- 综合排序
- 最热优先
- 最新优先
- 来自专栏用户9180628的专栏
什么是功能点分析——FPA
二、功能点分析的简介 功能点分析 (FPA) 是一种用于确定软件工作产品规模的技术。 自 1970 年代后期以来，功能点分析 (FPA) 一直用于根据用户对功能需求的外部业务视图来评估交付给用户的功能。与测量物理实现的视图或内部技术视图相比，它测量应用程序的逻辑视图。 FPA 从以下方面衡量这些功能要求： 用户可以使用该软件执行的业务交易（例如，查询故障记录）， 软件可以存储和访问的业务数据（例如，FAULT 文件）。
2.4K10发布于 2021-11-17 - 来自专栏用户4793365的专栏
FPA方法功能点计数常见问题
前言 本文的目标读者是从事软件行业采用FPA功能点方法对软件研发工作量评估的人员。列举了一些FPA 方法实践过程中的常见问题，有FPA 方法评估标准定义，也有实践过程中得出的方法建议，仅供参考。 4、根据FPA 方法，“帮助信息”计数为一个内部逻辑文件， 每个“帮助”计数为一个事务功能（前提是“帮助信息”是本系统维护的）。 复杂度通常为“低”。 从FPA 方法论中我们知道所有的事物功能（EI/EO/EQ）都必须引用或维护内部逻辑文件或者外部接口文件。如果不计数内部逻辑文件，那么报表生成和查询的事物功能是否不能计数？ 迁移项目评估方法仅为建议，而非IFPUG 发布的FPA 标准功能点方法中的标准。 微服务架构系统评估方法仅为建议，而非IFPUG 发布的FPA 标准功能点方法中的标准。(北京软件造价评估联盟bscea.org)
1.6K00发布于 2019-08-26 - 来自专栏软件成本造价评估
IFPUG FPA方法使用指导之iTip # 1 –帮助功能！
引言 为促进大家对IFPUG FPA方法的一致应用，IFPUG组织发布了一系列iTips和uTips来解释IFPUG FPA方法在特定情况下的应用。 根据FPA方法，“帮助信息”计数为一个内部逻辑文件，每个“帮助”计数为一个事务功能（前提是“帮助信息”是本系统维护的）。 复杂度通常为“低”。 示例 以下应用程序包含以上三种形式的帮助。 A.如果“搜索帮助”符合正常的FPA标准，则会对其进行计数。 诸如“升级”和“关于”之类的其他选择可以提供额外的功能。 根据我们的经验，“关于”经常是编码数据，因此在计数时要注意。
1.2K40发布于 2019-01-24 - 来自专栏用户9180628的专栏
敏捷（Scrum）和功能点（FPA）：朋友还是敌人？
传统方法通常使用功能点分析 (FPA) 进行量化。FPA 用于估算制作软件的成本以及交付所需的时间。功能点用作衡量系统规模的指标。这种调整是根据功能规范完成的。 而这正是传统 FPA 提供解决方案的地方。 相似之处 如果您仔细研究 FPA 和 Scrum 的组合，您会发现它们相互加强而不是相互削弱。 在 FPA 方法中，这是允许的。 Scrum 和 FPA 是朋友 简而言之，Scrum 和 FPA 可以很好地相互帮助和加强。功能点可帮助您控制总费用。 Product Backlog 的大小可以通过使用 FPA 来具体化。FPA 显示需要哪些功能。因此，FPA 在功能方面提供了产品待办列表的摘要。 检测改进 因为 FPA 提供了一个客观的度量，它可以用于 Scrum 过程的回顾以显示改进。因此，您可以帮助团队相互学习并检测主要的抑制因素。
77570发布于 2021-11-22 - 来自专栏深度学习与python
架构视角解读声网 FPA ：GA 的上位替代方案？
因此，InfoQ 特别采访了 FPA 的产品负责人施政与声网基础平台技术负责人王浩宇，希望能在架构和产品的视角对 FPA 进行解读，从中寻找关于全球加速服务的新的启发。 要更好地理解声网 FPA ，首先要了解 GA 的工作原理。 声网 FPA 的一个重要技术特点便是解决终端接入问题，而这种解决方案主要是通过在终端、服务端集成 FPA SDK 来实现的。 通过 SDK， FPA 构建了一种覆盖任意端到任意端的全链路加速通道，这也是 FPA（Full-Path Accelerator）名字的来源。 AUT 协议的开放，同时给 FPA 带来了另一个与传统 GA 方案不同的特性。
1.2K10发布于 2021-09-22 - 来自专栏软件成本造价评估
软件项目工作量评估方法简述之功能点方法（FPA）
软件项目工作量评估方法很多，如代码行法、类比法、WBS、故事点、用例点、NESMA、FPA、cosmic、COCOMOⅡ等。本文主要对功能点方法（FPA）简述。 功能点 FPA 方法 (一) 简介 FPA 是从用户角度出发度量软件规模的一种方法。 FPA 较适用于商业数据处理、管理信息系统的估算，因为它能更好地反映系统需求上的复杂度和数量。从满足客户需求的角度讲，FPA 具有阶段性，对用户早期参与项目管理、项目经理制定项目计划更有意义。 是否穿越系统边界是 FPA 重要的判断标准。 3、 IPO 的异同 输入（Input）、处理过程（Process）和输出（Output）的同与不同亦是FPA 重要的判断标准。 以上就是软件项目工作量评估方法简述之功能点方法（FPA）所有内容。
12.2K50发布于 2019-07-05 - 来自专栏软件成本造价评估
基于功能点分析法（FPA）的度量体系建设简析
以下通过某组织的基于功能点分析法的度量库建设实践，对建设度量体系的基本过程简述如下： 1、采用功能点分析法（FPA） 功能点分析法具有30多年的发展历史，是由IBM的工程师Allan Albrecht 该标准指出，在不同的需求阶段，采用不同的估算参数，比如在产品初期阶段，需求尚未完全明确以及拆分，FPA中只计数ILF和ELF 数据文件数即可初步获得软件规模。 功能点分析法（FPA）已经成为了国际标准，并得到了大多数国家的认可，该方法是一致性的标准，可以满足应用并且具有可接受的一致性准则。 自2013年工信部行业标准《软件研发成本度量规范》以及北京市地方标准《信息化项目软件开发费用测算规范》发布以来，国内越来越多的软件建设方和承建方积极组织学习FPA方法，并在组织的度量体系建设中，以及项目实施中得到广泛的应用 因此，基于功能点分析法（FPA）的度量体系建设，对于提升组织和项目的过程控制和管理能力是十分有效的。
2.8K40发布于 2019-01-24 - 来自专栏科技云报道
不管一万公里还是“最后一公里”，网络优化只需“三行代码”
什么是FPA？ 当然，在大幅提升全球网络节点优化效果的同时，声网还在努力降低用户使用FPA方案的技术门槛，简化FPA的部署。 而对于代码能力更强的用户来说，声网FPA也提供可直接调用的各类API服务。 用声网自己的话讲，声网FPA的部署便捷性相当于“用三行代码搞定网络优化”。 在这样一个强调微创新和小步快跑的时代，声网FPA能够让企业以更轻盈的姿态去拥抱全新的业务和增长空间；这既是企业所需，更是声网FPA的价值所在。
42810编辑于 2022-04-16 - 来自专栏用户4793365的专栏
2种常见软件项目工作量评估方法简述
软件工作量评估方法很多，如代码行法、类比法、WBS、故事点、用例点、NESMA、FPA、cosmic、COCOMOⅡ等。 一、 功能点 FPA 方法 (一) 简介 FPA 是从用户角度出发度量软件规模的一种方法。 FPA 较适用于商业数据处理、管理信息系统的估算，因为它能更好地反映系统需求上的复杂度和数量。从满足客户需求的角度讲，FPA 具有阶段性，对用户早期参与项目管理、项目经理制定项目计划更有意义。 是否穿越系统边界是 FPA 重要的判断标准。 3、 IPO 的异同 输入（Input）、处理过程（Process）和输出（Output）的同与不同亦是FPA 重要的判断标准。 3、 度量数据功能 数据功能的计算工序（Counting Procedures）包括以下活动： FPA 将数据功能分为两类，分别为内部逻辑文件（ILF）和外部接口文件（EIF）。
9.6K20发布于 2019-06-17 - 来自专栏人工智能头条
北大、北理工、旷视联手：用于图像语义分割的金字塔注意力网络
▌模型方法 特征金字塔注意力模块 FPA 基于以上观察，我们提出了特征金字塔注意力模块 (FPA)，该模块能够融合来自 U 型网络 (如特征金字塔网络 FPN) 所提取的三种不同尺度的金字塔特征。 然后，我们分别执行 FPA 模块和 GAU 模块进行准确的像素预测并获取目标定位的细节。蓝线和红线分别代表下采样和上采样运算符。 我们将 FPA 模块视为编码器和解码器结构之间的中心模块。 即使没有全局注意上采样模块，FPA 模块也能够进行足够准确的像素级预测和类别分类。 表1：不同设置下 FPA 模块的性能 GAU 模块 首先，我们评估 ResNet101+GAU 模型，然后我们将 FPA 和 GAU 模块结合并在 VOC 2012 验证集中评估我们的模型。 我们设计了特征金字塔注意力模块 (FPA) 和全局注意力上采样模块 (GAU)。FPA 模块能够提供像素级注意力信息并通过金字塔结构来扩大感受野的范围。
1.6K80发布于 2018-06-05 - 来自专栏深度学习与python
架构视角解读网络加速 ：基于公有云的方案已经过时了？
因此，InfoQ 特别采访了 FPA 的产品负责人施政与声网基础平台技术负责人王浩宇，希望能在架构和产品的视角对 FPA 进行解读，从中寻找关于全球加速服务的新的启发。 要更好地理解声网 FPA ，首先要了解 GA 的工作原理。 声网 FPA 的一个重要技术特点便是解决终端接入问题，而这种解决方案主要是通过在终端、服务端集成 FPA SDK 来实现的。 通过 SDK， FPA 构建了一种覆盖任意端到任意端的全链路加速通道，这也是 FPA（Full-Path Accelerator）名字的来源。 一个“异类”：基于 SD-RTN™ 的骨干网传输优化 除了端侧的覆盖问题，FPA 在骨干网层面的加速策略，也与传统 GA 服务完全不同。 FPA 的骨干网加速能力是基于声网 SD-RTN™ 构建的。
1.2K30发布于 2021-11-12 - 来自专栏深度学习与计算机视觉
MOT：A Higher Order Metric for Evaluating Multi-object Tracking
+ ∣ FPA begin{aligned}&\mathcal {A}(c) = \frac{|\text {TPA}(c)|}{|\text {TPA}(c)| + |\text {FNA}(c)| + |\text {FPA begin{aligned}&\mathcal {A}(c) = \frac{|\text {TPA}(c)|}{|\text {TPA}(c)| + |\text {FNA}(c)| + |\text {FPA }(c)|}&\end{aligned} A(c)=∣TPA(c)∣+∣FNA(c)∣+∣FPA(c)∣∣TPA(c)∣ detection分解为precision 1}{|\text {TP}|} \; \sum _{c \in \{\text {TP}\}} \frac{|\text {TPA}(c)|}{|\text {TPA}(c)| + |\text {FPA
1.7K40编辑于 2022-05-10 - 来自专栏用户9180628的专栏
软件开发工作量评估：基于FPA功能点分析法的深入解读
功能点分析方法（Function Point Analysis，FPA）是一种可靠、有效的软件规模度量方法，功能点分析方法（FPA）作为一种理解和交流系统规模的手段，针对用户功能、性能的需求进行度量，具有可在项目早期进行度量 本文给出一种基于FPA方法与专家估算法相结合为主的多算法融合的方法，实现对软件工作量的评估，并在多个项目中进行实践，结果论证该方法既有可操作性又深受用户的认可，下面就由新星咨询为大家深入的对FPA功能点分析法进行解读 一、模型及估算方法 1、模型要素说明 FPA是一种用来度量软件系统规模的方法。在FPA中，任何一个软件系统都被看作是由外部输入处理、外部输出处理、外部查询处理、内部逻辑文件和外部参照文件五种要素组成。 具体详见表2-1系统规模评估结果明细表； 4）在专家不清楚FPA方法评估结果的前提下得出的功能点数与FPA得到的功能点数很接近，从而相互验证了评估结果的有效性。 总结 基于FPA的软件工作量综合评估方法的应用，已经得到用户的认可，实践表明了综合评估方法的有效性和可操作性。
12K50编辑于 2021-12-02 - 来自专栏SDNLAB
RTE先行：“端”、“云”协同的全链路QoS保障方案
PART 01 声网FPA：更快、更稳、更可靠 那么业界该如何解决上述难题？ 全链路加速 FPA 通过“云”和“端”的高效协同，在集成了声网加速SDK的场景下，开发者可以借助FPA全面覆盖各种可能的互联网节点和接入点需求，满足互联网业务的网络质量需求、从而实现高水平的QoS保障。 除此之外，声网全链路加速FPA还拥有以下优势： 1）全链路 相比市面上已有的方案，FPA全链路采用“端”+“云”协同的策略，尤其是端侧SDK一站式集成匹配了各类终端，并整合了声网自研的AUT（Agora 此外，全链路加速FPA还提供了链路质量检测和回溯分析工具，确保链路中的数据传输透明可视。 我们欣喜地看到声网推出的FPA解决方案率先直面了这个难题。 声网全链路加速FPA致力于为应用提供一个可以覆盖全球用户的高品质的网络互联体验。
1.2K10发布于 2021-08-24 - 来自专栏科学计算
Versal FPGA中的浮点计算单元
下图展示了DSPFP32的内部架构： DSPFP32在某种程度上类似于DSP58，真正的区别，除了使用单精度浮点数而不是定点数之外，还有两个输出FPA和FPM，而不仅仅是后加法器P端口，以及没有预加法器 加法器的两个输入操作数的符号可以选择性地反转，这些操作数有多种选择，包括ZERO、C、D和PCIN输入，以及FPA输出本身，可以用来构建累加器。 如果你使用fabric routing将FPA输出外部连接到B输入，你可以在5个时钟周期的延迟下计算类似FPM=A*(C+D)的东西。 第二张图显示了FP32乘法器和加法器内部连接为MAC，因此可以在4个时钟周期的延迟下计算FPA=C+AB或FPA=FPA+AB。 虽然这些图中没有显示，但FPA和FPM都可以路由到PCOUT端口，因此使用P级联输出从相邻的DSP借用一个乘法器，你也可以在四个时钟周期的延迟内计算FPA=C+A1B1+A2B2，因此可以用4个DSPFP32
1K10编辑于 2024-02-22 - 来自专栏全栈程序员必看
自适应算法应用实例_LMS自适应算法应用实物
CWBOA和BOA 中的 c c c感官形态设置为0.01， a a a幂指数在迭代过程从0.1迭代到0.3；基本的BOA和FPA中的切换概率均为 p = 0.8 p=0.8 p=0.8。 250,标准差:0 函数：F7 BOA：最大值: 0.41445,最小值:1.7408e-13,平均值:0.068926,标准差:0.15676 WOA：最大值: 0,最小值:0,平均值:0,标准差:0 FPA 函数：F12 BOA：最大值: 7.7948e-12,最小值:8.4921e-13,平均值:4.5165e-12,标准差:2.1098e-12 WOA：最大值: 0,最小值:0,平均值:0,标准差:0 FPA 0.043863,最小值:7.9381e-14,平均值:0.026527,标准差:0.021455 WOA：最大值: 0.043671,最小值:0,平均值:0.011645,标准差:0.019642 FPA 05,平均值:0.011072,标准差:0.015677 CWBOA：最大值: 0,最小值:0,平均值:0,标准差:0 由函数的收敛曲线可知，改进的CWBOA在收敛的速度和精度上要优于BOA、WOA、FPA
2.5K20编辑于 2022-11-08 - 来自专栏全栈程序员必看
柯西变异和自适应权重优化的蝴蝶算法
CWBOA和BOA 中的 c c c感官形态设置为0.01， a a a幂指数在迭代过程从0.1迭代到0.3；基本的BOA和FPA中的切换概率均为 p = 0.8 p=0.8 p=0.8。 250,标准差:0 函数：F7 BOA：最大值: 0.41445,最小值:1.7408e-13,平均值:0.068926,标准差:0.15676 WOA：最大值: 0,最小值:0,平均值:0,标准差:0 FPA 函数：F12 BOA：最大值: 7.7948e-12,最小值:8.4921e-13,平均值:4.5165e-12,标准差:2.1098e-12 WOA：最大值: 0,最小值:0,平均值:0,标准差:0 FPA 0.043863,最小值:7.9381e-14,平均值:0.026527,标准差:0.021455 WOA：最大值: 0.043671,最小值:0,平均值:0.011645,标准差:0.019642 FPA 05,平均值:0.011072,标准差:0.015677 CWBOA：最大值: 0,最小值:0,平均值:0,标准差:0 由函数的收敛曲线可知，改进的CWBOA在收敛的速度和精度上要优于BOA、WOA、FPA
1.5K10编辑于 2022-11-17 - 来自专栏AI科技大本营的专栏
北大、北理工、旷视联手：用于图像语义分割的金字塔注意力网络
▌模型方法 特征金字塔注意力模块 FPA 基于以上观察，我们提出了特征金字塔注意力模块 (FPA)，该模块能够融合来自 U 型网络 (如特征金字塔网络 FPN) 所提取的三种不同尺度的金字塔特征。 然后，我们分别执行 FPA 模块和 GAU 模块进行准确的像素预测并获取目标定位的细节。蓝线和红线分别代表下采样和上采样运算符。 我们将 FPA 模块视为编码器和解码器结构之间的中心模块。 即使没有全局注意上采样模块，FPA 模块也能够进行足够准确的像素级预测和类别分类。 表1：不同设置下 FPA 模块的性能 GAU 模块 首先，我们评估 ResNet101+GAU 模型，然后我们将 FPA 和 GAU 模块结合并在 VOC 2012 验证集中评估我们的模型。 我们设计了特征金字塔注意力模块 (FPA) 和全局注意力上采样模块 (GAU)。FPA 模块能够提供像素级注意力信息并通过金字塔结构来扩大感受野的范围。
44121发布于 2018-07-23 - 来自专栏用户9180628的专栏
功能点分析法（FPA）：在软件项目规划阶段的作用与好处（一）
功能点分析（FPA）也能用于绩效指标的衡量，它能够与其他开发团队进行基准比较，并建立行业基准数据库，有助于更好地对未来项目进行更准确的估算。 合理利用功能点分析（FPA）能够规避掉软件项目相关的大部分风险，那么接下来聊一聊它在软件项目规划阶段起到了哪些作用？带来了什么好处？ 好处：如果组织还正在考虑实施软件项目的解决方案，那么FPA可以快速估算软件项目方案的实施成本（更换成本VS迭代成本），以便于组织内部进行比较。
1.2K20编辑于 2021-12-13 - 来自专栏深度学习与计算机视觉
MOT：Metrics HOTA
+ ∣ FPA begin{aligned}&\mathcal {A}(c) = \frac{|\text {TPA}(c)|}{|\text {TPA}(c)| + |\text {FNA}(c)| + |\text {FPA + ∣ FPA begin{aligned}&\mathcal {A}(c) = \frac{|\text {TPA}(c)|}{|\text {TPA}(c)| + |\text {FNA}(c)| + |\text {FPA 1}{|\text {TP}|} \; \sum _{c \in \{\text {TP}\}} \frac{|\text {TPA}(c)|}{|\text {TPA}(c)| + |\text {FPA
3.5K30编辑于 2021-12-07
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号