- 博客(19)
- 收藏
- 关注
RSS订阅原创 软件过程模型
通常，用户试用原型系统之后会提出许多修改意见，开发人员按照用户的意见快速地修改原型系统，然后再次请用户试用,一旦用户认为这个原型系统确实能做他们所需要的工作,开发人员便可据此书写规格说明文档,根据这份文档开发出的软件便可以满足用户的真实需求。瀑布模型在编码之前设置了系统分析与系统设计的各个阶段，分析与设计阶段的基本任务规定，在这两个阶段主要考虑目标系统的逻辑模型，不涉及软件的物理实现。为了保证所开发的软件的质量,在瀑布模型的每个阶段都必须完成规定的文档，没有交出合格的文档就是没有完成该阶段的任务。
2024-01-13 14:24:10
743
1
原创 什么是软件危机，其产生的原因是什么
软件危机是在计算机开发和维护过程中所遇到的一系列的严重问题，主要包含两个方面。没有认识到开发只是软件漫长生命周期中一个比较次要的阶段。软件规模庞大，程序的复杂性会随着软件规模增加而增加。软件不会磨碎，维护意味着需要原来的设计，维护困难。软件是逻辑实体，具有不可见性，管理控制很困难。如何开发软件，以满足日益增长的软件需求。如何维护软件数量不断膨胀的已有软件。没有认识到程序只是软件的一部分。越到后期引入变动代价会越高。
2024-01-13 14:22:47
412
1
原创 软件工程导论知识点
可行性研究、需求分析2个阶段；软件定义阶段：包括制定计划和需求分析。①制定计划：确定总目标；可行性研究；探讨解决方案；制定开发计划。②需求分析：对待开发软件提出的需求进行分析并给出详细的定义。方法：1）结构化需求分析方法；2）面向对象的分析方法。任务：导出目标系统的逻辑模型，解决“做什么”的问题。步骤：需求分析一般分为需求获取、需求分析、编写需求规格说明书和需求评审四个步骤进行。2）
2024-01-10 22:46:31
605
原创 软件工程导论
软件危机的定义：软件危机是在计算机开发和维护过程中所遇到的一系列的严重问题，主要包含两个方面如何开发软件，以满足日益增长的软件需求如何维护软件数量不断膨胀的已有软件软件危机的表现：对软件开发成本和进度的估算不准确用户对软件不满意软件质量不可靠软件不可维护没有合适的文档资料软件成本在计算机系统中的成本逐年上升软件开发生产率低软件危机的原因①：主观方面忽视需求分析轻视软件维护没有认识到程序只是软件的一部分没有认识到开发只是软件漫长生命周期中一个比较次要的阶段。
2024-01-08 16:11:39
444
原创 机器学习笔记（持续更新中）
有监督学习在有监督学习中，所有数据带有额外的属性（例如每个样本所属的类别），必须同时包含输入和预期输出（也就是特征和目标），通过大量已知的数据不断训练和减少错误来提高认知能力，最后根据积累的经验去预测未知数据的属性。分类和回归属于经典的有监督学习算法。1.分类算法：样本属于两个或多个离散的类别之一，我们根据已贴标签的样本来学习如何预测未贴标签样本所属的类别。2.回归算法：如果预期的输出是一个或多个连续变量，则分类问题变为回归问题。无监督学习在无监督学习算法中，
2023-12-27 14:23:25
914
原创 股票预测数据集
涵盖了从1994年12月1日至2021年3月12日的数据，共计6462条数据记录。使用前5600条数据作为历史记录，用于训练BP（反向传播）神经网络模型。剩余的862条数据用于模型的预测分析。
2023-12-24 21:55:41
446
原创 动态规划算法：子段问题
给定n个整数组成的序列，现在要求将序列分割为m段，每段子序列中的数在原序列中连续排列。如何分割才能使这m段子序列的和的最大值达到最小？：给定两个字符串str1和str2，输出两个字符串的最长公共子串，保证str1和str2的最长公共子串存在且唯一。
2023-12-24 21:53:07
291
原创 棋盘覆盖问题
问题定义：在一个2^k×2^k 个方格组成的棋盘中，恰有一个方格与其它方格不同，称该方格为一特殊方格，且称该棋盘为一特殊棋盘。在棋盘覆盖问题中，要用图示的4种不同形态的L型骨牌覆盖给定的特殊棋盘上除特殊方格以外的所有方格，且任何2个L型骨牌不得重叠覆盖；
2023-12-24 21:46:23
442
原创 Ubuntu常用指令
cp -i ~ /xxx ./xxx(会提示是否覆盖)cp -r ~ /xxx (能复制目录，否则不行)mkdir -p xx/xx/xx/xx 套娃创建。绝对路径 cd /xxx/xxx (直接定位)ls -h 人性化形式显示文件大小，配合-l使用（ls -lh/lha）cat -b xxx (对非空行编号)touch xxx 创建-----touch .xxx创建并隐藏。复制粘贴 cp ~ /xxx ./xxx(或者直接 .回车）rm xxx 删除 rm -r xxx 删整个目录。
2023-12-24 21:37:50
379
原创 《计算机算法设计与分析》笔记（持续更新中）
该文章主要包含课本《计算机算法设计与分析》中的重点内容，主要是自己比较通俗的理解。很多语言比较口语化。
2023-12-24 00:33:19
1855
1
原创 对01背包问题动态规划的理解
dp[i - 1][c - wgt[i - 1]] + val[i - 1]代表的是，如果装第i个物品，首先假设只有它自己在里面，要算他自己的价值val[i - 1]，其次再看看剩余了多少重量：c - wgt[i - 1]，然后对照着物品的表格，查看当前剩余的重量，在前一个物品的记录下，所对应的最优解，以此可以看出全局的最优解。核心代码原理:首先是dp[i - 1][c]，意思是如果不装第i个物品，那么总价值就是之前第i-1的价值。然后就是要明确，wgt[i-1]代表的是第i个物品的重量。
2023-12-24 00:12:12
328
原创 NumPy部分数组运算方法
使用append()和insert()函数在原数组的基础上追加或插入新元素并返回新数组，也可用下标方式直接修改数组中的一个或多个元素的值。
2023-12-16 22:30:24
62
1
原创 情感分析分支——方面级情感分析
情感（Sentiment）：语义对于方面情感极性的倾向（Positive、Negative、Neutral）。观点（Opinion）：对于方面的形容，通常是形容词或形容词短语。类别（Category）：在一个特定的领域中，方面属于的类别。方面（Aspect）：意见所指向的实体的属性。如：手机屏幕，手机价格。普通情感分析：目标(target)和情感（sentiment）这条评论中，用户对方面“waiter”表达了积极情感，对方面。以手机评论为例：小米手机屏幕素质高，价格实惠。“pizza”表达了消极情感。
2023-11-20 22:41:25
229
1
原创 基于LSTM的方面级情感分析模型
在传统的LSTM中，对整个句子语义更重要的信息更有可能被保存在后面的时间步的隐状态向量中。：提出了一种LSTM变体，称为aspect敏感的LSTM (aspect-aware LSTM，AA-LSTM)，它在attention机制之前的上下文建模阶段将aspect的关联信息合并到LSTM单元中。ATAE-LSTM相比AT-LSTM，为了更好地利用aspect的信息，在embedding层将每个词的embedding和aspect的embedding进行拼接，得到aspect相关的词表示。
2023-11-20 22:32:57
158
原创 基于CNN的方面级情感分析——GCAE模型
原先存在的问题：许多之前的工作都是基于LSTM和注意力机制的，会将方面目标词的上下文同时编码，而这些上下文往往是同时含有方面信息和情感信息的，在使用Attention对这些上下文单词打分时，就会忽略这两类信息的不同。计算量比较大，费时间（LSTM是有时序的，计算效率低，Attention 可以并行但是计算复杂度高。GCAE代表了一种有效且高度并行化的情感分析模型，通过整合卷积层和门控单元，以及引入两种精准的过滤机制，提供了更优越的性能。没有时间依赖， 训练时可以并行，门控单元可以独立工作，计算效率更高；
2023-11-20 22:19:19
108
国际小麦期货的历史数据
2023-12-24
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人