需求获取被称为软件过程中最敏锐的知识密集型活动。 需求的质量支持任何软件开发的成功。 文献回顾表明，科学家们已经通过新兴的需求获取过程的各种工具和方法准备了主要支持。 然而，需求工程师要想在整个过程中进行需求获取活动，仍然面临着许多挑战。 一些关键挑战是用户和分析师之间的沟通不畅、支持工具和利益相关者的参与。 这些问题可能导致低效的结果和系统开发的结束。 之前的研究历史表明，人工智能 (AI) 方法可以通过提出几种方法/工具在一定程度上计算机化某些程序，从而在用户和分析师之间提供有效的沟通，从而在这方面提供帮助。 本研究的目的是对需求获取的每个阶段的问题进行分类，并探索人工智能技术来解决这些公认的挑战。 此外，该研究还通过维恩图发现了这些挑战与其潜在的 AI 解释之间的联系。 这项研究是对我们之前工作的补充，在这里，尝试在许多需求获取技术中结合和描述 AI 技术。
2021-11-13 10:08:12
655KB
1
为了实现图像压缩，在分析图像压缩原理的基础上，提出了一种矩阵奇异值分解（SVD）的图像压缩算法，该算法通过对数字图像矩阵进行奇异值分解， 将一幅图像转换成包含几个非零值的奇异值矩阵，从而实现了图像压缩。通过Matlab仿真实验，在奇异值从0变化到240的过程中，当奇异值大于50时，随着奇异值的增大，压缩比越来越小，图像慢慢变清晰。和原始图像相比，采用矩阵的奇异值分解压缩方法可以将原始图像压缩20%左右，具有较好的压缩性能。
2021-11-10 17:06:30
783KB
1
Web 2.0应用的理论基础及多样化实践——《教育传播与技术研究手册(第四版)》对信息化教学的启示.pdf
2021-11-10 16:04:54
1.39MB