workflower的博客

原创 软件工程方向的论文的实验结果有哪些量化方法

$ \text{误报率} = \frac{\text{工具误报的缺陷数}}{\text{工具报告的总缺陷数}} \times 100\% $$$$ \text{检出率} = \frac{\text{测试发现的缺陷数}}{\text{总缺陷数}} \times 100\% $$性能提升率：$$ \frac{\text{A耗时 - B耗时}}{\text{B耗时}} \times 100\% $$- 平均响应时间（ms/s）、第95/99百分位响应时间（P95/P99）。

原创 毕业论文要具备哪些内容才能算软件工程方向的论文

关键技术与平台选型： 说明选择的主要编程语言、框架、数据库、中间件、云平台等，并解释选型依据（考虑因素如成熟度、社区支持、性能、与架构的匹配度、团队熟悉度）。如何设计更可靠的架构？* 理论基础： 回顾与论文研究问题密切相关的软件工程核心理论、原则、模型（如软件生命周期模型、软件体系结构风格、设计模式、质量模型、测试理论、过程改进模型等）。* 研究内容与方法： 概述为实现目标将要开展的主要研究工作和采用的关键方法（如文献研究、案例分析、需求工程、系统设计、原型实现、实验评估、模型验证等）。

原创 范围确定到工作调研

产品的目标是改进客户工作的某部分，所以你需要调研工作，发现需求，满足项目的目标。要正确地确定工作的范围，就要指定工作与组织机构其他部分之间的接口，或工作与相关外部系统和客户之间的接口。这些范围知识可以用几种方式来表示，但我们认为工作上下文范围图和事件列表是最快速、最直接的方式。你也需要分析利益相关者，确定所有利益相关者(而不只是关键的利益相关者)，他们的职责，项目需要他们参与的程度。在顺序项目中，可能有某种规定的高层业务需求文档，你必须将范围知识填充进去，表明实现了这些突破条件。范围，对应到业务事件。

原创 工作调研到产品确定

当然，这种技术不会适用于所有的迭代项目，因为组织机构的限制条件有时候会强制你将知识转换成规定的文档。重要的考虑在于，你已经有了必需的知识，而且整个团队都能看到，能理解。此时，你知道选择的BUC所遵守的业务规则，并且你已充分调研了它的功能如何适合整体的工作。对于迭代项目轮廓来说，你可能与本地的小团队一起工作，所以我们认为可见的显示可能是分享信息的最佳选择。你可能选择在墙上保留信息，形式可能是告示、场景、业务故事卡、即时贴或文档，让积累的工作知识可见。我们发现经常给墙拍照是聪明的做法。

原创 需求的场景

在需求工作中，我们用这个术语来表示我们研究的一部分工作的情节。BUC是一些不连续的功能，它在自己的连续时间框架内发生，可以认为它与工作其他部分的功能是分开来的。7.爱看电影的人选择发送邮件给一些选中的朋友，其中包含电影的细节和共同观影的邀请。2.爱看电影的人根据上映的时间和电影院的位置来过滤电影。6.电影票的细节和快速响应码发送到爱看电影的人的手机上。8.爱看电影的人检查电影院可用的停车位和可选的公共交通。1.爱看电影的人根据以前记录的偏好询问电影。4.爱看电影的人选择一部电影。

原创 需求的场景

场景在大多数情况下都是有用的，因为所有人都能理解它们，它们适合所有开发类型。需求分析师和相应的利益相关者在一起，每次为一个业务用例建立一个场景。与编写代码制作原型相比，利用场景通常能更快地发现要求的功能。兔子项目中的场景通常不考虑非功能性需求，稍后通过独立的非功能故事卡来记录。如果产品很复杂，或者如果需要功能性需求文档来签订合同，你应该使用场景来发现需求，但不要用它们作为最后的规格说明。如果场景是完整的(也就是说，如果异常和可选情况都已发现或确定)，它就作为编写功能性需求的基础。

原创 非功能需求

非功能需求并不改变产品的基本功能。更复杂的是，非功能需求可能为产品增加功能。以安全性为例，产品可能必须做一些事情 ，确保只有管理工程师能修改数据，但这项功能是由非功能需求引起的，这里是因为安全性。非功能需求是需求规格说明的重要组成部分。如果产品满足了它所要求的功能需求，非功能需求是需求规格说明的重要组成部分。如果产品满足了它所要求的功能需求，非功能属性，如可用性、方便性、打动人心，是否得到满足可能 属性，如方便性，激励人心。是:功能需求是动词，非功能需求是形容词。是：功能需求是动词，非功能需求是形体词。

原创 豆包生成的代码，感觉C++已经失去他启蒙和底层的作用了。

直接上vector，连数组分配空间什么的都不用考虑了。底层的基础不需要知道吗？两个已经排好序的数组，合并成为一个数组，用C++实现。

原创 正常流程、可选流程和异常

用例内其他成功的场景称为可选流程或者二级场景。和正常流程一样，可选流程交付相同的业务结果(有时会有变化)，但描述了任务中一些不常见或 选择流程支付相同的业务结果（有时会有变化），但描述的任务中一些不一致或低优先级的变化或它是如何完成的。正常流程可以在某个对话框的决策点分支 低优先级的变化或它是如何完成的。它也称为主要流程、基本流程、正 场景被确定作为用例事件的正常流程。它也称为主要流程、基本流程、正常过程、首要场景、主成功场景、阳光场景和快乐路径。正常流程写 的正常流程是申请化学品品库房中可用的化学品。

原创 需求用例的前置条件和后置条件

当系统检测到触发事件时，表明用户想要执行一个特定的用例，系统会对 当系统检测到触发事件时，表明用户想要执行一个特定的用例，系统会对自己说(尽管对用户来说不是必须的)，“ 等我先我检查下这些前置条件。到所有用例的前置条件，因此，业务分析师可能需要从其他来源获得输入。先决条件可以描述系统的状态(例如，一个用例是从ATM提取现金，机器中必须有现金)，但是他们并 状态（例如，一个应用是从ATM提取现金，机器中必须有现金），但他们并不会描述用户的意图(“我需要一些现金”) 不会描述用户的意图（“我需要一些现金”）。

原创 电子工业出版社和机械工业出版社

这两家出版社都是各自领域内的重要出版机构，在出版行业具有较高的知名度和影响力。电子工业出版社在电子信息、计算机等领域出版了大量专业书籍和教材；机械工业出版社则在机械工程、自动化等方面有丰富的出版资源和优秀的出版物。电子工业出版社和机械工业出版社级别相同，都属于国家级出版社。

原创 软件排错与测试要领

显示输出，使搜索局部化。检验那些应当保持的特征。现在排除，而不是以后。把你的代码解释给别人。把错误弄成可以重现的。首先测试最简单的部分。不要两次犯同样错误。研究错误的计数特性。测试代码的边界情况。测试前条件和后条件。比较相互独立的实现。

原创 软件性能与可移植性要领

使用尽可能小的数据类型以节约存储。把系统依赖性局限到独立文件里。不要假定是A S C I I。用低代价操作代替高代价操作。把系统依赖性隐藏在界面后面。如果改变规范就应该改变名字。维护现存程序与数据的相容性。使用更好的算法或数据结构。在某个低级语言里重写代码。数据交换时用固定的字节序。不要优化无关紧要的东西。只使用到处都能用的特征。写专用的存储分配程序。不存储容易重算的东西。在主流中做程序设计。警惕语言的麻烦特性。用多个编译系统试验。

原创 编程风格123

全局变量用具有描述意义的名字，局部变量用短名字。释放资源与分配资源应该在同一层次进行。使用字符形式的常量，不要用整数。把数定义为常量，不要定义为宏。不要注释不好的代码，应该重写。在各处都用同样方式做同样的事。使用一致的缩行和加括号风格。在低层检查错误，在高层处理。为了一致性，使用习惯用法。给宏的体和参数都加上括号。利用语言去计算对象的大小。给函数和全局数据加注释。不要在用户背后搞小动作。只把异常用在异常的情况。函数采用动作性的名字。使用表达式的自然形式。给神秘的数起个名字。不要大谈明显的东西。

原创 计算机文化

本书的背景就是基于这些具有持久性的概念。做那种最简单的能解决问题的东西，选择那些应该是足够快的最简单的算法、能够满足需要的最简单的数据结构；作为程序员个人，我们很容易感到自己像是位于某种大机器上的一个小齿轮，必须使用那些强加给我们的语言、系统和工具，做那些我们必须完成的工作。通过应用本书里的某些思想，你将能够发现你的代码更容易用了，你的排错过程也不再那么痛苦了，你对自己的程序设计更加有自信心了。普遍性常常也是达到可移植的正确途径：找一个一般性的，能够在所有系统上工作的解，而不是去扩大不同系统之间的差异。

原创 以光量子为例，详解量子获取方式

原创 量子比特实现方式

原创 软件工程专业的本科生应该具备哪些技能

移动端开发：Kotlin/Java（Android）、Swift/Objective-C（iOS）、Flutter/Dart（跨平台）。- 集成开发环境（IDE）：IDEA（Java）、PyCharm（Python）、VS Code（全栈）、Android Studio。- Java（企业级开发主流，如Spring框架）、Python（全栈开发、数据科学）、C/C++（算法与底层开发基础）。- 测试工具：JUnit（Java单元测试）、Postman（接口测试）、Selenium（自动化测试）。

原创 软件工程专业本科毕业论文模板

通过“问题驱动+技术验证”的写作逻辑，突出工程实践价值与创新点，可显著提升论文质量。- 实体关系图（ER图）展示表结构与关联（如“用户表与订单表通过用户ID关联”），附字段说明（如“订单状态字段取值：0-未支付，1-已支付”）。- 绘制系统架构图（如分层架构图），说明各层职责（如“网关层实现负载均衡与限流”），标注技术选型（如“Nginx + Sentinel”）。- 描述问题（如“分布式事务一致性问题”），解决方案（如“TCC补偿机制”），实施效果（如“事务回滚成功率提升至99.9%”）。

原创 ai能验证正则表达式吗

例如，一些自然语言处理的库可以处理文本中的正则表达式模式匹配。另外，专门的代码分析和验证工具，利用AI技术来检查正则表达式的语法正确性以及在给定文本中的匹配效果。此外，一些智能代码编辑器也会利用AI相关技术提供正则表达式的验证和提示功能，帮助开发者更准确地编写和调试正则表达式。不过，虽然AI能提供帮助，但在复杂情况下，可能仍需要人工进行仔细检查和验证，以确保正则表达式的准确性和可靠性。AI可以用于验证正则表达式。一些AI工具或库能够对正则表达式进行分析和验证。

原创 本科论文的意义，呵呵呵

通过分析学生论文中存在的问题，高校可以发现教学过程中的薄弱环节，为教学改革和课程设置的优化提供参考，从而不断提高教学质量。- 评估学生水平：本科论文是高校衡量学生是否达到本科毕业要求的重要依据之一，通过论文的质量可以综合评估学生对专业知识的掌握程度、科研能力和创新能力等，是对学生本科阶段学习成果的全面检验。- 解决实际问题：许多本科论文的选题来源于社会实际需求和生产实践中的问题，学生通过研究提出的解决方案或建议，可能会对相关领域的发展产生一定的推动作用，为社会发展做出贡献。在学术传承和社会发展中的作用。

原创 科技类专著写作与出版过程

5. 修改完善：对初稿进行反复修改，检查内容的准确性、完整性、逻辑性，以及语言表达的流畅性，同时注意图表、公式等的规范使用。4. 撰写初稿：按照大纲的要求，将收集到的资料进行系统组织和阐述，用准确、规范的语言表达自己的观点和研究成果，完成初稿写作。3. 签订出版合同：如果出版社同意出版，双方将签订出版合同，明确双方的权利和义务，如出版时间、版税支付方式、版权归属等。4. 编辑加工：出版社的编辑会对书稿进行编辑加工，包括内容审核、文字润色、格式规范、图表处理等，确保书稿符合出版要求。

原创 人工智能论文固定模式

介绍使用的数据集：包括公开数据集（如ImageNet、MNIST、GLUE）和自建数据集，说明数据规模（样本数、特征维度）、划分方式（训练/验证/测试集比例）。- 创新模块：重点描述与现有方法的差异（如“改进的残差连接结构”“自适应权重机制”），解释其理论依据（如“缓解梯度消失”“增强特征表达能力”）。- 分类综述：按技术路线（如“基于深度学习的方法”“传统机器学习方法”）或任务（如“图像生成”“自然语言推理”）分类，梳理现有研究。

原创 需求可测试性评价

明确的输入和输出：需求中明确规定了输入为用户在搜索框中输入的关键词，输出为符合条件的商品列表，包括图片、名称、价格等具体信息。测试人员可以根据这些明确的输入和输出编写测试用例，例如输入不同类型的关键词，验证输出的商品列表是否准确。用户在APP的搜索框中输入关键词，点击搜索按钮后，系统应在1秒内显示与关键词相关的商品列表，列表需按照相关性和销量进行综合排序，且每页显示20个商品。通过对这些可测试性评价指标的应用，能够有效地对“商品搜索”功能的需求进行测试，确保该功能满足用户的期望和系统的要求。

原创 软件需求文档如何做精确度度量

可追溯性：建立需求与后续开发过程（如设计、编码、测试）之间的追溯关系，确保每个需求都能在后续阶段得到落实和验证。- 需求覆盖度：检查需求文档是否涵盖了软件系统所有的功能、性能、界面、安全等方面的要求。可以通过建立需求清单，逐一核对每个功能点和特性是否都有明确描述，计算已覆盖需求的比例。- 可理解性：评估需求描述是否使用了清晰、简洁的语言，是否避免了模糊和抽象的表述。- 缺失率：计算需求文档中未明确描述的需求占总需求的比例。例如，通过与相关利益者沟通或对类似项目的需求进行对比，找出文档中缺失的部分。

原创 跨行业协同案例

通过整合深圳的科技资源与汕头的产业基础，双方推出“濠江珍好”区域公共品牌，将传统包装业与新材料、智能智造结合，开发出宠物家居、纸艺家居等新品类，并通过丹选月饼礼盒等创新产品实现市场突破。平台支持虚拟展厅、在线发布会等场景，用户可通过数字人漫游、互动，实现商品展示、在线报货等功能，同时集成数据管理与分析能力，为品牌商、零售商提供高效协作平台。双方利用龙江交投的跨境物流能力与河北交投的“冀交万里行”电商平台，建立从产地到终端的全链条供应链，未来还将拓展其他农作物贸易，为国际贸易与物流协同提供样本。

原创 金融欺诈有哪些检测手段

*最有效的防护**永远是多层防御：技术拦截（70%）+ 人工研判（20%）+ 用户意识提升（10%）。- **对抗性攻击（Adversarial Attacks）**：欺诈者使用GAN生成虚假信息，需持续升级AI模型。- **隐私合规**：GDPR/CCPA下需平衡数据使用与隐私保护（差分隐私、同态加密）。- **跨行业协同**：金融、电商、通讯行业共建反诈联盟（如中国反诈中心APP数据联动）。- **原理**：预设基于历史经验的规则（如"单笔交易超过10万元触发审核"）。

原创 加密数据的测试方法

**Nmap**（`nmap --script ssl-enum-ciphers`）：扫描服务支持的加密协议。- **异常测试**：使用错误密钥或损坏的密文尝试解密，验证系统是否返回预期错误（如解密失败提示）。- **示例**：旧密钥泄露后，新加密数据是否使用新密钥，历史数据是否重新加密。- **工具**：使用NIST或OWASP推荐的加密库（如OpenSSL）。- **示例**：PCI-DSS要求信用卡数据必须加密存储且密钥独立管理。

原创 数据脱敏后的测试方法

最终目标是实现**安全与效能的平衡**。- **示例**：用户表脱敏的`user_id`需与订单表中的`user_id`匹配，否则关联查询失败。- **工具示例**：编写SQL查询或脚本扫描字段是否符合脱敏模式（如`138****5678`）。- **示例**：脱敏后的邮箱需满足`xxx@xxx.com`格式，否则注册功能测试会失败。| 性能下降（如加密字段） | 优化加密算法或对非必要字段改用轻量脱敏（如屏蔽）。| 脱敏后外键关联断裂 | 使用一致性脱敏算法（如主键和外键同步替换）。

原创 人工智能在医疗领域的研究

**病灶检测与分割**：利用深度学习（如CNN、U-Net）自动识别CT、MRI、X光中的肿瘤、骨折等病变。- **眼科与皮肤科应用**：例如糖尿病视网膜病变筛查（如IDx-DR）、皮肤癌识别（如DermAssist）。- **临床决策支持系统（CDSS）**：如IBM Watson Oncology（争议性案例需谨慎验证）。- **药物重定位**：分析现有药物治疗新疾病的潜力（如AI发现巴瑞替尼可用于COVID-19）。- **传染病建模**：利用时空数据预测疫情传播（如COVID-19预测模型）。

原创 数据脱敏（Data Masking）的方法

**示例**：信用卡号 `1234-5678-9012-3456` → `9876-5432-1098-7654`。- **示例**：工资 `10000元` → `9800元` 或 `10200元`（±随机扰动）。- **示例**：日期 `2023-10-05` → `05-2023-10`（需业务允许）。2. **保持关联性**：脱敏后数据的外键关联或业务逻辑需保持一致（如用户ID脱敏后仍能关联订单）。- **示例**：`用户ID：123` → `sha256("salt+123")`。

原创 数据仓库-中间层数据模型

在顾客的D I S层，应该有一个到帐户的连接件，说明一个顾客可以有一个或多个帐户。与企业E R D是由反映不同用户群体的不同E R D所建成的一样，企业D I S由多个D I S建成，如图3 - 1 9所示。对高层模型中标识的每个主要的主题域，或实体，都要建一个中间层模型，如图3 - 1 3所示。有趣的是，只有在很少的情况下，所有的中间层模型能一次全部建好。这个图表的另一个特点是公用数据在左边，所有的独有数据在右边。这是一个对于一个金融机构帐户的D I S，显示了D I S里所有不同的构造。

原创 数据仓库-数据模型

书写集成范围的定义应该不超过5页，而且应该使用业务人员懂得的语言。箭头的方向和数量表示关系的基数，只有直接的关系才标志。企业E R D由很多反映了整个企业不同人员的不同观点的单个的E R D合成的，如图3 - 1 2所示。哪些实体属于模型的范围，哪些实体不属于，是由所谓的“集成范围”来决定的，如图3 - 11所示。有三个层次的数据建模：高层建模( E R D，实体关系层)，中间层建模( D I S，数据项集)，底层建模(物理层)。公共的E R D依照用户的观点而建，这些观点来自与不同部门适当的人员的交流。

原创 数据/过程模型和体系结构设计环境

在许多场合和环境下，过程模型是很有价值的。但在建造数据仓库时，过程模型是个障碍。过程模型是基于需求的，它假设在细节设计开始之前是知道需求的。在处理过程时，是可以这样假设的。但这样的假设在建造数据仓库时是不成立的。其实许多开发工具，如C A S E工具具有相同的功能定位，为此，它们不适用于数据仓库环境。尝试使用传统的设计方法前，设计者必须明白这些方法的适用范围与其局限性。过程模型仅仅适用于操作型环境。数据模型既可用于操作型环境，又可用于数据仓库环境。数据模型或过程模型用错了地方，只会带来失败。

原创 数据仓库和数据模型

导出数据加到企业数据模型中，在那里导出数据作为公用并只计算一次，而不重复计算。图3 - 8所示的是一个企业数据模型，该模型建造时没有考虑现存的、操作型系统与数据仓库之间的差别。不常变化的数据聚集在一起，时而变化的数据聚集在一起，常变化的数据聚集在一起。稳定性分析的最终结果(这是物理数据库设计前数据建模的最后一步)是具有相似特性的数据聚集在一起。设计的最后一项设计工作是企业数据模型到数据仓库数据模型的“稳定性”分析。可以作一个类比，企业数据模型是亚当，操作型数据模型是凯恩，数据仓库的数据模型是亚伯。

原创 设计数据仓库-从操作型数据开始

考虑到四个应用中有同样的字段P I P E L I N E，但是每个应用中的度量是不一样的。每个应用系统都有其独立的、特殊的需求，而且在开发过程中不曾考虑到其他的应用。但是，现存系统的集成(或缺乏集成)并不是从操作型的现存系统到数据仓库系统中的数据转换工作的唯一难点。现存系统环境中有大量的数据，每次数据仓库扫描时都试图对这些数据扫描一次，将是极大的浪费，同时也是不现实的。认为建造数据仓库仅仅是数据的抽取过程的观点之所以是错误的，主要是因为操作型环境中的数据是非集成的。起初，现存系统中存储的是操作型数据。

原创 数据仓库，扫描量

利用日志文件的另一个困难是它内部格式是针对系统的用途而构造的，而不是针对应用程序的。最后一个选择(很多情况下，是一个可怕的选择，其目的是使人们相信一定有更好的办法)是将一个“前”映象文件和一个“后”映象文件进行比较。当一个应用对记录的最近一次变化或更改打上时戳时，数据仓库扫描就能够很有效地进行，因为日期不相符的数据就接触不到了。有了增量文件，扫描的过程就会变得高效，因为不在候选扫描集中的数据永远不会涉及到。当数据从现存操作型环境传送到数据仓库时，要考虑的另一个问题是需要对数据的量进行管理。

原创 创建专家系统的事实和规则

然而，现在，我们可以给专家系统一些事实和一些规则，如“如果两个人的父母亲相同，那么他们是兄妹”，专家系统可以使用这些规格来推断出L i n d a和B u n g o是兄妹。例如，读一下图所示的有关B a g g i n s家族的事实，就可以看到L i n d a和B u n g o是怎样联系到一起来的。因为兄妹的规则是通用的—因为它不需要特指任何人，因此，专家系统也可以使用这个规则推断出知识库中其他是兄妹的人。现在假设你是专家系统的推理机，使用兄妹规则，你可以找到图所示的知识库中的其他兄妹吗？

原创 人、决策和信息

管理者决定一个组织机构怎样执行它的活动，他们决定组织机构的目标，计划怎样来实现这个目标。工人和管理人员执行的活动对组织机构的成功都有贡献。理解金字塔型组织机构中各个管理层次的决定类型，对于鉴赏一个信息系统的重要性是很有帮助的。每个组织机构都需要人。要使得雇员的活动能协调起来，大部分组织机构采用权利和工资上升来安排雇员的组织机构结构。如图所示的组织机构图描述了组织机构中雇员的金字塔型的层次结构，A & L即采用这种方式。采用金字塔方式来进行管理的组织机构中的人，可以分为工人或管理者。

原创 量子计算是如何运作的？

基础原理：光的干涉。