2023(春) 软工作业 3:用户体验测试

软工211-440-任杰 软工教学1班 2023-06-21 17:50:57

1. 结合Python课程红楼梦的分析,体验 微词云  https://fenci.weiciyun.com网站功能

       选取红楼梦中的第一章进行分析:

       示例如下:

基础信息:

 

 

相关词云:

 

网络关系图:

 

 

 

 

 

2. 结合用户体验分析原则分析:

2.1用户体验分析原则:

1. 给用户快速反馈;
2. 界面符合惯例
3. 用户控制权(主人)
4.一致性和标准化
5. 适合各类用户(不绝对)
6.帮助用户排除软件缺陷
7.必要的提示和帮助文档

2.2问题分析:

界面符合惯例角度:

①在微词云上得到分析结果后再点击网页上后后退标识后,页面回到微词云的主页面,导致之前得到的分析结果丢失,需要再次输入内容,才能得到分析结果。

②微词云的界面跳转不连贯,有一种只能前进,不能后退的感觉。

 

...全文
1105 回复 打赏 收藏 转发到动态 举报
写回复
用AI写文章
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:本文系统研究了基于CNN-SVM的卷积神经网络与支持向量机融合的数据分类预测方法,聚焦其在工业故障识别中的应用,提供了完整的Matlab代码实现。通过CNN提取输入数据的深层空间特征,再由SVM进行高精度分类,充分发挥两者优势,有效提升了故障识别的准确性、鲁棒性与泛化能力。该方法特别适用于处理电力系统、机械设备等领域的高维、非线性、强噪声监测数据,在变压器故障诊断、轴承缺陷识别等场景中具有重要应用价值。文档还整合了机器学习、深度学习、图像处理、路径规划、电力系统优化等多个前沿科研方向的技术资源,配套大量Matlab/Simulink仿真案例与Python代码,全面支持科研复现与工程实践。; 适合人群:具备一定编程基础,熟练掌握Matlab或Python语言,从事电气工程、自动化、人工智能、机械故障诊断等相关领域研究的研发人员及高校研究生; 使用场景及目标:① 实现工业设备的状态监测与多类别故障分类;② 深入理解CNN与SVM融合模型的设计理与工程实现细节;③ 借助所提供的丰富算法案例开展科研复现、模型优化与系统仿真验证; 阅读建议:建议按照文档目录结构系统化学习,结合百度网盘提供的完整代码资源进行动手实践,重点关注CNN特征提取层与SVM分类器之间的数据接口设计与参数调优策略,同时可延伸学习文中涉及的其他智能算法及其在电力系统、信号处理等领域的交叉应用,全面提升科研创新能力。

197

社区成员

发帖
与我相关
我的任务
社区描述
用于软件工程专业的课程教学,讲义、视频、资料、问题讨论 鞠小林老师、蒋峥峥老师,欢迎您的到来!
社区管理员
  • juking@ntu
  • qinzuibaozi
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告

只讨论科学和技术问题

试试用AI创作助手写篇文章吧