【系统分析与设计】作业2

一、简答题

1.简述瀑布模型、增量模型、螺旋模型(含原型方法)的优缺点
答:
瀑布模型的优点:
①可强迫开发人员采用规范的方法;
②严格规定了每个阶段必须提交的文档;
③要求每个阶段交出的所有产品都必须经过质量保证小组的仔细验证。

瀑布模型的缺点:
①在软件开发初期,指明用户全部需求是困难的;
②需求确定后,经过一段时间才得到软件最初版本;
③完全依赖规格说明,导致不能满足用户需求。 适用中小型项目。

快速原型模型的优点:
①满足用户需求程度高;
②用户的参与面广;
③返工现象少

快速原型模型的缺点:
①不适用大型软件的开发 适用于小型项目。

增量模型的优点:
①短期内可以交付满足部分用户需求的功能产品;
②逐步增加功能可以让用户去适应新产品;
③开放式的软件可维护性比较好;
④开始第一构件前,已经完成需求说明。

增量模型的缺点:
①对现有产品功能造成破坏;
②意义上的矛盾 适用于中型软件的开发 。

螺旋模型的优点:
①集成了瀑布模型、快速原型模型、增量模型的优点;
②支持用户需求动态变化;
③需求分析与软件实现紧密联系相互依赖;
④原型作为刑式的可执行的需求规格说明,即利用用户和开发人员共同理解,又可作为后续开发的基础;
⑤为用户参与决策提供方便;
⑥提高目标软件的适应能力;
⑦降低风险;
⑧在大型软件开发过程中充分发挥优势。

螺旋模型的缺点:
①迭代次数影响开发成本,延迟提价时间;
②找不到关键改进点,人才、物力、财力时间引起无谓消耗;
③成于风险分析,败于风险分析。 适用于内部开发的大规模软件项目。

2.简述 UP 的三大特点,其中哪些内容体现了用户驱动的开发,哪些内容体现风险驱动的开发?
答:
①UP的三大特点是:
1.)迭代式增量开发:允许用不完整的,不完善的知识开始开发,并在开发的过程中不断改善
2.)用例驱动:指开发团队使用通过代码和测试收集需求的用例
3.)以系统架构为中心:为整个项目建立架构,包括商业建模、需求分析与设计、具体实现、以及测试与维护的各个模块。
“迭代式增量开发”和体现了风险驱动的开发,“用例驱动”和“以系统架构为中心”体现了用户驱动的开发

3.UP 四个阶段的划分准则是什么?关键的里程碑是什么?
答:
1.初始阶段-体现了风险驱动,满足用户需求
并不试图获取全部需求、以及详细的计划,而只是详细识别出最重要的用例并加以详细描述。制定一个项目计划和第一次迭代计划。也会考虑初步的可行性方案。

达到生命周期的目标里程碑:化解可行性风险。进化式需求,体现了持续化解需求变更带来的风险,确保满足用户的需求。初始阶段不是需求阶段,在这个阶段并不获取所有的需求,也并不就冻结需求文档,只分析最核心的用例。达到项目的目标里程碑。

2.细化阶段-体现了风险驱动,架构为中心
并不只是做设计,会实现最重要的部分用例,形成可执行的架构,并可以测试,活动包括了分析、设计、编码、测试。迭代实现最重要的用例。迭代的开发,进化式需求,化解需求变更对架构的影响的风险,体现了持续化解风险的思想,并确保满足用户的需求。产生一个可执行的架构,体现了把注意力放在可执行的软件上的思想,体现了在早期确定一个可执行的架构的思想,可测试架构、测试体现了持续验证软件质量的思想。
达到软件架构里程碑:迭代实现核心架构及高风险的用例。细化阶段不是设计阶段,它包含了众多的活动,主要是为了化解架构风险。

3.构建、移交阶段-体现了风险驱动
构建阶段除了编码也会有建模、分析、设计,也会有测试。迭代构建。保证满足用户需求。测试持续验证软件质量。
达到完全可执行能力里程碑:构建阶段不是编码阶段,除了编码还有设计分析、测试。

4.发布阶段
确保软件对最终用户是可用的。产品化阶段可以基于用户反馈的少量调整,跨越几次迭代,包括为发布做准备的产品测试。
产品发布里程碑:确定最终目标是否实现,是否应该开始产品下一个版本的另一个开发周期。在一些情况下这个里程碑可能与下一个周期的初始阶段的相重合。

4.IT 项目管理中,“工期、质量、范围/内容” 三个元素中,在合同固定条件下,为什么说“范围/内容”是项目团队是易于控制的?
答:在合同固定条件下,工期是固定的,即交付产品的时间是客户规定的,团队无法控制;质量是最终客户判定的,也难以由项目团队来控制;而范围和内容,则在开发的过程中,项目团队较为容易的控制。

5.为什么说,UP 为企业按固定节奏生产、固定周期发布软件产品提供了依据?
答:因为UP中,把开发分为多个循环,每个循环分为四个阶段,能够确保每个阶段完成相应的任务,完成一定的里程碑,有利于促进整个周期的节奏固定。

二、项目管理使用

使用截图工具(png格式输出),展现你团队的任务 Kanban,请注意以下要求
每个人的任务是明确的。即一周后可以看到具体成果
每个人的任务是1-2项。
至少包含一个团队活动任务

kanban

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
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