201671010441 徐浩杰《英文文本统计分析》结对项目报告

实验四  软件工程结对项目

 博文简要信息表

项目内容
本次作业所属课程 http://www.cnblogs.com/nwnu-daizh/
这个作业要求出处 https://www.cnblogs.com/nwnu-daizh/p/10569690.html
课程学习目标 熟悉软件开发整体流程,提升自身能力
本次作业在哪个具体方面帮助我们实现目标 第一次体验一个完整的工程

 

 

 

 

 

 

 

 

 

 

 

任务一:

(1)点评小组成员作业的博客地址:

https://www.cnblogs.com/rjzhongxingda/p/10559022.html

(2)点评小组成员作业的github链接地址:

https://github.com/bianzhifengshaoye/wordcount-1

(3)点评内容:

   通读了你的博文后,你的博文严格使用了markdown排版,博文内容首先对项目进行了需求分析,其次进行了功能设计,设计实现阶段将主函数Main和统计单词的类SortResult以截图的方式呈现了出来,最后完成软件,呈现了部分代码的截图,但是result.txt文件截图文字太小,几乎看不清,希望你再完善一下。在阅读了你的PSP表格之后,发现你本次项目相对用时较少 ,看的出你在课后学习中做了很多准备,再看到你在具体编码阶段实际用时比计划用时花的时间多,应该是应在代码编写方面还需要加强,之后我将你的代码从你Github克隆下来运行.发现你的代码实现了统计词频,统计高频词,可以完整的将结果输出,实现了英文文本词频统计的软件开发。

       

 任务二:

 

一.需求分析:

1.程序需要读入至少一个词,可读入任意英文文本。

2.至少可以统计10万词及以上的文本。

3.用户可以同时查询多个单词的统计,并显示出其个数,单词频数可视化柱状图。

4.用户可以筛选单词频数大于n的单词,进行降序显示其单词及其频数。

5.统计文本所以单词及其词频,并在文本文件中按字典序进行显示。

6.统计该文本行数及字符数

7.各种统计功能均提供计时功能,显示程序统计所消耗时间(单位:ms);

8.可处理任意用户导入的任意英文文本;

9.人机交互界面要求GUI界面(WEB页面、APP页面都可)

 

二.软件设计:

在实验二的基础上增加与实现了一个类 TestBarChart,图表,柱状图的实现。

 

三.核心功能代码展示:

 

 

 

四.程序运行截图:

 

 

 

 

五. 描述结对的过程,提供两人在讨论、细化和编程时的结对照片:

 

 

 

 

六.总结:

 

    通过本次和种兴达两人结对项目的完成,使我收获了很多,两个人在一起讨论,共同学习,我们代码编写上花费大量时间,修改完最后几处错误时很欣喜。在结对中我们相互促进,查阅资料,共同寻找实现的方法,由于技术方面的不足,附加功能没有实现,两人结对明显比一个人效率要高很多。

 

 

 

 

 七.展示PSP:

 PSP2.1 任务内容  计划共完成需要的时间(min) 实际完成需要的时间(min)
 Planning 计划 45 60
 Estimate 估计这个任务需要多少时间,并规划大致工作步骤 60 60
 Development 开发 900 1000
 Analysis 需求分析(包括学习新技术) 30 45
 Design Spec 生成设计文档 30 30
 Design Review 设计复审(和同事审核设计文档) 60 60
 Coing Standard 代码规范(为目前开发制定合适的规范) 20 25
 Design 具体设计 180 240
 Coding 具体编码 800 860
 Code Review 代码复审 30 30
 Test 测试(自我测试,修改代码,提交修改) 30 40
 Reporting 报告 30 30
 Test Report 测试报告 40 45
 Size Measurement 计算工作量 30 30
 Postmortem&Process Improvement Plan 事后总结,并提出过程改进计划 60 120

 

 

 

转载于:https://www.cnblogs.com/jiegegege/p/10641072.html

内容概要:本文系统介绍了算术优化算法(AOA)的基本原理、核心思想及Python实现方法,并通过图像分割的实际案例展示了其应用价值。AOA是一种基于种群的元启发式算法,其核心思想来源于四则运算,利用乘除运算进行全局勘探,加减运算进行局部开发,通过数学优化器加速函数(MOA)和数学优化概率(MOP)动态控制搜索过程,在全局探索与局部开发之间实现平衡。文章详细解析了算法的初始化、勘探与开发阶段的更新策略,并提供了完整的Python代码实现,结合Rastrigin函数进行测试验证。进一步地,以Flask框架搭建前后端分离系统,将AOA应用于图像分割任务,展示了其在实际工程中的可行性与高效性。最后,通过收敛速度、寻优精度等指标评估算法性能,并提出自适应参数调整、模型优化和并行计算等改进策略。; 适合人群:具备一定Python编程基础和优化算法基础知识的高校学生、科研人员及工程技术人员,尤其适合从事人工智能、图像处理、智能优化等领域的从业者;; 使用场景及目标:①理解元启发式算法的设计思想与实现机制;②掌握AOA在函数优化、图像分割等实际问题中的建模与求解方法;③学习如何将优化算法集成到Web系统中实现工程化应用;④为算法性能评估与改进提供实践参考; 阅读建议:建议读者结合代码逐行调试,深入理解算法流程中MOA与MOP的作用机制,尝试在不同测试函数上运行算法以观察性能差异,并可进一步扩展图像分割模块,引入更复杂的预处理或后处理技术以提升分割效果。
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