Java中的访问修饰符

article/2025/9/9 15:15:33

        JAVA中的访问修饰符,主要用于设置类、属性、方法的访问级别,有以下四种:

在编写代码的时候,如果没有特殊的考虑,建议这样使用权限:

  • 成员变量使用private,隐藏细节
  • 构造方法使用public,方便调用对象
  • 成员方法使用public,方便调用方法

如果不加权限修饰符,其访问能力与 default修饰符相同

      
1、public修饰符:

          public修饰符表示公开的,公共的。不同类、不同包下都可以访问 

        1个java文件中只可以有一个public修饰的类,并且类名需要和文件名相同

public class Person {//public 修饰类public String name;  //public 修饰属性public void demo(){   //public 修饰方法System.out.println(name);}
}

2、protected修饰符

        protected修饰符表示受保护的,它主要的作用是保护子类,子类可以用它修饰的成员,其他的不可以

        protected修饰符可以被本类、同一个包中的类、不同包中的子类所访问到

        protected可以修饰属性、方法,但是不能修饰外部类,可以修饰内部类

 3、default修饰符

        当定义变量、方法以及类时,没有写访问修饰符,则代表默认的修饰符default

        default修饰的属性、方法、类,只能被本类或者同一个包中的其他类访问到,针对本包访问而设计,任何处于本包下的属性、方法、类、接口等,都可以相互访问

        注:在接口中,默认的访问修饰符是public

4、private修饰符: 

        可用来修饰内部类、属性、方法

        “私有的”,即被private修饰的属性、方法、类只能被该类的对象访问,其子类不能访问,更不能允许跨包访问

        注意:private可以修饰内部类,不可以修饰外部类

 


http://chatgpt.dhexx.cn/article/puJaDY74.shtml

相关文章

java四种访问修饰符

访问修饰符 public,private,protected,以及不写(默认)时的区别: 定义:Java中,可以使用访问修饰符来保护对类、变量、方法和构造方法的访问。Java 支持 4 种不同的访问权限。 分类: private : 在同一类内…

访问修饰符 [详解]

可能一下子会想到private、default、protected、public这四个,但如果问"static、abstract等是不是访问修饰符呢?" 这就不清楚了,所以下面研究前四个及再补充其他的 1、当前已知的 过一眼就行,毕竟后面会重新研究 1.1 范围从大到小排序是:public>protected>默…

四种访问修饰符

Java中修饰符分为两种:访问修饰符和非访问修饰符。修饰符中,有一些修饰符可以既可以修饰类,也可以修饰方法,但是有一些修饰符只能修饰符方法。 今天这篇文章先介绍一下四种访问修饰符。 1、private修饰符 private表示私有的。既…

JAVA的四种访问修饰符

JAVA中的访问修饰符,主要用于设置类、属性、方法的访问级别,有以下四种: 修饰符同一个类同一个包子类任何地方public(公共的)YYYYprotected(受保护的)YYYdefault(默认的)YYprivate(私有的)Y 1…

特征工程—数据无量纲化之归一化

在sklearn中使用preprocessing预处理与impute缺失值处理,两个模块进行数据预处理 数据无量纲化:将不同量纲的数据转化到同一区间,避免某一取值的数据范围太大或太小对影响计算,加快求解速度,提高精度 无量纲化包括线…

数据挖掘的步骤——降维处理前一定记得进行无量纲化处理

数据挖掘的步骤 我们使用sklearn进行虚线框内的工作(sklearn也可以进行文本特征提取)。通过分析sklearn源码,我们可以看到除训练,预测和评估以外,处理其他工作的类都实现了3个方法:fit、transform和fit_tra…

#第27篇分享:数据无量纲化(python语言:sklearn 预处理及特征工程)(3)

#数据挖掘五大流程:获取数据,数据预处理 (更改数据类型,有噪声,有缺失),特征工程 (归一化,标准化,正则化,降维),建模&…

均值归一化_数据无量纲化处理(归一化VS标准化)

常见的无量纲化处理方法主要有极值化、标准化、均值化和标准差化方法,而最常使用的是标准化方法。 标准化方法处理后的各指标均值都为0,标准差都为1,它只反映了各指标之间的相互影响,在无量纲化的同时也抹杀了各指标之间变异程度上的差异,因此,标准化方法并不适用于…

特征工程:特征预处理(无量纲化处理)

文章目录 一、解释二、归一化三、标准化★一、解释 特征预处理API sklearn.preprocessing为什么要做归一化/标准化? 无量纲化 特征的单位或者数量相差较大,这样某特征会‘绝对’最终结果,使得其他算法无法学习到其他特征。 二、归一化 将原始数据进行变换将数据映…

为什么梯度的负方向是梯度下降最快的方向

文章目录 梯度与导数的关系梯度下降算法梯度方向是上升方向一阶泰勒展开式与负梯度 梯度与导数的关系 梯度方向指向数值增长最快的方向,大小为变化率。通过这个性质也说明梯度是有方向和大小的矢量。通过梯度的定义我们发现,梯度的求解其实就是求函数偏…

数字图像处理 基于matlab、opencv计算图像的梯度方向和梯度幅值

一、图像的梯度 1、简述 图像可以被视为标量场(即二维函数)。 通过微分将标量场转换为矢量场。 梯度是一个向量,描述了在x或y方向上移动时,图像变化的速度。我们使用导数来回答这样的问题,图像梯度的大小告诉图像变化的速度,而梯度的方向告诉图像变化最…

梯度方向直方图Histogram of Oriented Gradients (HOG)

在学习HOG特征的时候,发现一片英文文章讲得浅显易懂。因此翻译在这里学习。(文中的图片均来自翻译原文) 原文链接:Histogram of Oriented Gradients 什么是特征描述子 特征描述子一张图片或者一个图片块的一种表示,通过提取有用信息并扔掉…

为什么梯度方向一定是函数增大的方向

全微分的定义 如果函数在区域D内各点处都可微分,那么称这个函数在D内可微分。 以上就是为了解释一下为啥 f ( x Δ x , y Δ y ) − f ( x , y ) f x ′ f(x\Delta x, y\Delta y)-f(x, y)f_{x}^{} f(xΔx,yΔy)−f(x,y)fx′​△x f y ′ f_{y}^{} fy′​△y …

为什么沿梯度方向,函数变化最快???

很多时候,我们时间有限,对一些知识只能不求甚解,但这这些不求甚解的知识又会很困扰我们,总想着原理是啥,为啥这样做。就比如我们学梯度下降时,都知道梯度下降是机器学习、深度学习的核心优化算法&#xff0…

机器学习算法篇:从为什么梯度方向是函数变化率最快方向详谈梯度下降算法

前言:若需获取本文全部的手书版原稿资料,扫码关注公众号,回复: 梯度下降法 即可获取。 原创不易,转载请告知并注明出处!扫码关注公众号【机器学习与自然语言处理】,定期发布知识图谱,自然语言处…

⚡可行梯度方向法⚡(Feasible Gradient Direction Method ,FGDM)

⚡最近很烦⚡ 有一阵子没更新了,感觉整个暑假被忽悠了,六月份找Boss指明了一个Direction,然后整个暑假都在忙于补充Proposal相关的Knowledge,但是,被忽悠局局长Boss给忽悠了(谁人能明白其中的难受&#xff…

梯度方向为何变化率最大

梯度(本质上是一个向量)是机器学习里面的重要基础,借助梯度下降才能最小化损失函数,逐步更新网络参数,得到最佳的函数表示。梯度方向的变化率最大,沿着梯度的反方向,可以最大效率的降低损失函数。在对梯度的…

梯度下降算法过程及为什么负梯度方向是下降最快方向(附代码)

对于梯度下降算法我们熟知的一个例子就是下山问题,当我们位于山的某一点处,沿着当前位置寻找山坡最陡方向以一定步长进行移动,直到走到山脚。那么这个过程具体是怎么做到的?为什么说负梯度方向是下降最快方向呢? 首先…

微积分:如何理解方向导数与梯度?

文章目录 前言方向导数梯度方向导数公式的证明 前言 前文介绍了多元函数微分的实质,接下来介绍多元函数中的方向导数与梯度,以二元函数为例 方向导数 方向导数的实质:自变量沿着xoy平面上的某个方向变化时,f的变化率&#xff0…

Opencv中计算梯度、梯度幅值以及梯度方向的相关函数

在进行图像处理中,经常会计算图像的梯度、梯度幅值以及梯度等,对于不太了解opencv的,可能会自己写计算梯度、梯度幅值和梯度方向的函数,其实这些工作OpenCV都已经为我们做了。下面来看看Opencv中的相关函数: 1&#xf…