信息系统项目管理师教程重点解析

需积分: 9 0 下载量 60 浏览量 更新于2024-07-16 收藏 97KB DOC 举报
"《信息系统项目管理师教程》是针对高级信息系统项目管理师考试的重要参考资料,包含项目管理的核心概念和知识范围。文档强调了项目的特点、项目与日常运营的区别、项目与战略的联系,以及项目管理的专业知识领域。此外,还讨论了大项目管理、项目组合管理、子项目管理以及PMO的角色。文档提到了项目管理学科的发展历程,以及成为优秀项目经理应具备的技能和素质。在项目生命期方面,区分了生命期的不同阶段和其特征,并与产品生命周期的关系进行了对比,介绍了瀑布模型等典型的信息系统项目生命期模型。" 《信息系统项目管理师教程》中的重点知识包括: 1. 项目定义:项目是一次性的、有明确目标和期限的任务,通常由一组相互关联的活动构成。 2. 项目特点:临时性、独特性和资源约束(三重制约:时间、成本和范围)。 3. 项目与日常运营:日常运营是持续的、重复的,而项目是临时性的,具有独特的产品或服务产出。 4. 项目与战略:项目通常与组织的战略目标紧密相关,涉及市场需求、运营、客户、技术、法律和政治因素。 5. 项目管理知识范围:包括范围、时间、成本、质量、人力资源、沟通、风险、采购和整合管理。 6. 专门知识领域:包括启动、规划、执行、监控和收尾五大领域,以及软技能,如沟通和领导力。 7. 高级话题:大项目管理、项目组合管理和子项目管理,PMO的角色在于协调而非直接管理项目,关注战略层面。 8. 优秀项目经理的技能和素质:包括技术能力、人际交往、决策、领导力、沟通和风险管理能力。 9. 项目生命期:包括初始、中间和最后阶段,各阶段有不同的人员投入、费用、风险和变更成本。 10. 项目阶段特征:每个阶段以可交付成果的完成为标志,阶段末审查确保满足进入下一阶段的条件。 11. 项目生命期与产品生命周期的关系:项目生命周期是产品生命周期的一部分,通常包括概念化、开发、实施和运维等阶段。 12. 典型信息系统项目生命期模型:如瀑布模型,是一种顺序开发模型,每个阶段依赖于前一阶段的输出。 这些知识点对于理解和成功管理信息系统项目至关重要,同时也是高级信息系统项目管理师考试的重点内容。通过深入学习和理解这些概念,项目经理可以更有效地规划、执行和控制项目,以实现组织的战略目标。

% 导入9张待复原的图片 img1 = imread('C:\Users\zhong\Desktop\题1\IMG_1192.JPEG'); img2 = imread('C:\Users\zhong\Desktop\题1\IMG_1193.JPEG'); img3 = imread('C:\Users\zhong\Desktop\题1\IMG_1194.JPEG'); img4 = imread('C:\Users\zhong\Desktop\题1\IMG_1195.JPEG'); img5 = imread('C:\Users\zhong\Desktop\题1\IMG_1196.JPEG'); img6 = imread('C:\Users\zhong\Desktop\题1\IMG_1197.JPEG'); img7 = imread('C:\Users\zhong\Desktop\题1\IMG_1198.JPEG'); img8 = imread('C:\Users\zhong\Desktop\题1\IMG_1199.JPEG'); img9 = imread('C:\Users\zhong\Desktop\题1\IMG_1200.JPEG'); % 将图片存储在一个单元数组中 smallImages = {img1, img2, img3, img4, img5, img6, img7, img8, img9}; % 初始化结果大图 resultSize = size(img1) * 3; % 假设结果大图为3x3的网格 resultImage = uint8(zeros(resultSize)); % 对每张图片进行边缘检测 edgeImages = cell(1, 9); for i = 1:9 grayImage = rgb2gray(smallImages{i}); edgeImage = edge(grayImage, 'Canny'); % 使用Canny算子进行边缘检测 edgeImages{i} = edgeImage; end % 计算边缘相似度矩阵 similarityMatrix = zeros(9, 9); for i = 1:9 for j = 1:9 similarityMatrix(i, j) = calculateSimilarity(edgeImages{i}, edgeImages{j}); end end % 构建最小生成树 G = graph(similarityMatrix); mst = minspantree(G); %创建一个大小为300x300的大图像 resultSize = [300 300]; resultImage = zeros(resultSize(1), resultSize(2), 3); % 每行显示3张小图像 for row = 1:3 for col = 1:3 % 计算小图像在大图像中的位置 startIndex = (col-1) * resultSize(2)/3 + 1; endIndex = col * resultSize(2)/3; % 将 smallImages{(row-1)*3+col} 图像复制到对应位置 resultImage((row-1)resultSize(1)/3+1:rowresultSize(1)/3, startIndex:endIndex, :) = smallImages{(row-1)*3+col}; end end % 显示结果图像 imshow(resultImage); % 计算边缘相似度的函数(这里仅示意,实际可根据需要进行修改) function similarity = calculateSimilarity(edgeImage1, edgeImage2) similarity = sum(edgeImage1(:) == edgeImage2(:)) / numel(edgeImage1); end为什么生成图片空白,如何解决

2023-07-23 上传