m_a[i] = i + 1;
	}
}

float CFloatArray::GetSum(float times)
{
    
	float sum = 0.0;
	for (int i = 0; i < 10; i++) {
    
		sum += m_a[i];
	}
	return sum * times;
}

// traist模板类
template<class T>
class NumTraits {
    };

//模板类特殊化
template<>
class NumTraits<CIntArray>
{
    
public:
	typedef int resultType;
	typedef int inputPara;
};

//模板类特殊化
template<>
class NumTraits<CFloatArray>
{
    
public:
	typedef float resultType;
	typedef float inputPara;
};

//对外接口
template<class T>
class CApply
{
    
public:
	typedef typename NumTraits<T>::resultType result;
	typedef typename NumTraits<T>::inputPara input;
	result GetSum(T& obj, input in)
	{
    
		return obj.GetSum(in);
	}
};

int main()
{
    
	CIntArray cInt;
	CApply<CIntArray> ci;
	std::cout << ci.GetSum(cInt, 3) << std::endl;

	CFloatArray cFloat;
	CApply<CFloatArray> cf;
	std::cout << cf.GetSum(cFloat, 5.5) << std::endl;
	
	return 0;


}

本文链接：https://blog.csdn.net/zxc024000/article/details/94335295

原作者删帖不实内容删帖广告或垃圾文章投诉

智能推荐

HTML入门（三）注释及head标签_head如何注释-程序员宅基地

文章浏览阅读2.9k次，点赞2次，收藏3次。前言前面我们通过记事本以及开发工具HBuilder了解了一个基本的html文件的编写以及运行方法，接下来我们深入其中，了解每一个标签的使用，以及它们的特点。特别的：本系列一切遵循HTML5标准，至于为什么把head标签拿出来，是因为以后的css,js等引用均写在其中，并且其字符集的设置尤为关键，一个不小心就会乱码。方法1.html注释我们知道，任何一门语言都有它自己..._head如何注释

机器学习入门与Python实战核心工具篇：pip源、python、anaconda、工具包（完整版）_机器学习pip-程序员宅基地

文章浏览阅读884次，点赞3次，收藏7次。一句话介绍：为了进行机器学习快速开发，我们将使用python语言编程、anaconda管理不同的项目环境、jupyter notebook进行断点高效调试、不同的工具包快速搭建模型。pip国内镜像源链接阿里云 http://mirrors.aliyun.com/pypi/simple/ 中国科技大学 https://pypi.mirrors.ustc.edu.cn/simple/ 豆瓣(douban) http://pypi.douban.com/simple/ 清华大学 https://py_机器学习pip

小程序webview链接公众号授权网页-程序员宅基地

文章浏览阅读9.6k次。小程序使用公众号授权页面_小程序webview链接公众号授权网页

临床预测模型-程序员宅基地

文章浏览阅读93次。想请教一下各位大佬，能建立阴虚血瘀型患者的临床预测模型吗。

使用灰狼算法优化的LSTM实现数据回归预测_优化lstm预测-程序员宅基地

文章浏览阅读157次。然后，我们定义了灰狼算法的参数，并初始化了灰狼的位置。在优化过程中，我们通过更新灰狼的位置和LSTM网络的参数来逐步优化预测结果。通过灰狼算法的优化，我们可以提高LSTM网络的性能和准确性，从而得到更好的数据预测结果。灰狼算法利用灰狼的行为模式来搜索最优解，结合LSTM网络的强大建模能力，可以更好地捕捉时间序列数据中的关键特征和模式。需要注意的是，上述代码中的部分变量需要根据具体问题进行设置和调整，例如数据的维度、LSTM网络的层数、灰狼算法的参数等。灰狼算法是一种群体智能算法，模拟了灰狼的群体行为。_优化lstm预测

基于 SpringCloud 的在线交易平台商城的设计与实现-程序员宅基地

文章浏览阅读787次，点赞14次，收藏12次。计算机毕业设计中的商城实现是一个模拟电子商务平台的综合项目，它采用SSM（Spring、SpringMVC、MyBatis）技术栈进行开发，以实现一个功能完备的在线购物系统。Spring框架负责系统的业务逻辑和事务管理，确保数据的一致性和完整性；SpringMVC作为模型-视图-控制器的实现，处理用户的HTTP请求并渲染动态网页；MyBatis则作为持久层框架，与数据库进行交云，执行CRUD操作。该商城系统通常包括用户管理、商品展示、购物车、订单处理、支付系统集成、商品搜索和推荐、用户评论等功能。通过这个项