软考信息系统项目管理师考试 2010年下半年综合知识(上午试卷)

软考

信息系统项目管理师 上午试卷

管理信 息系 统规划   法有很    常使 用的  法有三种: 关键成 功因   (Critical Success Factors,CSF)、战略目标集转化法(Strategy Set Transformation,SST) 和企业系统规划法(Business System Planning, BSP)。U/C(Use/Create)矩阵法作为系统 分析阶段的工具,主要在(1) 中使用。免费题库微信公众号:科科过教育

(1)A.BSP                B.CSF               C.SST               D.CSF  SST

●某商业银行启动核心信息系统建设, 目前已完成信息系统的规划和分析,即将开展 系统的设计与实施,此信息系统建设目前(2)

(2)A.处于信息系统产生阶段                   B.处于信息系统的开发阶段

C.即将进入信息系统运行阶段               D.处于信息系统消亡阶段

某信息系统项目采用结构化方法进行开发,按照项目经理的安排,项 目成员小张绘 制了下图。此时项目处于(3)阶段。

(3)A.总体规划           B.系统分析          C.系统设计          D.系统实施

某市政府门户网站建立民意征集栏目,通过市长信箱、投诉举报、在线访谈、草案 意见征集、热点调查、政风行风热线等多个子栏目,针对政策、法规、活动等事宜开展民意 征集,接收群众的咨询、意见建议和举报投诉,并由相关政府部门就相关问题进行答复,此 项功能主要体现电子政务(4)服务的特性。

(4)A.政府信息公开       B.公益便民          C.交流互动          D.在线办事

2002 年,《国家信息化领导小组关于我国电子政务建设指导意见》(中办发〔2002〕 17 号)提出我国电子政务建设的 12 项重点业务系统,后来被称为“十二金工程 ”。以下(5) 不属于“十二金工程 ”的范畴。

(5)A.金关、金税         B.金宏、金财        C.金水、金土        D.金审、金农

从信息系统的应用来看,制造企业的信息化包括管理体系的信息化、产品研发体系 的信息化、 以电子商务为目标的信息化。 以下(6)不属于产品研发体系信息化的范畴。

(6)A.CAD                B.CAM               C.PDM               D.CRM

某软件项目实施过程中产生的一个文档的主要内容如下所示,该文档的主要作用是  (7)

(7)A.工作分解           B.测试说明          C.需求跟踪          D.设计验证

程序员在编程时将程序划分为若干个关联的模块。第一个模块在单元测试中没有发 现缺陷,程序员接着开发第二个模块。第二个模块在单元测试中有若干个缺陷被确认。对第 二个模块实施了缺陷修复后8)符合软件测试的基本原则。

(8)A.用更多的测试用例测试模块一;模块二暂时不需再测,等到开发了更多模块后再 

B.用更多的测试用例测试模块二;模块一暂时不需再测,等到开发了更多模块后再 测

C.再测试模块一和模块二,用更多的测试用例测试模块一

D.再测试模块一和模块二,用更多的测试用例测试模块二

下面关于软件维护的叙述中,不正确的是(9)

(9)A.软件维护是在软件交付之后为保障软件运行而要完成的活动 B.软件维护是软件生命周期中的一个完整部分

               C.软件维护包括更正性维护、适应性维护、完善性维护和预防性维护等几种类型

D.软件维护活动可能包括软件交付后运行的计划和维护计划, 以及交付后的软件修 改、培训和提供帮助资料等

在软件开发项目中强调“个体和交互胜过过程和工具,可以工作的软件胜过全面的 文档,客户合作胜过合同谈判,响应变化胜过遵循计划 ”,是(10)的基本思想。

(10)A.结构化方法        B.敏捷方法      C.快速原型方法      D.增量迭代方法

在多年从事信息系统开发的经验基础上,某单位总结了几种典型信息系统项目生命 周期模型最主要的特点,如下表所示,表中的第一列分别是(11)

(11)A.①瀑布模型②迭代模型③螺旋模型    B.①迭代模型②瀑布模型③螺旋模型

C.①螺旋模型②瀑布模型③迭代模型    D.①螺旋模型②迭代模型③瀑布模型

根据《软件文档管理指南 GB/T 16680-1996》的要求,有关正式组织需求文档的评审, 不正确的是(12)

(12)A.无论项目大小或项目管理的正规化程度,需求评审是必不可少的 B.可采用评审会的方式进行评审

C.评审小组由软件开发单位负责人、开发小组成员、科技管理人员和标准化人员组 成,必要时还可邀请外单位专家参加

D.需求文档可能需要多次评审

软件的质量需求是软件需求的一部分,根据《软件工程产品质量第 1 部分:质量模 GB/T 16260.1-2006》,软件产品质量需求的完整描述要包括(13以满足开发者、维护 者、需方以及最终用户的需要。

 内部质量的评估准则 ② 外部质量的评估准则 ③ 使用质量的评估准则 ④ 过程质量的 评估准则

                  (13)A.①②          B.③            C.①②③            D.①②③④

根据《计算机软件可靠性和可维护性管理 GB/T14394-2008》,在软件生存周期的可行 性研究和计划阶段,为强调软件可靠性和可维护性要求,需要完成的活动是(14)

(14)A.编制软件可靠性和可维护性大纲          B.提出软件可靠性和可维护性目标

C.可靠性和可维护性概要设计              D.可靠性和可维护性目标分配

 Windows 操作系统平台上采用通用硬件设备和软件开发工具搭建的电子商务信息 系统宜采用(15)作为信息安全系统架构。

(15)A.S2-MIS            B.MIS+S             C.S-MIS             D.PM IS

某单位在制定信息安全策略时采用的下述做法中,正确的是(16)

(16)A.该单位将安全目标定位为“系统永远不停机、数据永远不丢失、网络永远不瘫痪、 信息永远不泄密 

B.该单位采用了类似单位的安全风险评估结果来确定本单位的信息安全保护等级

下载方式:https://pan.quark.cn/s/a4b39357ea24 在纺织制造领域中,纱线的品质水平对最终制成品的整体质量具有决定性作用。 鉴于消费者对于产品规格和样式要求的不断变化,纺织制造工艺的执行过程日益呈现为一种更为复杂的操作体系,进而导致对纱线质量进行预测的任务变得更加困难。 在众多预测技术中,传统的预测手段在面对多变量间相互交织的复杂关系时,往往显得力不从心。 因此,智能计算技术在预测纱线质量的应用场景中逐渐占据核心地位,其中人工神经网络凭借其卓越的非线性映射特性以及自适应学习机制,成为了众多预测方法中的一种重要选择。 在智能计算技术的范畴内,粒子群优化算法(PSO)和反向传播神经网络(BP神经网络)是两种被广泛采用的技术方案。 粒子群优化算法是一种基于群体智能理念的优化技术,它通过模拟鸟类的群体觅食行为来寻求最优解,该算法因其操作简便、执行高效以及具备优秀的全局搜索性能,在函数优化、神经网络训练等多个领域得到了普遍应用。 反向传播神经网络则是一种由多层节点构成的前馈神经网络,它通过误差反向传播的机制来实现网络权重和阈值的动态调整,从而达成学习与预测的目标。 在实际操作层面,反向传播神经网络因其架构设计简洁、实现过程便捷,因此被广泛部署于各类预测和分类任务之中。 然而,该方法也存在一些固有的局限性,例如容易陷入局部最优状态、网络收敛过程缓慢等问题。 而粒子群优化算法在参与神经网络优化时,能够显著增强神经网络的全局搜索性能并提升收敛速度,有效规避神经网络陷入局部最优的困境。 将粒子群优化算法与反向传播神经网络相结合形成的PSO-BP神经网络,通过运用粒子群优化算法对反向传播神经网络的权值和阈值进行精细化调整,能够在预测纱线断裂强度方面,显著提升预测结果的...
植物实例分割数据集 一、基础信息 数据集名称:植物实例分割数据集 图片数量: - 训练集:9,600张图片 - 验证集:913张图片 - 测试集:455张图片 总计:10,968张图片 分类类别:59个类别,对应数字标签0至58,涵盖多种植物状态或特征。 标注格式:YOLO格式,适用于实例分割任务,包含多边形标注点。 数据格式:图像文件,来源于植物图像数据库,适用于计算机视觉任务。 二、适用场景 • 农业植物监测AI系统开发:数据集支持实例分割任务,帮助构建能够自动识别植物特定区域并分类的AI模型,辅助农业专家进行精准监测和分析。 • 智能农业应用研发:集成至农业管理平台,提供实时植物状态识别功能,为作物健康管理和优化种植提供数据支持。 • 学术研究与农业创新:支持植物科学与人工智能交叉领域的研究,助力发表高水平农业AI论文。 • 农业教育与培训:数据集可用于农业院校或培训机构,作为学生学习植物图像分析和实例分割技术的重要资源。 三、数据集优势 • 精准标注与多样性:标注采用YOLO格式,确保分割区域定位精确;包含59个类别,覆盖多种植物状态,具有高度多样性。 • 数据量丰富:拥有超过10,000张图像,大规模数据支持模型充分学习和泛化。 • 任务适配性强:标注兼容主流深度学习框架(如YOLO、Mask R-CNN等),可直接用于实例分割任务,并可能扩展到目标检测或分类等任务。
室内物体实例分割数据集 一、基础信息 • 数据集名称:室内物体实例分割数据集 • 图片数量: 训练集:4923张图片 验证集:3926张图片 测试集:985张图片 总计:9834张图片 • 训练集:4923张图片 • 验证集:3926张图片 • 测试集:985张图片 • 总计:9834张图片 • 分类类别: 床 椅子 沙发 灭火器 人 盆栽植物 冰箱 桌子 垃圾桶 电视 • 床 • 椅子 • 沙发 • 灭火器 • 人 • 盆栽植物 • 冰箱 • 桌子 • 垃圾桶 • 电视 • 标注格式:YOLO格式,包含实例分割的多边形标注,适用于实例分割任务。 • 数据格式:图片为常见格式如JPEG或PNG。 二、适用场景 • 实例分割模型开发:适用于训练和评估实例分割AI模型,用于精确识别和分割室内环境中的物体,如家具、电器和人物。 • 智能家居与物联网:可集成到智能家居系统中,实现自动物体检测和场景理解,提升家居自动化水平。 • 机器人导航与交互:支持机器人在室内环境中的物体识别、避障和交互任务,增强机器人智能化应用。 • 学术研究与教育:用于计算机视觉领域实例分割算法的研究与教学,助力AI模型创新与验证。 三、数据集优势 • 类别多样性:涵盖10个常见室内物体类别,包括家具、电器、人物和日常物品,提升模型在多样化场景中的泛化能力。 • 精确标注质量:采用YOLO格式的多边形标注,确保实例分割边界的准确性,适用于精细的物体识别任务。 • 数据规模充足:提供近万张标注图片,满足模型训练、验证和测试的需求,支持稳健的AI开发。 • 任务适配性强:标注格式兼容主流深度学习框架(如YOLO系列),便于快速集成到实例分割项目中,提高开发效率。
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

打赏作者

奋进学堂

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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