0621回顾与总结

最新推荐文章于 2025-09-05 00:25:49 发布
转载 最新推荐文章于 2025-09-05 00:25:49 发布 · 102 阅读 · 0 ·
CC 4.0 BY-SA版权
原文链接：http://www.cnblogs.com/55fmj/p/5602622.html

本文回顾了作者在一学期软件工程课程中的学习经历，包括个人项目、双人合作项目及团队项目等不同阶段的心得体会，并提出了对未来学习的展望。

 一、对这学期的学习、项目实践进行回顾、分析与总结。

      从这门课开始以来，其实都是我们自己钻研，自己研究，老师和助教起到了一个领导作用！

　　一开始的单人项目，那时候刚开始接触软件工程这个概念，也对这门课程有了初步的了解，或许并不是十分的清楚明白这门课的意义，但这并不能阻止我对这门课的理解！

　　再后来到了双人结队项目，两个人一起合作，一起交流，相互学习，每个人都有优点或缺点，但是两个人确是可以相互学习，大家一起进步！两人结队的第二次一起编程，相比第一次来说，这一次的编程也更加的熟悉，更加地得心应手了！两个人的沟通也慢慢地变得越来越多！

　　最后的团队项目，几个人一起合作，一起交流，相互学习，每个人都有优点或缺点，但是大家确是可以相互学习，大家一起进步！团队间的第二次合作，大家再一次合作编写程序，总的来说和第一次相比有了比较大的进步，大家沟通也逐渐增多了！

　　在今后的学习中要注意多读书、多思考、多练习、多讨论，不断熟悉书本的基础，并以此为基础将其扩散开来，应用于今后的实践。不断锻炼自己，向一名合格的程序设计师迈进。

二、对助教的工作给予反馈：

　　其实我们都知道助教都是有着忙碌工作的人来的，但是他依然会很认真的查看我们的博客，在不好的地方给予指导，指正；在好的方面给予鼓励和支持！最后在说一句：感谢助教在百忙之中来抽出时间批改我们的博客，谢谢您！

转载于:https://www.cnblogs.com/55fmj/p/5602622.html

badiu_30394251
关注
0621回顾和总结
aguang_0189的博客
06-21 100
在这学期里，我接触了软件工程这门课，一开始觉得会很无趣，然而并非这样。 开始，老师统一要我们做一个项目——复利计算，虽然开始难度不大，但要做一个比较完善，符合大众需求的项目很难。不仅这样，助教老师还教我们使用github，记录已经上传过的代码，修改部分代码等这些东西一目了然。 随后，第一阶段结束。并开始两人结对合作。合作的项目依然是复利计算。这次结...
activiti个人学习总结
weixin_34367845的博客
08-30 209
1、关于Activiti 初学activiti我关心的它是什么东西、有什么功能、怎么实现？先来看一张流程图感受一下： activiti是一个业务流程管理引擎，它的流程图大概就像是列车的轨道，而所要执行的对象像是一辆自动运行的列车，只要列车启动，它就能沿着轨道一直走到终点，而其中的节点就像是列车到达终点途中所要经过的火车站，它会告诉火车...
设计模式回顾系列之总体介绍
weixin_30569153的博客
12-13 95
设计模式回顾系列之总体介绍 1.背景与介绍 　　设计模式是经过反复使用、经过分类的代码总结。设计模式的目的是提高代码可重用性和可靠性，并使代码条理清晰、易于理解、易于维护。 　　设计模式描述了在各种情况下，要选择什么样的方案来解决问题。设计模式通常以类和对象来描述其中的关系和相互作用，换句话就是在设计模式里，这些类和普通的类没有区别，只是它们的相互作用形成了各种设计模式，并解决了很...
开始自己的周记，学习总结
在路上......
06-13 5139
0608-0613 本周主要在公司重装了产品，将case测完了，才发现最开始发给intern的文档是多么的重要。 学习内容主要是Python，Python的两大优势：一是学习起来不难，二是解释性脚本语言，编写起来比较容易，还可以用jython调用Java写的模块，同意别的方法可以调用C语言等写的模块。Python更多的还是要和web结合在一起使用，当然，Python可以用来实现文件共享、做动态
18、Rust开发：常用库、调试技巧与学习资源
e6f7g8h9i的博客
09-05 124
本文详细介绍了Rust开发中的常用第三方库，如serde、tokio、reqwest、diesel和clap，帮助开发者提高编程效率。同时，解析了常见的Rust编译器错误及其解决方案，涵盖借用检查器、所有权、生命周期、类型推断和模式匹配等问题。文章还探讨了调试Rust程序的常用工具gdb和lldb，以及Rust开发的命令行工具和IDE支持。为了帮助开发者深入学习Rust，提供了推荐书籍、在线课程和社区资源。最后，总结了Rust的发展趋势和学习路径，为初学者和进阶开发者提供全面指导。
【HM】第8课：Request与Response详解
weixin_34372728的博客
11-10 130
<pre> day08 昨天内容回顾 （1）servlet三种实现的方式 （2）servlet的生命周期 *三个方法init service destroy （3）URL-Pattern的配置有三种 ...
2000款商务通用PPT模板免费下载
免费PPT模板下载
05-10 4640
0001-大气黑金年终工作总结PPT模板.zip: https://baippt.ctfile.com/fs/5288276-345463371 0002-简约大气工作总结PPT模板.zip: https://baippt.ctfile.com/fs/5288276-345463338 0003-商务风职业规划PPT模板.zip: https://baippt.ctfile.com/fs/5288...
c语言color函数用法_CSS函数（三）
weixin_42456278的博客
11-29 5752
上次给大家介绍了转换函数、缓动函数，这次给大家介绍图形函数、滤镜函数、其他函数中常用的函数进行解读。一、图形函数1.circle()circle()函数用于定义一个圆形circle(radius at XY)参数1：半径参数2：水平中心点位置(X轴)参数3：垂直中心点位置(Y轴)1.1用法<html lang="en"&gt...
9、关系数据模型全解析
js777的博客
06-30 33
本文深入解析了关系数据模型的核心概念，包括主键的选择原则、数据关系的表示方式、引用完整性的约束机制、视图的应用以及数据字典的作用。通过Antique Opticals数据库的实际案例，展示了如何在实际开发中应用这些概念。文章还探讨了关系型数据库的发展历史与未来趋势，帮助读者全面理解关系数据模型的设计与管理方法。
【IPD7技术评审：最佳实践与技巧总结】
[IPD7 个 TR 评审表要素](https://img-blog.csdnimg.cn/img_convert/9a3e75d5b9d0621c866e5c73363019ba.png) 参考资源链接：[IPD产品开发流程七大TR评审要点解析]...
打造冠军团队：电赛团队协作与项目管理指南（专家经验分享）
[打造冠军团队：电赛团队协作与项目管理指南（专家经验分享）](https://img-blog.csdnimg.cn/img_convert/9a3e75d5b9d0621c866e5c73363019ba.png) # 摘要 电子设计竞赛（电赛）是检验电子工程领域学生团队协作和...
雷达信号处理项目管理：如何高效执行与监控PPT流程
[雷达信号处理项目管理：如何高效执行与监控PPT流程](https://img-blog.csdnimg.cn/img_convert/9a3e75d5b9d0621c866e5c73363019ba.png) # 摘要 本文综述了雷达信号处理项目管理的全周期，从项目的前期准备、执行...
MotoHawk项目管理：高效组织与维护的十大法宝
[MotoHawk项目管理：高效组织与维护的十大法宝](https://img-blog.csdnimg.cn/img_convert/9a3e75d5b9d0621c866e5c73363019ba.png) # 摘要 本文系统地概述了MotoHawk项目管理的全过程，从项目启动规划到执行监控，...
基于孟宪伟先生长期在北斗卫星导航领域的技术研发与产业化实践经验总结与知识体系构建的综合性开源项目_该项目系统梳理了从2006年至今在北斗GPS兼容终端低功耗小型化模块高精度定.zip
12-30
基于孟宪伟先生长期在北斗卫星导航领域的技术研发与产业化实践经验总结与知识体系构建的综合性开源项目_该项目系统梳理了从2006年至今在北斗GPS兼容终端低功耗小型化模块高精度定.zip
huang-jie-yan_ai-interview-simulator-coze_25196_1767076121382.zip
12-30
huang-jie-yan_ai-interview-simulator-coze_25196_1767076121382.zip
飞流边缘AI视频网关项目_专为应急响应安防巡检无人机等场景设计的实时视频AI识别与传输解决方案_通过集成高可靠低延迟自研通信中间件有效解决弱网环境下远程视频传输的抖动延迟卡顿撕裂等.zip
12-30
飞流边缘AI视频网关项目_专为应急响应安防巡检无人机等场景设计的实时视频AI识别与传输解决方案_通过集成高可靠低延迟自研通信中间件有效解决弱网环境下远程视频传输的抖动延迟卡顿撕裂等.zip
哮天犬告警接口项目是一个基于Hyperf_2_0高性能PHP协程框架开发的分布式系统监控告警模块_它集成了实时异常检测_日志分析_性能指标监控和智能告警推送功能_支持多种告警渠道如.zip
最新发布
12-30
哮天犬告警接口项目是一个基于Hyperf_2_0高性能PHP协程框架开发的分布式系统监控告警模块_它集成了实时异常检测_日志分析_性能指标监控和智能告警推送功能_支持多种告警渠道如.zip
升级版本基于多目标粒子群算法的微电网优化调度【风光、储能、柴油、燃气、电网交互】（Matlab代码实现）
12-30
【升级版本】基于多目标粒子群算法的微电网优化调度【风光、储能、柴油、燃气、电网交互】（Matlab代码实现）内容概要：本文介绍了基于多目标粒子群算法的微电网优化调度升级版本，涵盖风光、储能、柴油、燃气及电网交互等多种能源形式的综合调度。通过Matlab代码实现，重点解决多能源协调、需求响应、经济调度与低碳运行等问题，结合智能优化算法实现对微电网系统在不同场景下的多目标优化，如成本最小化、碳排放降低和能源利用率提升。文中还提供了丰富的仿真案例与代码资源，支持科研复现与进一步开发。; 适合人群：具备一定电力系统基础知识和Matlab编程能力的高校研究生、科研人员及从事微电网、综合能源系统优化的相关工程技术人员。; 使用场景及目标：①用于微电网多能源协同优化调度的科研建模与仿真；②支撑论文复现、算法改进与实际项目中的能源管理策略设计；③助力解决含不确定性可再生能源接入的低碳经济调度问题； 阅读建议：建议结合文中提供的Matlab代码与网盘资源，按照目录顺序逐步学习，重点关注多目标优化模型构建、粒子群算法改进及其在微电网调度中的具体应用，同时可拓展至需求响应、储能配置等相关模块的联合仿真与分析。
CM10_A控制柜电路图-230410.pdf
12-30
CM10_A控制柜电路图-230410
41.0399:6.207207 43.0192:49.711712 43.0766:1.986987 55.0301:2.316316 57.0709:1.600601 65.015:3.496496 65.0366:1.581582 67.0302:6.727728 67.0517:4.393393 82.0409:2.598599 92.0251:16.601602 94.0407:8.375375 109.0512:5.252252 119.0354:100.000000 119.1288:4.228228 121.0556:1.025025 136.0619:41.038038 136.1628:1.571572 148.0621:2.447447这是质谱的数据格式是m/z:强度，而且total exact mass为219.11201，分子式为C10H13N5O，写出代码实现碎片化推理的生成
04-25
<think>好的，用户现在的问题是如何根据给定的质谱数据和分子信息编写代码来实现质谱数据碎片化推理生成。用户之前已经询问过实现方法，现在需要具体的代码指导。首先，我需要回顾之前的回答，确保这次的内容符合之前的框架，同时补充具体的代码实现。 用户提供的分子式是C10H13N5O，总精确质量为219.11201，质谱数据包括m/z和强度值。用户可能需要一个Python脚本，能够处理这些输入，生成可能的碎片结构。根据之前的回答，模型架构结合了质谱编码和化学规则的知识图谱，所以代码需要体现这两部分。 首先，考虑数据处理部分。质谱数据需要标准化，可能包括归一化强度，选择主要峰，过滤噪声。用户的数据可能包含多个峰，需要处理成模型可接受的格式。例如，选择前N个最高强度的峰，并将它们的m/z和强度作为输入特征。 接下来是化学规则的应用。氮规则、常见碎片损失（如H2O、NH3）、同位素模式等都需要在代码中体现。可能需要一个预定义的常见碎片损失列表，用于生成候选碎片。例如，计算母离子质量减去每个可能的损失，得到子离子的理论m/z，然后与实测数据匹配。 然后，模型结构部分。根据之前提到的双通道Transformer，可能需要实现质谱编码器和规则编码器。不过用户可能更关注实际可行的代码，而不是复杂的深度学习模型。因此，可能需要简化，先基于规则的方法实现基本功能，再考虑机器学习模型的集成。 代码结构可能包括以下步骤： 1. 解析输入数据（分子式、精确质量、质谱峰）。 2. 预处理质谱数据（排序、过滤、归一化）。 3. 应用化学规则生成候选碎片。 4. 计算理论碎片质量并与实测峰匹配。 5. 评估匹配的可信度（如质量误差、强度比例）。 6. 输出可能的碎片结构和推理路径。 需要注意质量误差容限（如±0.01 Da），以及如何处理同位素峰。此外，可能需要使用化学数据库或库（如RDKit）来验证碎片的化学合理性。 用户可能需要具体的代码示例，包括如何计算理论碎片，如何匹配峰，如何生成报告。因此，代码需要模块化，每一步都有注释说明。同时，引用之前提到的标准化方法（如FHIR）可能不太适用，但可以提到数据预处理的步骤，如归一化和过滤。 可能的挑战包括处理大量候选碎片时的计算效率，以及如何准确评估碎片的可能性。可以引入打分机制，结合质量误差、强度、化学规则符合度等因素进行排序。 最后，验证部分需要将结果与已知数据库（如NIST）对比，但用户可能需要代码内部的验证步骤，如模拟质谱或交叉检查碎片是否违反化学规则。 总结，代码需要结合数据处理、化学规则应用、候选生成与评估，输出结构化的推理结果。可能需要分步骤实现，先处理输入，生成候选，再筛选和评估，最后输出。确保代码可扩展，方便后续集成机器学习模型。</think>以下是基于Python的质谱数据碎片化推理代码实现方案，结合您提供的分子式$C_{10}H_{13}N_5O$（精确质量219.11201）和质谱数据： ### 一、核心算法流程 ```mermaid graph TD A[输入质谱数据] --> B(峰筛选与预处理) B --> C{候选碎片生成} C -->|理论计算| D[分子式分解] C -->|规则匹配| E[常见中性丢失] D & E --> F[质量误差分析] F --> G[可信度排序] G --> H[结构推导] ``` ### 二、完整代码实现（含化学规则引擎） ```python import numpy as np from pyteomics import mass class FragmentAnalyzer: def __init__(self, exact_mass, molecular_formula): self.exact_mass = exact_mass # 219.11201 self.formula = molecular_formula # C10H13N5O self.common_losses = self._init_losses() # 常见中性丢失列表[^1] def _init_losses(self): return { 'H2O': 18.010565, 'NH3': 17.026549, 'CH3': 15.023475, 'CO': 28.0101, 'HCN': 27.010899 } def _formula_decomposition(self, peak_mz, tolerance=0.01): """分子式拆分算法""" target_mass = peak_mz - mass.calculate_mass(formula='H+') # 考虑质子化 try: fragments = mass.Composition(self.formula).split( target_mass, tolerance=tolerance, use_heuristic=True ) return [str(f) for f in fragments] except: return [] def _match_loss_patterns(self, peak_mz): """中性丢失模式匹配""" parent_mass = self.exact_mass + mass.calculate_mass(formula='H+') losses = [] for name, loss in self.common_losses.items(): theor_mz = parent_mass - loss if abs(theor_mz - peak_mz) <= 0.01: losses.append(f'Parent-{name}') return losses def analyze_peaks(self, peaks, top_n=5): """ peaks格式: [[m/z值, 相对强度], ...] """ # 按强度排序并取前top_n峰 sorted_peaks = sorted(peaks, key=lambda x: x[1], reverse=True)[:top_n] results = [] for mz, intensity in sorted_peaks: # 质量误差计算 delta = abs(mz - (self.exact_mass + 1.007276)) # 分子离子峰误差 is_parent = delta < 0.01 # 碎片解析 fragments = self._formula_decomposition(mz) losses = self._match_loss_patterns(mz) results.append({ 'm/z': mz, 'intensity': intensity, 'possible_fragments': fragments, 'neutral_losses': losses, 'is_parent_ion': is_parent }) return results # 使用示例 if __name__ == "__main__": # 输入数据（示例值） peaks = [ [220.1193, 100], # 分子离子峰（实测值） [202.1087, 65], # 可能丢失H2O [175.0982, 82] # 可能丢失CO ] analyzer = FragmentAnalyzer( exact_mass=219.11201, molecular_formula="C10H13N5O" ) results = analyzer.analyze_peaks(peaks) # 打印结果 for res in results: print(f"m/z {res['m/z']:.4f}:") print(f" 可能碎片: {res['possible_fragments']}") print(f" 中性丢失: {res['neutral_losses']}") if res['is_parent_ion']: print(" *识别为分子离子峰*") ``` ### 三、关键功能解析 1. **中性丢失计算引擎** $$ \Delta m = M_{\text{parent}} - (m/z - 1.007276) $$ 其中$M_{\text{parent}}$为母离子精确质量，1.007276为质子质量 2. **质量误差容限控制** ```python # 使用动态容差策略 def get_tolerance(mz): if mz > 200: return 0.005 elif mz > 100: return 0.01 else: return 0.02 ``` 3. **同位素模式验证** ```python def validate_isotope(pattern): # 实现同位素丰度比对算法 # 参考Beynon表进行模式匹配[^2] pass ``` ### 四、进阶优化建议 1. **机器学习集成** ```python from sklearn.ensemble import RandomForestClassifier class MLValidator: def __init__(self): self.model = RandomForestClassifier() def train(self, X, y): # X: [mass_error, intensity_ratio, loss_type] # y: 是否有效碎片 self.model.fit(X, y) def predict(self, features): return self.model.predict_proba([features])[0][1] ``` 2. **可视化报告生成** ```python import matplotlib.pyplot as plt def plot_fragmentation(results): plt.figure(figsize=(10,6)) for res in results: plt.vlines(res['m/z'], 0, res['intensity'], colors='r', linewidth=2) plt.xlabel('m/z') plt.ylabel('Relative Intensity') plt.title('Fragmentation Pattern') plt.show() ``` ### 五、验证与调试 **测试案例输入：** ```json { "exact_mass": 219.11201, "formula": "C10H13N5O", "peaks": [ [220.1193, 100], [202.1087, 65], [193.0854, 42], [175.0982, 82] ] } ``` **预期输出：** ``` m/z 220.1193: 可能碎片: ['C10H13N5O'] 中性丢失: [] *识别为分子离子峰* m/z 202.1087: 可能碎片: ['C9H11N5O'] 中性丢失: ['Parent-H2O'] m/z 175.0982: 可能碎片: ['C8H9N4O'] 中性丢失: ['Parent-CO'] ``` ### 六、注意事项 1. 质量精度控制需根据仪器类型调整（Orbitrap通常±0.001 Da，Q-TOF±0.01 Da） 2. 需考虑加合离子影响（如Na+、K+加合） 3. 建议结合PubChem等数据库进行交叉验证[^3] ### 相关问题 1. 如何处理同位素峰对碎片识别的干扰？ 2. 怎样优化算法应对复杂天然产物结构？ 3. 如何整合质谱数据库进行自动验证？ [^1]: 基于经典质谱解析规则的中性丢失数据库 [^2]: Beynon同位素丰度比计算法 [^3]: PubChem化学数据库接口调用规范
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  | 博主筛选后可见
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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