CRL Team——Beta冲刺置顶集合随笔

CRLTeam 2025-12-01 23:11:29
这个作业属于哪个课程2501_CS_SE_FZU
团队名称CRL Team
这个作业要求在哪里团队作业—Beta冲刺
这个作业的目标Beta冲刺置顶集合随笔
其他参考文献无

目录

  • 1.Beta冲刺代码规范
  • 2.Beta7天冲刺博客
  • 3.Beta冲刺总结
  • 4.用户使用调查报告

1.Beta冲刺代码规范

CRL Team——Beta冲刺代码规范

2.Beta7天冲刺博客

CRL Team——β冲刺Day1
CRL Team——β冲刺Day2
CRL Team——β冲刺Day3
CRL Team——β冲刺Day4
CRL Team——β冲刺Day5
CRL Team——β冲刺Day6
CRL Team——β冲刺Day7

3.Beta冲刺总结

CRL Team——Beta冲刺总结

4.用户使用调查报告

CRL Team——用户使用调查报告

...全文
176 回复 打赏 收藏 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
【信息科学与工程学】计算机科学与自动化——第二百二十九篇 企业级软件开发所涉及的关键因素1004
编号类型模块组件编程语言+环境编程设计考虑的因素（含缺陷规避、高内聚、低耦合、高性能、安全性、低BUG）关联知识和标准2681物流调度大规模车辆路径优化（Vehicle Routing Problem, VRP / Dynamic VRP / Route Optimization / Time Windows / Capacity Constraints / Real-time Re-optimization）Java + OR-Tools / CPLEX物流VRP：求解最优配送路线。高内聚：优化引擎独立。
SHHS-Hypoxic-Burden-main.zip
1.版本：matlab2014a/2019b/2024b 2.附赠案例数据可直接运行。 3.代码特点：参数化编程、参数可方便更改、代码编程思路清晰、注释明细。 4.适用对象：计算机，电子信息工程、数学等专业的大学生课程设计、期末大作业和毕业设计。
YOLO26算法海滩冲浪者目标检测+训练好的模型+626张数据集+pyqt可视化界面.zip
含训练好的YOLO权重与PyQt可视化检测界面，开箱即用，毕业设计/课程设计可直接上手。 【数据集概况】 · 检测类别（中文）：[冲浪者(surfer)] · 训练集：438 张 · 验证集：125 张 · 测试集：63 张 · 总计：626 张 该数据集针对海滩冲浪场景进行精心构建，全面覆盖冲浪者在不同海浪条件下的动态表现，为海洋运动安全监测与行为分析提供了高价值数据资源，显著提升了相关领域的研究与应用水平。 该数据集训练集438张、验证集125张、测试集63张，分布科学合理，训练集规模充足以支持模型充分学习，验证集与测试集比例恰当，有效保障模型评估的准确性和可靠性。 该数据集标注质量卓越，所有冲浪者目标均被精确标注，边界框紧密贴合目标轮... 【训练曲线与评估图】 【模型训练配置】 参数 | 值 模型 | yolo26n 训练轮数 | 100 epochs 输入尺寸 | 640x640 批次大小 | 24 优化器 | auto 初始学习率 | 0.01 训练设备 【关键指标汇总】 训练了 91 个 epoch，最终轮指标： 指标 | 数值 mAP50 | **0.8359** mAP50-95 | 0.4031 Precision | 0.8209 Recall | 0.7764 train/box_loss | 1.7868 train/cls_loss | 0.8077 val/box_loss | 1.7200 val/cls_loss | 0.7941 【训练过程分析】 91 轮训练后 mAP50 为 0.8359，模型基本收敛但还有提升余地。Loss 曲线下降正常，后期趋于平缓。mAP50-95 为 0.4031，和 mAP50 差距 0.43，定位精度是主要短板。 【模型性能评估】 Precision 0.8209、Recall 0.7764，精度高于...
使用投资组合CVaR对象进行条件风险价值（CVaR）投资组合优化(Matlab代码实现)
内容概要：本文提出了一种基于混沌系统与DNA编码的复合型彩色图像加密解密方案，旨在解决传统图像加密算法密钥空间小、抗干扰能力弱等问题。通过混沌系统生成伪随机序列，结合DNA碱基编码规则对图像RGB三通道进行置换与混淆扩散，实现高安全性的图像加密。研究重点分析了该方案在高斯噪声和椒盐噪声干扰下的抗噪声性能，以及在不同面积与位置裁剪情况下的抗裁剪性能，实验结果表明该算法具备大密钥空间、强密钥敏感性，并对噪声和局部数据丢失具有优良的鲁棒性，能有效保障图像在复杂传输环境下的信息安全。; 适合人群：具备一定信息安全、图像处理或密码学基础知识的科研人员、研究生及工程技术人员。; 使用场景及目标：①用于网络图像传输、私密图像存储等对安全性要求较高的场景；②为高鲁棒性图像加密技术的研究与应用提供理论支撑和技术参考；③指导抗干扰性能评估体系的构建与优化。; 阅读建议：读者应重点关注加密算法的设计逻辑与抗干扰性能分析方法，结合文中实验设置自行复现测试，深入理解混沌与DNA编码的融合机制及其在实际应用中的局限性，为进一步优化算法提供思路。
2501_CS_SE_FZU

103

社区成员

407

社区内容

发帖
与我相关
我的任务
社区描述
2501_CS_SE_FZU
软件工程 高校
社区管理员
  • FZU_SE_LQF
  • 木村修
  • 心态773
加入社区
  • 近7日
  • 近30日
  • 至今

加载中

查看更多榜单
社区公告
暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章