第六周个人周报-197242-王凌岳

197242_王凌岳 2026-05-11 11:57:07

第六周个人周报

一、本周计划任务与实际完成情况(PSP表)

PSP阶段计划完成内容预估时间实际时间
系统联调配合队友完成系统整体联调2h2.5h
功能测试对评论模块与数据库功能进行测试2h3h
Bug修复修复项目后期遗留问题2h2.5h
数据完善补充电影测试数据与评论数据1.5h2h
文档整理完善个人报告、结对编程报告2h3h
项目收尾检查TAPD任务与GitHub提交情况1h1h
总计 10.5h14h

 

二、个人工作中存在的问题以及应对措施

本周项目已经进入最后收尾阶段,主要工作不再是新功能开发,而是系统联调、Bug修复、测试以及文档整理。

在项目后期,我发现最大的一个问题是前期很多功能虽然已经完成,但真正联调时仍然会出现各种小问题。例如:

1.部分接口返回数据格式不统一

2.数据库测试数据不完整

3.某些功能在单独运行时正常,但整体运行时出现异常

4.评论数据与电影数据关联不完整

这些问题虽然不属于大型Bug,但在项目收尾阶段会影响整体系统运行效果。

面对这些问题,我主要通过:与队友一起联调项目, 检查数据库数据, 多次运行接口测试  查看控制台日志等方式逐步解决。

另外,在整理项目文档时,也发现自己平时开发过程中很多内容记录不够完整,导致后期整理报告时需要重新回忆开发过程。后续我开始更加注意TAPD任务记录以及开发过程保存。

三、个人学习的新知识点以及学习途径和方法

本周主要学习内容已经从“功能开发”转向“项目测试与工程管理”。

1. 系统联调与接口测试

学习了: 多模块联调流程, 接口返回结果检查 ,数据库联动测试 测试数据验证

通过多次运行项目,对系统整体运行流程更加熟悉。

2. 软件工程项目收尾流程

学习了:项目文档整理, 个人总结, 编写结对编程报告, 整理TAPD任务, 收尾GitHub提交检查

相比项目初期,现在更加理解软件工程不仅仅是写代码,还包括大量项目管理与文档工作。


3. Bug分析与定位

本周虽然没有开发新的大型功能,但通过联调发现了很多之前未注意的小问题。

例如:查询结果为空 ,数据关联错误,SQL初始化顺序问题

通过不断测试和修改,提高了自己分析问题与定位Bug的能力。

本周主要通过:与队友讨论,查看项目日志,重复运行测试,阅读之前代码等方式进行学习。

四、个人对本周工作的感悟

本周项目已经基本接近完成,相比项目刚开始时,现在最大的感受是:

真正的软件工程项目远比课堂上的小作业复杂。

项目开发不仅仅是完成某个功能,更重要的是:多人协作,模块联调,Bug修复,数据测试,文档整理,项目管理

很多时候,一个功能单独运行没有问题,但真正放到整个系统里时,还是会出现各种细节问题。

通过这次项目后期的联调与测试,我也更加理解了软件测试的重要性。如果没有最后阶段的大量测试,很多问题其实很难发现。

另外,在与队友协作过程中,我也逐渐适应了团队开发的节奏。相比一开始对Git、TAPD、Spring Boot都不熟悉,现在已经能够较独立地完成:

项目运行 ,数据库初始化 ,接口测试  Bug修复, 文档整理

虽然自己目前还有很多不足,但通过这次软件工程项目实践,我已经对真实的软件开发流程有了更加完整的认识,也积累了一定的团队协作开发经验。

...全文
213 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:本文提出了一种基于直方图的自动模糊C-均值聚类(FCM)算法,用于遥感图像分割,该方法通过Matlab代码实现。该算法创新性地结合图像灰度直方图信息,自动确定聚类数目和初始聚类中心,有效克服了传统FCM算法对初始参数敏感以及需预先设定聚类数的固有局限。通过深入分析直方图的波峰与波谷分布特征,实现聚类参数的自适应初始化,并融合优化的隶属度矩阵更新策略,从而显著提升了图像分割的精度与算法收敛速度。实验验证表明,该方法在多种复杂的遥感图像数据上均表现出优异的分割效果和强鲁棒性,尤其适用于地物类别未知、分布复杂或背景干扰严重的遥感图像处理任务。; 适合人群:具备一定图像处理基础和Matlab编程能力,从事遥感科学、地理信息系统(GIS)、计算机视觉或模式识别等相关领域研究的研发人员和研究生。; 使用场景及目标:①解决遥感图像自动分割中聚类数目难以预先确定的关键问题;②提升模糊C-均值聚类算法在无监督图像分割中的自动化水平和分割精度;③为缺乏先验知识的实际图像分析任务提供一种高效、可靠的自适应聚类解决方案。; 阅读建议:读者应结合提供的Matlab代码,深入理解直方图分析与FCM算法融合的具体实现步骤,重点关注聚类数自动确定和初始中心选取的逻辑推导过程,并通过实际遥感图像数据进行调试与验证,以全面掌握该方法的核心原理与应用技巧。
内容概要:本文提出了一种基于改进粒子群算法的多无人机协同航迹规划方法,并提供了完整的Matlab代码实现。该方法针对多无人机系统在复杂动态环境中的协同飞行需求,通过改进的粒子群优化(PSO)算法解决航迹规划问题,重点优化路径最优性、飞行安全性及多机协作冲突规避能力。文中系统阐述了算法的设计原理、改进策略及其在多无人机协同场景下的应用流程,通过引入动态障碍物建模与任务约束机制,增强了算法在实际任务中的适应性。仿真实验验证了该方法在降低飞行能耗、提升路径质量、加快收敛速度以及增强系统鲁棒性方面的显著优势,适用于侦察、巡检、灾害救援等多无人机集群任务场景。; 适合人群:具备一定编程基础和智能优化算法知识,从事无人机控制、路径规划、智能调度或群体智能相关研究的研发人员及研究生,尤其适合工作1-3年的科研与工程技术人员。; 使用场景及目标:①解决多无人机在复杂环境下协同避障与高效路径规划问题;②提升传统粒子群算法在高维、多约束航迹规划中的搜索效率与全局寻优能力;③为无人机集群执行多样化任务(如区域覆盖、目标搜索、编队飞行)提供稳定可靠的路径规划解决方案; 阅读建议:建议读者结合所提供的Matlab代码进行仿真实践,按照文档结构逐步理解算法实现细节,重点关注粒子群算法的改进机制、多无人机协同约束建模与适应度函数设计部分,同时可通过调整环境参数与无人机数量深化对算法性能的认知与优化能力。

259

社区成员

发帖
与我相关
我的任务
社区描述
CUG软件工程基础学习社区
团队开发软件工程敏捷流程 高校 湖北省·武汉市
社区管理员
  • EasonBeckham
  • Lucky_Limp
  • h6ldZywoo
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