25、软件方法构建与应用案例解析

软件方法构建与应用案例解析

1. 业务形式化与创新方法构建

在业务形式化与创新方面,方法构建主要分为方法块选择、组装等步骤。
- 方法块选择 :当明确方法需求后,即可依据需求驱动策略来选择匹配的方法块。此策略通过为方法块的描述符和接口属性赋值,来制定方法块选择查询。例如:

Select method chunks where
Design activity = ‘Process modelling’
AND Situation = ‘Activity description’
AND Intention = ‘Define process model’

对于每个需求映射部分,至少要选择一个方法块。在实际操作中,由于缺乏完全可用的存储库,方法块的选择主要基于文献综述。以下是不同需求映射部分所选的方法块:
| 需求映射部分 | 所选方法块 |
| — | — |
| | e3value |
| | 业务模型画布(Business model canvas)、业务建模模式(Business modelling patterns) |
| | BPMN(参考相关指南) |
| | UML类图 |
| | 需定义一组一致性验证规则 |
| | 同理心地图(Empathy map)、假设性问题(What - if questions)、情景分析(Scenarios)、头脑风暴(Brainstorming) |

e3value和业务模型画布(BMC)能捕捉互补的业务

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关键参数设置(如Patch Size、Epochs、Class Weight等);③通过模型调优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、模型参数配置结果后处理环节,充分利用ENVI Modeler进行自动化建模参数优化,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。
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