《软件方法》强化自测题-分析(2)

DDD领域驱动设计批评-文集-点击查看>>

按照业务建模、需求、分析、设计工作流考查。

答案不直接给出,可访问每套题后面给出的自测链接或扫二维码自测,做到全对才能知道答案。

知识点见《软件方法》(http://www.umlchina.com/book/softmeth.html)

和“软件需求设计方法学全程实例剖析”幻灯片(http://www.umlchina.com/training/slide.html)

分析-强化自测题(2)

**1 [ 多选题 ]**关于分析模型,以下说法正确的有:

A) 分析模型中的概念要尽可能使用涉众最常用的词汇来命名

B) 分析模型不一定要用类图表达

C) 要更好应对变化,分析模型要反映核心域内涵

D) 判断分析模型好坏的最重要标准是能否反映源代码的精华

**2 [ 单选题 ]**在分析工作流中,如果给下面的空格中填上适当的文字,应该填什么?___________的类图

A) 状态

B) 系统

C) 用例

D) 对象

**3 [ 单选题 ]**如果状态图是对的,那么序列图上标号的地方有可能有错的是:

A) 1

B) 2

C) 3

D) 4

 E) 5

 F) 6

4 [ 单选题 ]“待发货”最合适作为以下哪个类的状态?

A) 购物流程

B) 购物系统

C) 订单

D) 订单管理功能

**5 [ 单选题 ]**以下说法中正确的是:

A) 分析工作流中,不同用例的分析序列图上的边界类不同。

B) UML模型是开发人员用来和涉众沟通的高效手段。

C) 类之间的关系有泛化、关联和依赖。

D) 不同工作流的模型代表源代码的不同视图,可以让开发人员从不同的视角观察源代码,这样就便于人脑把握源代码的复杂性。

**6 [ 单选题 ]**判断类之间关联的方向时,可以参考的原则是:

A) 状态不丰富的指向状态丰富的

B) 多重性为1的指向多重性为多的

C) 多重性为多的指向多重性为1的

D) 状态丰富的指向状态不丰富的

**7 [ 多选题 ]**以下概念经常有直接映射关系的有:

A) 业务序列图上的业务实体类型名称和系统用例图上的系统执行者名称

B) 业务序列图上的业务工人类型名称和系统用例图上的系统执行者名称

C) 分析序列图上的消息名称和分析类图上的属性名称

D) 分析序列图上的生命线名称的右侧和分析类图上的类名称

**8 [ 单选题 ]**长假,西湖断桥,男生李雷和女生韩梅梅相遇。正交谈甚欢间,突然下起了雨。雨越下越大,两人都淋湿了。李雷叫的滴滴到了,他邀请韩梅梅一起上车回如家换衣服休息,结果在如家两人(此处出题者删去三千六百一十八字)……

如果需要在软件系统中模拟李雷和韩梅梅的PaPa行为,把一些逻辑放在一个名为“PaPa”的操作中,把这个操作分给某一个类。那么以下说法正确的是:

A) 因为一般为男生主动,“PaPa”应为“男生”类的操作

B) 如果是封建社会(滴滴马车、如家客栈),“PaPa”放在“女生”类上意义更大

C) “PaPa”所封装的逻辑属于应用逻辑,应该放在控制类中更合适

D) 因为一般为女生被动,“PaPa”应为“女生”类的操作

**9 [ 单选题 ]**使用关系数据库来存储数据时,发现某个表的数据中,每一行都有某些列的值为空。从面向对象建模的角度看,这可能犯了什么错误?

 A)忽略了泛化关系

 B)把泛化当成关联

 C)把关联当成泛化

 D)把设计当成需求

**10 [ 单选题 ]**如图是某个图形界面的状态机,通过点击按钮控件A、B、C、D在不同状态间切换。按钮控件的IsEnabled属性值为True,按钮能够接收点击事件,IsEnabled属性值为Fase,按钮不能够接收点击事件。

请问,状态S4时,按钮控件A、B、C、D的IsEnabled属性值最有可能分别是?

 A)True、True、False、True

 B)False、False、False、True

 C)True、True、True、False

 D)False、True、False、False

**11 [ 单选题 ]**以奇书《平安经》为素材画类图,以下最正确的是:

 A)

 B)

 C)

 D)

自测链接:https://www.101test.com/cand/index?paperId=MCST9Y

微信:umlchina2

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
1 目标检测的定义 目标检测(Object Detection)的任务是找出图像中所有感兴趣的目标(物体),确定它们的类别和位置,是计算机视觉领域的核心问题之一。由于各类物体有不同的外观、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有挑战性的问题。 目标检测任务可分为两个关键的子任务,目标定位和目标分类。首先检测图像中目标的位置(目标定位),然后给出每个目标的具体类别(目标分类)。输出结果是一个边界框(称为Bounding-box,一般形式为(x1,y1,x2,y2),表示框的左上角坐标和右下角坐标),一个置信度分数(Confidence Score),表示边界框中是否包含检测对象的概率和各个类别的概率(首先得到类别概率,经过Softmax可得到类别标签)。 1.1 Two stage方法 目前主流的基于深度学习的目标检测算法主要分为两类:Two stage和One stage。Two stage方法将目标检测过程分为两个阶段。第一个阶段是 Region Proposal 生成阶段,主要用于生成潜在的目标候选框(Bounding-box proposals)。这个阶段通常使用卷积神经网络(CNN)从输入图像中提取特征,然后通过一些技巧(如选择性搜索)来生成候选框。第二个阶段是分类和位置精修阶段,将第一个阶段生成的候选框输入到另一个 CNN 中进行分类,并根据分类结果对候选框的位置进行微调。Two stage 方法的优点是准确度较高,缺点是速度相对较慢。 常见Tow stage目标检测算法有:R-CNN系列、SPPNet等。 1.2 One stage方法 One stage方法直接利用模型提取特征值,并利用这些特征值进行目标的分类和定位,不需要生成Region Proposal。这种方法的优点是速度快,因为省略了Region Proposal生成的过程。One stage方法的缺点是准确度相对较低,因为它没有对潜在的目标进行预先筛选。 常见的One stage目标检测算法有:YOLO系列、SSD系列和RetinaNet等。 2 常见名词解释 2.1 NMS(Non-Maximum Suppression) 目标检测模型一般会给出目标的多个预测边界框,对成百上千的预测边界框都进行调整肯定是不可行的,需要对这些结果先进行一个大体的挑选。NMS称为非极大值抑制,作用是从众多预测边界框中挑选出最具代表性的结果,这样可以加快算法效率,其主要流程如下: 设定一个置信度分数阈值,将置信度分数小于阈值的直接过滤掉 将剩下框的置信度分数从大到小排序,选中值最大的框 遍历其余的框,如果和当前框的重叠面积(IOU)大于设定的阈值(一般为0.7),就将框删除(超过设定阈值,认为两个框的里面的物体属于同一个类别) 从未处理的框中继续选一个置信度分数最大的,重复上述过程,直至所有框处理完毕 2.2 IoU(Intersection over Union) 定义了两个边界框的重叠度,当预测边界框和真实边界框差异很小时,或重叠度很大时,表示模型产生的预测边界框很准确。边界框A、B的IOU计算公式为: 2.3 mAP(mean Average Precision) mAP即均值平均精度,是评估目标检测模型效果的最重要指标,这个值介于0到1之间,且越大越好。mAP是AP(Average Precision)的平均值,那么首先需要了解AP的概念。想要了解AP的概念,还要首先了解目标检测中Precision和Recall的概念。 首先我们设置置信度阈值(Confidence Threshold)和IoU阈值(一般设置为0.5,也会衡量0.75以及0.9的mAP值): 当一个预测边界框被认为是True Positive(TP)时,需要同时满足下面三个条件: Confidence Score > Confidence Threshold 预测类别匹配真实值(Ground truth)的类别 预测边界框的IoU大于设定的IoU阈值 不满足条件2或条件3,则认为是False Positive(FP)。当对应同一个真值有多个预测结果时,只有最高置信度分数的预测结果被认为是True Positive,其余被认为是False Positive。 Precision和Recall的概念如下图所示: Precision表示TP与预测边界框数量的比值 Recall表示TP与真实边界框数量的比值 改变不同的置信度阈值,可以获得多组Precision和Recall,Recall放X轴,Precision放Y轴,可以画出一个Precision-Recall曲线,简称P-R
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