- 综合排序
- 最热优先
- 最新优先
- 来自专栏韩曙亮的移动开发专栏
【软件过程改进 学习笔记】过程思维 ( 软件危机 | 软件过程 | 过程改进 | 过程思维 | 过程描述 | ISO 9000 | 6σ | PCM | CMMI )
5.公司能力 与 能力改进 ( 1 ) 公司能力 提出 ( 2 ) 能力改进作用 6.软件过程发展 7.以质量为中心的软件工程 8.软件过程 定义 及 作用 二. : 使工作标准化, 提高软件的可重用性, 和 员工之间的协作 ; 4.不断改进 : 软件过程的理论强调, 不断的进行过程的改进, 使软件开发 不断的 跟上潮流, 接收新的 软件开发经验; 5.降低成本 过程改进的必要性 过程改进的必须要性 : 给出了以下 六个 必须要持续改进过程的 理由 ; 1.性能降低 : 过程经过一段时间后, 其性能就会趋于降低 ; 2.需求提高 : 客户的需求会越来越高 ; 3 , 都存在过程 ; 凡是过程, 都存在改进 ; 凡是改进, 都没有终点 ; ---- 五. - 质量管理必须坚持进行质量改进 质量改进 : 1.持续改进观点 : 质量管理 必须坚持进行 质量改进 ; 2.主动改进 : 质量改进工作 应该 致力于 经常寻求改进机会, 不能 等待问题暴露后再去抓机遇
1.1K00编辑于 2023-03-28 - 来自专栏腾讯云TVP
DevOps时代的软件过程改进探讨
建立可观测的指标，是过程改进非常重要的一个步骤！ 理念方面，需要在组织层面持续加强对过程改进的认可度，越是紧密的协作，越是需要更灵活的过程度量方法，过程改进工作的价值也就越容易得到体现。 常见的认识误区是，采用了DevOps就是引入了一个标准范式，无需过程改进；相反，DevOps对每一个过程的要求相对更高，能持续对瓶颈或薄弱过程进行改进，会让DevOps的价值更大。 可以认为，是 Jenkins 把过程改进相关的工作串联了起来。 此时的软件过程改进依然可以极大程度地参考 Jenkins X ，任何效率和质量瓶颈都值得去做改进！
14.3K110发布于 2019-05-11 - 来自专栏全栈程序员必看
轻量级过程改进之综述「建议收藏」
“软件过程改进方法和规范”。 而是一个从不及格到60分的过程。假设我们哪一天可以站在60分的角度去看问题了，那可能我们就会採用其它的模型来帮助我们做更高层次的过程改进。 二．改进域 轻量级过程改进不是一个完整模型。 研发团队主要角色和职责总结例如以下： 过程改进小组：依据团队的现状分析、计划和裁剪过程改进模型，并负责在团队中推广、实施详细的过程改进措施。过程改进小组类似CMMI中的SPEG。 过程改进是一项重要和长远的工作。一定要依据机构的实际情况（如发展战略、研发实力等）来梳理过程域和改进方案，并要充分考虑过程改进的成本和效益。 轻量级过程改进的宗旨是针对没有专设过程改进部门的中小型研发团队，通过比較低的代价有效地改进过程能力。目标是能达到适合团队发展的过程能力。过程改进的推行者应当具备一定的软件project和项目管理知识。
40110编辑于 2022-07-08 - 来自专栏程序员吾真本
持续过程改进最高指导原则 v0.6
种瓜得瓜，种豆得豆，所以与其纠结实际结果，不如关注导致结果的原因——即过程； 常改进过程，多宽容同事：因为每个同事在主观上都想把工作搞好；但环境必然会变化，信息必然不全面，过程必然会过时，失误必然会发生 ；所以与其“防范失误发生”，不如“阻止失误蔓延”；与其追究主观原因，不如关注客观原因；客观原因主要由知识和工具的缺乏所导致； 日常工作本身就是做持续过程改进，就是发现和补充客观原因——所缺乏的知识和工具 ； 每个愿意改进的人都要找一位教练来一对一地学会如何做持续过程改进； 本着“公开、平等和易学”的原则，持续和小批量地分享失误的复盘报告。 “过程”与“流程”不同，“过程”指能产生成效（如流程、实践、框架等结果）的那些原因。）
25820发布于 2018-08-20 - 来自专栏Greenplum
EXPLAIN(ANALYZE)需要 BUFFERS 来改进 Postgres 查询优化过程
精简克隆 – 扩展 SQL 优化过程的最佳方式 如前所述，Postgres 查询优化并不是一个微不足道的工程领域。 仅在开始和完成 optimization 过程时返回 timing numbers。在流程中，重点关注计划结构和缓冲区编号。是的，SQL 优化的最终目标是尽可能低的 TIMING 值。 在一台计算机上，我们可以运行多个 Postgres 实例，共享一个初始数据目录，并使用 ZFS提供的 Copy-on-Write，以允许同时独立执行多个实验过程。 当您在优化过程中时，不要考虑时间数字 - 这可能感觉有悖常理，但这就是让您忘记环境差异的原因。这就是允许使用精简克隆的原因 – 看看 Database Lab Engine 和其他公司是怎么用它的。
31010编辑于 2025-09-11 利用分析洞察力来改进Sitecore内容编辑过程
本文旨在增强内容作者的体验; 利用富有洞察力的数据为编辑过程增添真正的价值。 内容作者的日常生活是忙碌的。从一页跳到另一页，进行修改或创建全新的领域。任务的优先顺序由谁来确定? 表现最佳的页面，改进的领域，甚至是破碎的页面都包含在与作者及其编辑平台隔离的单独报告中。 随着时间的推移，我们希望让作者可以选择需要编辑的页面是否具有高优先级。 通过在Experience Editor界面中引入指标，我们首先创建了改进页面的原因。我们为页面带来了背景; 它表现良好吗？它的表现是否优于其他页面？您将立即知道此页面是否是要编辑的页面。 它不仅仅是内容更新; 其内容创建，内容改进和内容删除。花时间明智地为您的业务创造价值。
14900编辑于 2025-04-05《软件工程》第 16 章 - 软件项目管理与过程改进
= null) { System.out.println("当前代码内容:\n" + content); } } } 16.8 软件过程改进 16.8.1 优化级：持续过程改进 绘制的CMM 成熟度等级图： CMM 成熟度等级演进图 16.9 小结 本章全面介绍了软件项目管理与过程改进的核心知识，包括项目度量与估算方法、风险分析、进度计划、 人员组织、质量保证、配置管理以及过程改进模型。 在实际工作中，应根据项目特点选择合适的管理策略，并持续改进过程，以适应不断变化的需求和技术环境。 以上内容系统梳理了软件项目管理与过程改进的关键知识点。 上述内容完整覆盖了软件项目管理与过程改进的核心知识体系。代码示例采用 Java 实现，结合 流程图和 思维导图，便于读者理解和实践。
13510编辑于 2026-01-21- 来自专栏AI智韵
YoloV9改进策略：Block改进|RFE模块，提高小物体的识别精度|即插即用|代码+修改过程
在训练过程中，它们的累积贡献主导了模型的更新，导致模型过拟合[16]。这被称为样本不平衡问题。为了解决这个问题，Lin等人提出了Focal Loss，以动态地为困难样本分配更多权重[6]。 因此，锚点框的尺度和比例设计非常重要，这可能极大地提高模型的准确性和收敛过程。 回归损失：回归损失用于衡量预测边界框和真实边界框之间的差异。 第三，为挖掘难样本，受自适应训练样本选择（ATSS）[33]的启发，我们设计了具有自适应阈值的滑动权重函数，使模型在训练过程中更加关注难样本。 当前的人脸检测算法主要通过继承通用目标检测算法（如SSD[4]、Faster R-CNN[5]、RetinaNet[6]等）的优点进行改进。 此外，我们添加了一个残差连接，以防止训练过程中出现梯度爆炸和消失的问题。收集和加权层用于从不同分支收集信息并为每个分支的特征加权。加权操作用于平衡不同分支的表示。
89110编辑于 2024-10-31 - 来自专栏AI智韵
YoloV9改进策略：Block改进|改进HCF-Net|附结构图|多种改进方法（独家改进）
本文改进使用shufflechannel改进MDCR，打造全新的额MDCR_shuffle模块，实现大幅度涨点 论文：《HCF-Net：用于红外小目标检测的分层上下文融合网络》 红外小目标检测是一项重要的计算机视觉任务 维度感知选择性集成模块 在红外小目标检测的多级下采样过程中，高维特征可能会丢失关于小目标的信息，而低维特征可能无法提供足够的上下文信息。 损失设计 如图1所示，我们采用了深度监督策略来进一步解决下采样过程中小对象丢失的问题。 这有助于模型更好地处理小对象，并在下采样过程中减少信息丢失。通过结合二元交叉熵损失和交并比损失，我们能够同时优化模型的分类和定位能力，从而提高整体性能。 四、实验 A. 0.796 tu-22 230 98 0.912 1 0.995 0.804 改进方法
77310编辑于 2024-10-22 - 来自专栏只喝牛奶的杀手
故障改进
那从整体来看，需要怎么故障改进？ 第一，优化故障获知和故障定位的时间。 从故障发生到我们知道的时间是否可以优化得更短？ 定位故障的时间是否可以更短？ 有哪些地方可以做到自动化？ 第三，优化开发过程中的问题。 Code Review 和测试中的问题和优化点。 软件架构和设计是否可以更好？ 对于技术欠债或是相关的隐患问题是否被记录下来，是否有风险计划？ 第四，优化团队能力。
81320编辑于 2022-11-14 - 来自专栏AI研习社
为什么你需要改进训练数据，如何改进？
通过选择一个模型并对其进行测试，你会找到训练数据中存在的问题并对这些问题进行改进。 几乎任何一种总结都有助于改进实验结果，但是我发现混淆矩阵是一个很好的折衷方案，它给出的信息比一个精确的数字要多，但不会因为细节太多而使我困惑。 有了这些信息，他们就能够改进标记人员的培训过程并修复这个工具，即只要将所有的汽车图像从 Jaguar 类别中删除，就可以使模型中这个类别获得更高的准确率。 这种改进方法有点像回归测试，并给你提供一种方法来跟踪你改善用户体验的效果，因为单个模型精度指标将永远无法完全捕捉到人们所关心的所有信息。 我总是惊叹即使针对严重缺陷的训练数据，模型一样会运作良好，因此我迫不及待的想看到我们的数据集模型改进以后还能做些什么。
91010发布于 2018-07-26 - 来自专栏斑斓
类型流（TypeFlow）——世俗化的函数式编程和改进的过程式设计
但面向过程毕竟被淘汰了，而且淘汰是有理由的： 当一个团队多人共同开发一个应用的时候，由于过程之间存在依赖，而每个过程都可以操作任何资源，并且过程和资源的关系不是显式的，这就使不同开发者之间产生互相干扰 这种方法论可以算是一种世俗化的函数式编程和改进型的过程式设计。它的思想可以用下面这张图表达。 类型流有以下特点： 类型流采用了函数式编程的核心概念之一，纯函数来体现业务逻辑。 流程图里的每一步都是一个过程，这个过程可以做任何事情，操作任何资源，从流程图上是完全看不出它操作了什么资源的。因此流程图完全继承了过程式编程的所有缺点。 银行核心系统很多运行在主机上的RPG和COBOL是过程式的。如果原样搬，只换种编程语言，则保留了过程式的全部缺点，而运行环境换成了不如主机可靠的分布式环境，后果难料。 类型流的副作用剥离加可视化建模是性价比很高的改进方法。 Serverless应用。
44410编辑于 2023-03-23 - 来自专栏日常技术分享
iOS 路由改进
之前写过一篇关于iOS 组件化之CTMediator的文章，小项目中使用起来还是不怎么方便，改进了下，取名为DRouter吧，目录结构是这样的 ?
79330发布于 2021-04-26 - 来自专栏AI智韵
YoloV8改进策略：Block改进|RFE模块|即插即用
在训练过程中，它们的累积贡献主导了模型的更新，导致模型过拟合[16]。这被称为样本不平衡问题。为了解决这个问题，Lin等人提出了Focal Loss，以动态地为困难样本分配更多权重[6]。 因此，锚点框的尺度和比例设计非常重要，这可能极大地提高模型的准确性和收敛过程。 回归损失：回归损失用于衡量预测边界框和真实边界框之间的差异。 第三，为挖掘难样本，受自适应训练样本选择（ATSS）[33]的启发，我们设计了具有自适应阈值的滑动权重函数，使模型在训练过程中更加关注难样本。 当前的人脸检测算法主要通过继承通用目标检测算法（如SSD[4]、Faster R-CNN[5]、RetinaNet[6]等）的优点进行改进。 此外，我们添加了一个残差连接，以防止训练过程中出现梯度爆炸和消失的问题。收集和加权层用于从不同分支收集信息并为每个分支的特征加权。加权操作用于平衡不同分支的表示。
95810编辑于 2024-10-31 - 来自专栏SEO优化知识
SEO改进措施，5个持续改进方案值得收藏
SEO改进是什么？ 当我们面临这个问题的时候，一些SEO工作人员，经常会产生疑问，而实际上，我们都非常清楚，搜索引擎是一个动态变化过程，只有通过持续改进，修正相关错误，我们才能够保持长久的优势。 4.jpg 那么，SEO改进措施，5个持续改进方案有哪些？ 即使你可能对某些内容具有一定的参考，我们也需要借助一定的SEO工具，进行持续改进，针对内容质量改进，达到搜索引擎的原创标准。 当然，影响搜索引擎排名的因素仍然有很多，比如：H1标签，strong标签，甚至是keywords标签，我们在做SEO运营的过程中，都会选择适当的持续改进。 总结：SEO长期运营，总是每天会面临各种问题，我们只有在不断制定改进措施与改进方案中度过，并且通过持续改进，提高网站的各项指标，从而达到预期目标。
80320发布于 2020-11-06 - 来自专栏AI智韵
YoloV8改进策略：Block改进|EVC，提高小目标的检测能力|附代码+改进方法
五、改进的效果 将EVC模块加载到YoloV8的BackBone后面，可以预期以下改进效果： 性能提升：由于EVC模块能够捕获全局长距离依赖关系和保留局部角落区域信息，因此可以提高目标检测的准确性。 上述过程可以表示为： 其中，是基于深度卷积的模块的输出。GN()表示组归一化，DConv()表示核大小为的深度卷积[57]。 上述过程表示为： 其中，表示通道MLP [46]。为便于表述，在本文的公式3和公式4中，我们省略了通道缩放和DropPath。 LVC。 主干网络是改进的跨阶段部分网络v5[56]和DarkNet53[53]，其中改进的跨阶段部分网络v5用于消融研究，DarkNet53用于与最先进方法的结果比较。颈部网络是FPN[17]。 改进的CSPNet v5[35]。为了公平比较，我们选择YOLOv5（即改进的CSPNet v5）作为我们的主干网络。
2.3K10编辑于 2024-12-05 - 来自专栏AI智韵
Yolo11改进策略：上采样改进|CARAFE，轻量级上采样|即插即用|附改进方法+代码
应用场景：CARAFE模块旨在改进图像处理和计算机视觉任务中的上采样过程，特别适用于目标检测、实例分割、语义分割和图像修复等任务。 目标：通过引入内容感知的重新组装机制，CARAFE旨在提高上采样过程的准确性和效率。 Faster-RCNN[33]引入了区域提议网络（RPN）用于端到端训练，该网络通过引导锚定方案[37]得到了进一步改进。 动态滤波器和CARAFE都是内容感知算子，但它们之间的根本区别在于内核生成过程。具体来说，动态滤波器是一个两步卷积过程，其中额外的滤波器预测层和滤波层需要大量的计算。 该过程相当于一个顺序上采样-拼接过程，即首先将P5上采样到P4的尺寸并进行拼接，然后将拼接后的特征图上采样到P3的尺寸，以此类推。我们在这里用CARAFE替换顺序双线性上采样。 4.3.
1.8K10编辑于 2024-11-11 - 来自专栏Elastic Stack专栏
改进 Filebeat 内存分配
我们的想法是生成和审查pprof性能分析文件，识别代码库中的改进区域。特别是，我们研究了在特定日志使用场景下的内存性能分析文件。 正如每个侦探的调查工作一样，我们知道应该着眼于事件的主要路径以找到改进点。因此，我们首先查看了立即看似主要路径的部分，然后通过查看代码进行进一步调查。 在这篇博客中，我们将讨论在检查内存性能分析文件时立即显现的其中一个改进机会。 调查 我们首先定义并执行我们的测试案例，并收集内存性能分析文件。 由于这看起来是一个改进的好候选，我们立即提出了一个拉取请求。经过与团队讨论，我们发现我们不需要日志记录器，因为错误已在事件中设置。 我们确信还有改进的空间。 寻找改进的过程仍在继续 这个例子只是Elastic的平台摄取团队在那次远足中发现的改进之一。我们将在接下来的几周内继续发布关于性能改进的更多帖子。
1.5K10编辑于 2024-01-02 - 来自专栏yhlin's blog
快速排序及其改进
快速排序在平均情况下时间复杂度为 O(nlog n) 最坏情况下 (如待排序列有序) 为 O(n^2) 要使得在最坏情况下时间复杂度为 O(nlog n) 容易看到，快速排序的性能取决于划分的 对称性 可以每次都将问题划分为相等规模的两个子问题 即 T(n) = 2T(n/2) + n 由主定理解得 T(n) = O(nlog n) 因此可以用一个算法选取当前序列的中位数将其作为主元(pivot)，将子问题划分为原问题的一半规模
48520编辑于 2023-02-27 - 来自专栏iiopsd技术专栏
Code Review 改进方案
Reviewers 根据各自的经验，思考方式，看问题的角度给代码提出各种可能的改进意见，提升系统的可维护性，从而形成更好的代码以及产品质量。 参与者会在Code Review 的过程中基于具体问题从不同角度提出改进意见，并最终做出当前最佳的选择并形成共识。 3、学习交流 其实Code Review 不应该是一个单向的过程，而应该是个双向交流的过程，Reviewer 帮助Author 提出代码改进意见的同时，也是向优秀的Author 学习的过程。 这也是一种思路重构的过程，可以帮助更多的人理解系统，类似于组队编程，降低因人员流失的运营成本及风险。 改进方案 1、自我审查 一般情况下Code Review 都是找他人来进行Review，其实负责任的Author 在邀请他人来代码审查前也需要自己简单Review 一遍，即自我审查。
74430编辑于 2022-12-23
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