第一次团队编程作业 团队展示+选题报告+需求分析

温雷蕾 2022-10-16 12:28:11

作业描述

由于本次课程报名人数较多,线下课程安排将在两间教室,所以将提供两个选题方向,后续将联系每组组长进行选题方向的挑选和分配

选题一:以福大为主题的小游戏

游戏在生活中必不可少,近些年来,诞生了不少小游戏深受广大人民喜爱,如跳一跳、合成大西瓜等。因此,希望开发一款以福大为主题的小游戏,在游戏体验良好的同时,需要包含福大元素(游戏主体部分不得和现有的已有的公开宣传的游戏完全一致)。

选题二:计算机/软件学院院庆

今年是福州大学计算机系建系40周年庆、软件学院建院20周年庆。学院邀请所有心系学院发展的各级领导、海内外校友和社会各界嘉宾莅临母校参观,共同庆祝这一时刻。因此,希望开发一款院庆主题的软件,方便校友参加庆祝活动的同时,能够提供一些具备创新性和实用性的功能,如班级搜索,虚拟合影等。

要求

  1. 选题作品不限行业、领域,要求具有创新性和实用性,不能和已有软件的功能完全一致。(能够填补国内领域空白额外加分)。
  2. 实现技术可采用:移动端APP、微信小程序、Web应用
  3. 所有应用最终需要上线运行,供老师、助教、和其他同学检查,选择微信小程序的同学需要注意相关的限制
  4. 选题必须和对应选题相关,深刻了解来自用户的需求,不能闭门造车,凭空设想。
  5. 选题应符合当代核心价值观,不得出现违法违规内容。
  6. 本次作业需在课上答辩撰写博客
  7. 不符合要求的选题将被要求重新选题,并在下一次课上进行答辩

答辩要求

答辩日期:2022-10-22

每组答辩时间:10分钟(演讲6分钟+答辩4分钟)

团队选题现场答辩,评价指标考虑:

  1. 现场表述上:

  2. PPT美观:有图有文,与选题相关;

  3. 现场陈述:具体翔实,逻辑清晰;

  4. 答辩回答:条理清晰,不回避问题。

  5. 选题上:选题是否有助于对开源信息的学习、获取或利用等。

  6. 选题创新性

  7. 选题实用性

  8. 选题适用范围、影响力大小

  9. 软件设计上:是否结合产品特点运用合适的技术解决问题。

  10. 功能完备

  11. 技术先进

  12. 用户体验

博客要求

博客提交的Deadline:截止2022-10-24 23:00

格式要求

为了方便其他老师及助教了解课程实况,请大家在作业开头添加格式描述:

作业所属课程班级的链接
作业要求作业要求的链接
作业的目标你理解的作业目标具体内容
团队名称团队名称
团队成员学号团队成员学号

提交1篇博客随笔发表在团队博客的博客中,博客标题设置为“2022秋软工实践 团队展示与选题报告”,并提交作业。团队作业只需要用团队博客发布一篇,而不需要团队每个成员都发布。

团队展示要求

  1. 给出队名。
  2. 要做的团队项目的具体规划及描述。
  3. 队员风采:介绍每一名队员,可包括但不限于以下内容:
    • 学号
    • 成员姓名(可以用昵称替代)
    • 成员性格
    • 擅长的技术
    • 兴趣爱好
    • 希望的软工角色(前端、后端、测试、PM等)
    • ..
  4. 团队的首次合照。
  5. 团队的愿景(50字——100字),主要描述团队在未来希望达到的愿景,用心写,不能凑字数哦

需求分析文档要求

  • 参考《软件需求规范》国家标准规范文本。
  • 推荐在线文档,如语雀、腾讯文档等,以便更好的团队合作。
  • 前端和后端都应该被描述。
  • 需求文件包括但不限于以下部分:
    • 迭代记录表格
    • 介绍
    • 项目标志
    • 思维导图
    • 类图
    • 功能描述
    • 验收标准

注意:最终验收时将参考该文档,请谨慎“画大饼”

...全文
1831 回复 打赏 收藏 转发到动态 举报
写回复
用AI写文章
0人已提交
完成率0%
暂无数据
回复
切换为时间正序
请发表友善的回复…
发表回复
内容概要:本文围绕“阶梯碳下考虑P2G-CCS与供需灵活响应的IES优化调度”展开,基于Matlab平台构建综合能源系统(IES)在阶梯式碳交易机制下的优化调度模型。研究深度融合电制气(P2G)与碳捕集、利用与封存(CCS)技术,结合需求侧灵活响应机制,旨在提升系统的低碳运行能力与经济性。通过建立多能流耦合的优化模型,协调电力、天然气、热力等多种能源形式的协同调度,有效降低系统碳排放强度,并借助YALIMIP工具包调用求解器进行高效求解。文档提供了完整的代码实现、模型构建流程与结果分析方法,涵盖从问题建模到仿真实现的全过程,具备较强的可复现性与科研参考价值。; 适合人群:具备电力系统、能源系统或优化建模相关背景的研究生、高校教师及工程技术人员,尤其适合从事综合能源系统、碳减排策略、P2G与CCS技术集成研究的专业人员,需熟练掌握Matlab编程与基本的数学规划知识。; 使用场景及目标:①用于研究阶梯式碳交易政策下综合能源系统的低碳经济调度策略;②支撑P2G-CCS技术与需求响应机制在IES中的仿真集成与性能评估;③作为撰写高水平学术论文(如EI/SCI收录)的技术基础与复现资源,推动碳中和背景下能源系统优化方向的创新研究。; 阅读建议:建议结合百度网盘提供的完整代码与资料包,按照模块逐步调试程序,重点理解目标函数的设计逻辑、碳交易成本的建模方式、约束条件的数学表达及求解器的配置方法,同时关注多能耦合设备的建模细节,配合公众号“荔枝科研社”获取持续的技术支持与案例拓展。
内容概要:本文系统研究了基于卷积神经网络(CNN)与支持向量机(SVM)融合的CNN-SVM混合模型在数据分类预测中的应用,尤其聚焦于工业故障识别领域。通过Matlab平台实现,该方法首先利用CNN强大的多层次特征提取能力对原始输入数据进行深度特征学习,自动捕获关键局部模式与空间结构信息,随后将提取的高层特征作为输入传递至SVM分类器,借助SVM在高维空间中小样本条件下卓越的分类性能与泛化能力完成最终判别任务。文中详尽阐述了模型的整体架构设计、网络参数配置、训练优化流程及特征迁移机制,充分结合了深度学习在特征表达上的优势与传统机器学习在分类决策上的稳健性。实验部分通过实际故障数据集验证了该混合模型相较于单一CNN或SVM模型在分类准确率、鲁棒性和抗过拟合能力方面的显著提升,证明了其在复杂故障诊断任务中的有效性与先进性; 适合人群:具备一定机器学习与深度学习理论基础,熟悉Matlab编程环境,从事故障诊断、模式识别、智能制造、电力系统监控或工业数据分析等相关领域的研究生、科研人员及工程技术开发者; 使用场景及目标:① 应用于旋转机械、电力设备、航空航天等领域的多类别故障识别与状态监测;② 掌握深度特征提取与传统分类器融合的技术路径,提升小样本、高噪声环境下数据分类的精度与可靠性;③ 为撰写高水平学术论文、开展科研项目或工程实践提供可复现的算法框架与完整代码支持; 阅读建议:读者应深入理解CNN与SVM的协同工作机制,重点分析特征提取层与分类层之间的接口设计,建议动手运行并调试所提供的Matlab代码,尝试在不同数据集上进行迁移实验与参数调优,以全面掌握该混合模型的应用技巧与优化策略。

172

社区成员

发帖
与我相关
我的任务
社区描述
高校教学社区
软件工程 高校
社区管理员
  • fzusdn
  • mastertime
  • Eleven955
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告
暂无公告

试试用AI创作助手写篇文章吧