我说CMMI之五:CMMI 4个等级的区别 了解CMMI的人都知道CMMI有5个等级,但是要将5个等级的区别真正说明白,说透彻不太容易.下面我们用一个表格概括之.表格中并没有1级,1级在CMMI中没有对应的过程域,是起始级,所以不加描述.4-5级的区别在过程能力方面表现比较突出,其他几个方面并没有进行严格区分. 逐行解释之: 1 过程能力指的是过程持续稳定的实现过程目标的能力. 通常我们都拿职业运动员与业余运动员的水平进行比喻.比如职业的射击运动员,他每次出枪总能命中9.5环左右,而业余选手可能

为了帮助软件企业对软件工程过程进行管理和改进,增强开发与改进能力,从而能按时地.不超预算地开发出高质量的软件,美国国防部与卡内基-梅隆大学和美国国防工业协会共同开发和研制了CMMI(软件能力成熟度模型集成) 1． 初始级 软件过程是无序的,有时甚至是混乱的,对过程几乎没有定义,成功取决于个人努力.管理是反应式的. 2．可管理级 建立了基本的项目管理过程来跟踪费用.进度和功能特性.制定了必要的过程纪律,能重复早先类似应用项目取得的成功经验. 3． 已定义级 已将软件管理和工程两方面的过程文档化.标

什么是CMMI CMMI全称是Capability Maturity Model Integration, 即能力成熟度模型集成,是由美国国防部(Office of the Secretary of Defense)与卡内基-梅隆大学(Carnegie Mellon University)和美国国防工业协会(National Defense Industrial Association)共同开发的一个过程改进方法(process improvement approach),它向组织提供用于有效的

CMMI的全称为Capability Maturity Model Integration,即能力成熟度模型集成.CMMI是CMM模型的最新版本.早期的CMMI(CMMI-SE/SW/IPPD),SEI在部分国家和地区开始推广和试用.随着应用的推广与模型本身的发展,演绎成为一种被广泛应用的综合性模型. [1] 中文名 能力成熟度模型集成 外文名 Capability Maturity Model Integration 简    称 CMMI 开发机构 卡耐基梅隆大学软件工程研究所 级    别

1. R初窥 从CRAN(The Comprehensive R Archive Network)cran.r-project.org—mirrors.html中选择一个镜像,然后下载合适的安装包(R支持Linux.Mac OS X和Windows). 在R的控制台输入如下命令: > install.packages('quantmod') # 安装quantmod包 > require(quantmod) #引用quantmod包 > getSymbols("GOOG&quo

Beta里程碑总结 设想和目标 1. 我们的软件要解决什么问题?是否定义得很清楚?是否对典型用户和典型场景有清晰的描述? 要解决的问题是如何实现消息的发布与查看以及个人主页的实现:定义的基本清楚,团队成员都了解:曾经从数据库管理员的角度对典型用户和典型场景有清晰的描述. 2. 是否有充足的时间来做计划? 两次冲刺之间的时间我们团队做了详细的计划,并分工. 3. 团队在计划阶段是如何解决同事们对于计划的不同意见的? 阐述理由,意见还是不统一时投票. 用户量.用户对重要功能的接受程度和我们事先预想的

摘要: 这是<CMMI快乐之旅>系列文章之一.说起猪皮(GP,Generic Practice),真的让人又爱又恨,中文翻译叫通用实践.CMMI标准中每个级别包含几个PA,每个PA又包含几个Goal,而每个Goal又包含几个Practice.实际上Goal分为两类,一类是Specific Goal(特定目标,简称SG),一类是Geniric Goal(通用目标,简称GG).SG包含的Practic叫做Specific Practic(特定实践,简称SP),GG包含的Practic叫做Genir

思想 django为使用一种新的方式,即:关系对象映射(Object Relational Mapping,简称ORM). PHP:activerecord Java:Hibernate C#:Entity Framework django中遵循 Code Frist 的原则,即:根据代码中定义的类来自动生成数据库表. 创建数据库,设计表结构和字段 使用 MySQLdb 来连接数据库,并编写数据访问层代码 业务逻辑层去调用数据访问层执行数据库操作 三层架构

R语言 R是用于统计分析.绘图的语言和操作环境.R是属于GNU系统的一个自由.免费.源代码开放的软件,它是一个用于统计计算和统计制图的优秀工具. 特点介绍 •主要用于统计分析.绘图.数据挖掘 •R内置多种统计学及数字分析功能.R的功能也可以通过安装包(Packages,用户撰写的功能)增强. •因为S的血缘,R比其他统计学或数学专用的编程语言有更强的面向对象(面向对象程序设计)功能 官网:http://cran.r-project.org/ 其他介绍 •R的另一强项是绘图功能,制图具有印刷的素质

1.什么是RUP: Rational Unified Process(以下简称RUP) 是一套软件工程方法,主要由 Ivar Jacobson的 The Objectory Approch 和 The Rational Approch发展而来.同时,它又是文档化的软件工程产品,所有RUP的实施细节及方法导引均以Web文档的方式集成在一张光盘上,由Rational公司开发.维护并销售,当前版本是5.0.RUP又是一套软件工程方法的框架,各个组织可根据自身的实际情况,以及项目规模对RUP进行裁剪和修

三矩形覆盖问题啊……不过听说FJOI还出过双圆覆盖问题? Description 某人在山上种了N棵小树苗.冬天来了,温度急速下降,小树苗脆弱得不堪一击,于是树主人想用一些塑料薄膜把这些小树遮盖起来,经过一番长久的思考,他决定用3个L*L的正方形塑料薄膜将小树遮起来.我们不妨将山建立一个平面直角坐标系,设第i棵小树的坐标为(Xi,Yi),3个L*L的正方形的边要求平行与坐标轴,一个点如果在正方形的边界上,也算作被覆盖.当然,我们希望塑料薄膜面积越小越好,即求L最小值. Input 第一行有一个正

1.软件工程的定义 软件工程是将系统化.规范化.可度量的方法应用于软件的开发.运营和维护上,也就是将工程方法应用于软件上,并对这些方法的研究. 2.软件危机(software crisis) 软件危机(software crisis)是由于计算机能力的快速增长和无法解决的问题的复杂性.随着软件复杂性的增加,很多软件问题由于现有方法的不足够而产生. 软件危机的原因与硬件的整体复杂度和软件的发展过程有关,主要原因是计算机的计算能力超过了程序员有效利用这些计算能力的能力.软件危机主要表现在以下方面:

多重共线性(Multicollinearity)是指线性回归模型中的解释变量之间由于存在精确相关关系或高度相关关系而使模型估计失真或难以估计准确.   1.可以计算X矩阵的秩qr(X)$rank,如果不是满秩的,说明其中有Xi可以用其他的X的线性组合表示: 2.也可以计算条件数kappa(X),k<100,说明共线性程度小:如果100<k<1000,则存在较多的多重共线性;若k>1000,存在严重的多重共线性. 例如: collinear<-data.frame( Y=c(1

1.AngularJs AngularJs是一款JavaScript开源库,由Google维护,用来协助单一页面应用程序: AngularJs的目标是通过MVC模式增强基于浏览器的应用,使开发和测试变得更容易. AngularJs主要考虑的是构建CRUD(create.retrieve.update.delete)应用,像游戏.图形界面编辑器这种DOM操作很频繁也很复杂的应用是不适合AngularJs来构建的,像这种情况用一些更轻量.简单的技术比如jQuery可能会更好 特点: ①数据双向绑定

R中的统计模型 这一部分假定读者已经对统计方法,特别是回归分析和方差分析有一定的了解.后面我们还会假定读者对广义线性模型和非线性模型也有所了解.R已经很好地定义了统计模型拟合中的一些前提条件,因此我们能构建出一些通用的方法以用于各种问题.R提供了一系列紧密联系的统计模型拟合的工具,使得拟合工作变得简单.正如我们在绪论中提到的一样,基本的屏幕输出是简洁的,因此用户需要调用一些辅助函数来提取细节的结果信息. 1定义统计模型的公式 下面统计模型的模板是一个基于独立的方差齐性数据的线性模型 用矩阵术语表

软件工程的定义 1993年,电气电子工程师学会(IEEE)给出了一个定义:"将系统化的.规范的.可度量的方法用于软件的开发.运行和维护的过程,即将工程化应用于软件开发中". 阅读经典名著"人月神话"等资料,解释 software crisis.COCOMO 模型. Software crisis:软件危机是落后的软件生产方式无法满足迅速增长的计算机软件需求, 从而导致软件开发与维护过程中出现一系列严重问题的现象. 这些严重的问题阻碍着软件生产的规模化.商品化以及生产

--多项式回归模型 --单变量多项式模型 --多变量多项式模型 rm(list = ls()) library(openxlsx) library(leaps) #单变量多项式模型# data = read.xlsx("table7-1.xlsx") head(data) plot(data$f,data$mw) attach(data) new_data = as.data.frame(cbind(mw,f,f**2,f**3)) names(new_data) = c("

rm(list = ls()) library(car) library(MASS) library(openxlsx) A = read.xlsx("data141.xlsx") head(A) fm = lm(y~x1+x2+x3+x4 , data=A ) #判断多重共线性 vif(fm) > vif(fm) x1 x2 x3 x4 38.49621 254.42317 46.86839 282.51286 #具有多重共线性 #进行主成分回归 A.pr = princomp

rm(list = ls()) library(car) library(MASS) library(openxlsx) A = read.xlsx("data140.xlsx") head(A) attach(A) fm = lm(y~x1+x2+x3 , data=A) #建立模型 vif(fm) #查看模型是否存在共线性 > vif(fm) #查看模型是否存在共线性 x1 x2 x3 21.631451 21.894402 1.334751 结果显示存在共线性 summar

rm(list = ls()) A = read.xlsx("xiti_4.xlsx",sheet = 4) names(A) = c("ord","x","y") #进行回归 attach(A) fm = lm(y~x) summary(fm) coef(fm) #回归残差关于x的散点图 plot(x,resid(fm)) 成发射状,意味着方差随着x的增加而变大 #尝试用加权最小二乘 #先分类(可以聚类.手动分类) plot

#P120习题4.3 rm(list = ls()) A = read.xlsx("xiti_4.xlsx",sheet = 3) names(A) = c("ord","Y","K","L") attach(A) fm = lm(Y~log(K)+log(L))#线性回归模型 ei = resid(fm) X = cbind(1,as.matrix(A[,3:4])) t = ti(ei,X) #外部学生