由于信用卡银行属性与信用卡类别两个识别任务都可以使用卷积神经网络来完成，可以将两个任务共用一个卷积网络，即采用多任务深度学习，其模型如图2所示。图2多任务判别特征学习网络结构任务一为信用卡银行属性识别，即图中的fc1全连接层后接Softmax loss，该层的输出维度为信用卡银行的数目。超参数α、β、λ，迭代数t=0，学习率μt。......
2025-09-30
敏捷开发中的评审控制图建立-2017软件工程论文专集
【摘要】：要想把评审活动很好地在敏捷开发过程中加以运用，那我们就不得不提到评审控制图。通过使用Excel中计算平均值、标准差的公式，可以很容易地获得不同阶段评审效率、评审缺陷密度、评审速度的相关统计数据，用于进行控制图的绘制。表3的统计结果就来自表1、表2全部评审数据的汇总。根据表3的数据，可以得到一系列的控制图，图1、图2给出了其中两个控制图的示例，分别是测试阶段评审速度的控制图和编码阶段评审效率的控制图。
要想把评审活动很好地在敏捷开发过程中加以运用，那我们就不得不提到评审控制图。使用评审控制图是可以将评审活动与敏捷开发有机结合的一种手段。我们以评审效率控制图为例，要想建立一个好的评审控制图，必然要考虑评审活动的输入和输出，并围绕评审的目的进行。评审的方式、评审的工作产品规模、评审人员的能力、评审人员的类似经验、评审的准备时间等，都会影响到评审的效率。而对于评审活动的有效性而言，也并非评审花费的时间越长一定越有效，因此就需要根据实际的项目数据建立一个适合的评审效率控制图。
表1是一部分评审对象及评审人员经验的统计数据；表2是一部分评审对象的评审相关统计数据（针对会签评审）。
其中：
(1)评审效率=加权缺陷总数/实际评审工作量。
(2)评审速度=实际评审工作量/功能个数。
(3)加权缺陷总数/功能个数。
通过使用Excel中计算平均值、标准差的公式，可以很容易地获得不同阶段评审效率、评审缺陷密度、评审速度的相关统计数据，用于进行控制图的绘制。表3的统计结果就来自表1、表2全部评审数据的汇总。
根据表3的数据，可以得到一系列的控制图，图1、图2给出了其中两个控制图的示例，分别是测试阶段评审速度的控制图和编码阶段评审效率的控制图。
表1 评审背景资料数据（部分）
(https://www.chuimin.cn)
表2 评审活动统计数据（部分）
表3 评审控制图（会签）
图1 测试阶段评审速度控制图
图2 编码阶段评审效率控制图
相关文章
- 详细阅读
-
2017年软件工程论文专集-快速掌握Cyph详细阅读
Cypher是Neo4j中非常重要的声明式查询语言。根据图数据库模式可以对数据进行选择或修改；Cypher语言可以查询、删除、更新、修改图数据库中的节点、关系、属性信息。......
2025-09-30
-
金融行业数据中心SDN评测模型：2017软件详细阅读
表1金融数据中心SDN基本评测维度4.2.2.2子步骤2：结合SDN自身特性SDN与传统网络在技术、架构等方面存在着许多不同之处。至此，金融数据中心SDN评测模型已建立完成，模型从两个层次、五个方面、六个维度上对金融数据中心SDN实施评测。......
2025-09-30
-
根服务器分布：2017软件工程论文专集成果详细阅读
每个根域名服务器都有唯一的IP地址。最早这13个根域名服务器就是13个物理的实体服务器，其分布见表2。表3根服务器在中国的镜像分布由表 3可知，目前中国至少具有A、D、F、I、J、L这六个根服务器的镜像，在数据层面访问这些地址是无须绕道他国的。但值得注意的是，这些设在中国的镜像服务器仅仅是能够同步到最新的根区文件数据，但其管理权限仍然归13个根服务器的管理方所有。......
2025-09-30
- 详细阅读
-
业务快速恢复系统及实施方案-2017软件工程详细阅读
黄爱华 赖志强 蔡夏琳摘要：一种实现业务快速恢复的系统主要包括原业务服务器、数据存储服务器和目标业务服务器。数据存储服务器用以储存原业务服务器的快照数据，并在原业务服务器发生故障时产生虚拟业务服务器；目标业务服务器用以接收数据存储服务器同步的数据，并且在数据同步完成后恢复业务。......
2025-09-30
-
回归分析和趋势面分析在2017软件工程论文专详细阅读
回归分析方法又叫因素分析法，是数理统计中经典的预测方法之一。如果使用二次函数多项式回归分析，叫二次趋势面分析；使用三次函数多项式回归分析，叫三次趋势面分析。......
2025-09-30
-
2017软件工程论文专集：使用Neo4j图数详细阅读
Neo4j最主要的特点是基于属性的图，可以支持Java、Python、Ruby、PHP、Scala等编程语言，提供了Cypher、Blueprints、Gremlin查询语言，不过常使用Cypher，支持传统关系型数据库的ACID。目前市面上的图数据库产品有很多，如Neo4j、OrientDB、IBM System G Native Store、Oracle Spatial and Graph等。表2展示了比较流行的图数据库Neo4j与关系型数据库执行时间对比。目前主流的是Neo4j，Neo4j[3]实体关系存储和查询等方面性能均优于其他图数据库，在工业上具有广泛的应用[4]。......
2025-09-30
相关推荐