Structure Diagram

模块结构图

任务描述 本关考察将数据流图转换为模块结构图。为了完成本关任务,你需要掌握: 什么是模块结构图; 数据流图转换为模块结构图的流程。 相关知识 模块结构图 模块结构图(Module Structure Diagram, MSD)是用来表示系统的模块划分与层次分解关系,表示模块的调用关系、模块间数据流与控制流的传递关系以及模块与外界或数据存储的信息接口的规范化图形,是结构化系统设计的一种重要的图表描述工具。 组成元素 方框:内有名称,表示模块; 直线:表示上层模块对下层模块的调用; 尾部带空心圆的箭头:表示按方向传递的数据信息; 尾部带实心圆的箭头:表示按方向传递的控制信息。 作用 描述模块间参数交换情况、评价模块间耦合情况、确定模块间的接口。结构图一般不列入设计文档,只用于设计阶段检查模块设计的正确性和模块独立性。 变换设计 变换设计就是从变换型数据流图映射出软件模块结构的过程,也称以变换为中心的设计。 变换设计的基本方法有两步: 分解第一层模块结构,就是把整个变换分解成输入控制模块Ci、输出控制模块Co和变换中心控制模块Ct,由主控模块控制; 图1 变换设计 图2 变换设计 分别设计输入、输出和处理的下层模块结构,方法是:从变换中心边界向两侧移动,分别把输入通路和输出通路的每个处理映射成输入控制模块Ci和输出控制模块Co的下属模块。变换中心的下层模块,是把每个处理映射成变换中心控制模块Ct的一个直接下属模块。 图3 变换设计 事务设计 事务设计就是从事务型数据流图映射出软件模块结构的过程,也称为以事务为中心的设计。 事务设计的基本方法有两步: 建立主控模块、接收输入类型分析模块和事务调度模块; 图4 事务设计 分别设计输入类型分析模块和调度模块的下层模块结构。方法是:将输出的每条通路作为调度模块的一个判断分支,而输入类型分析模块的下层模块与变换设计类似。 图5 事务设计 图6 事务设计 闯关要求 案例介绍 网上商城订单系统具有如下功能流程: (1)顾客提交订单至订单管理系统审核,在系统审核完成后会向用户反馈订单状态。在订单入库后即为“提交成功、尚未审核”状态,此时更新 订单文件;订单管理员在后台浏览到顾客提交的订单(订单文件),在审核订单并确认订单信息有效后,将订单的状态更改为“订单已审核,尚未付款”,若未通过审核,则将“订单无效”信息发给顾客。 (2)若系统读取 货物库存文件,得知商品无货信息,则向管理员通知商品无货。 该系统的数据流图如下: 图7 订单系统数据流图 题目 本题中我们将该订单子系统看作为一个独立系统,请完成下述题目: 请分析该数据流图和案例描述,找出模块结构图的主模块,在 StarUML 中画出该主模块。请将文件保存至“/home/headless/Desktop/workspace/myshixun/模块结构图/submit/step_1/”目录下,文件命名为“step1.mdj”。 视频操作介绍 注意事项 案例描述中的加粗部分即是数据流图中的各种元素,请注意甄别。 使用桌面上的 StarUML 工具来进行作图。画模块结构图具体流程:打开软件 -> 点击 File -> 点击 New -> 在界面右侧的 Model Explorer 中右键点击 Model -> 点击 Add Diagram -> 点击 Data Flow Diagram -> 在界面左侧的 Data Flow 中即可看到绘图所需的元素。 由于 StarUML 中没有专门绘制模块结构图的工具,我们使用 Data Flow Diagram 中的元素来代替模块结构图所需元素。 开始你的任务吧,祝你成功!
11-13
内容概要:本文介绍了ENVI Deep Learning V1.0的操作教程,重点讲解了如何利用ENVI软件进行深度学习模型的训练与应用,以实现遥感图像中特定目标(如集装箱)的自动提取。教程涵盖了从数据准备、标签图像创建、模型初始化与训练,到执行分类及结果优化的完整流程,并介绍了精度评价与通过ENVI Modeler实现一键化建模的方法。系统基于TensorFlow框架,采用ENVINet5(U-Net变体)架构,支持通过点、线、面ROI或分类图生成标签数据,适用于多/高光谱影像的单一类别特征提取。; 适合人群:具备遥感图像处理基础,熟悉ENVI软件操作,从事地理信息、测绘、环境监测等相关领域的技术人员或研究人员,尤其是希望将深度学习技术应用于遥感目标识别的初学者与实践者。; 使用场景及目标:①在遥感影像中自动识别和提取特定地物目标(如车辆、建筑、道路、集装箱等);②掌握ENVI环境下深度学习模型的训练流程与关键参数设置(如Patch Size、Epochs、Class Weight等);③通过模型调优与结果反馈提升分类精度,实现高效自动化信息提取。; 阅读建议:建议结合实际遥感项目边学边练,重点关注标签数据制作、模型参数配置与结果后处理环节,充分利用ENVI Modeler进行自动化建模与参数优化,同时注意软硬件环境(特别是NVIDIA GPU)的配置要求以保障训练效率。
内容概要:本文系统阐述了企业新闻发稿在生成式引擎优化(GEO)时代下的全渠道策略与效果评估体系,涵盖当前企业传播面临的预算、资源、内容与效果评估四大挑战,并深入分析2025年新闻发稿行业五大趋势,包括AI驱动的智能化转型、精准化传播、首发内容价值提升、内容资产化及数据可视化。文章重点解析央媒、地方官媒、综合门户和自媒体四类媒体资源的特性、传播优势与发稿策略,提出基于内容适配性、时间节奏、话题设计的策略制定方法,并构建涵盖品牌价值、销售转化与GEO优化的多维评估框架。此外,结合“传声港”工具实操指南,提供AI智能投放、效果监测、自媒体管理与舆情应对的全流程解决方案,并针对科技、消费、B2B、区域品牌四大行业推出定制化发稿方案。; 适合人群:企业市场/公关负责人、品牌传播管理者、数字营销从业者及中小企业决策者,具备一定媒体传播经验并希望提升发稿效率与ROI的专业人士。; 使用场景及目标:①制定科学的新闻发稿策略,实现从“流量思维”向“价值思维”转型;②构建央媒定调、门户扩散、自媒体互动的立体化传播矩阵;③利用AI工具实现精准投放与GEO优化,提升品牌在AI搜索中的权威性与可见性;④通过数据驱动评估体系量化品牌影响力与销售转化效果。; 阅读建议:建议结合文中提供的实操清单、案例分析与工具指南进行系统学习,重点关注媒体适配性策略与GEO评估指标,在实际发稿中分阶段试点“AI+全渠道”组合策略,并定期复盘优化,以实现品牌传播的长期复利效应。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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