软件项目可信度预评模型与实证研究

软件项目可信度预评模型与实证研究

论文摘要

随着科技的进步,现代社会已经步入成熟的信息社会阶段,计算机技术的应用已渗透到各行各业之中。软件产业化作为信息化技术的核心,代表着知识、科技和管理的创新,是当代决定企业甚至国家竞争能力的主要因素之一。它关系到一个国家的信息化水平、经济发展的深度、产业结构和国家安全等诸多方面。企业信息化水平是整个国民经济和是信息化建设成败的关键之一。然而,企业的软件项目开发情况一直很不乐观,软件项目成功率较低,其原因是方方面的,有投资决策失误的、有项目运行使用过程中同企业的需求脱节的,但还有一个更为主要的原因:项目在开发过程中没有达到用户的预期目标,随着软件系统的急剧复杂化和应用领域的广泛深入,研究软件项目的可信度(The Reliability of Software Projects)成为当今信息技术领域的一个热点问题。本文首先介绍研究软件项目可信度的背景、内容和意义;然后将软件项目分为软件项目实施过程和软件最终产品两部分,分别分析其中影响整体软件项目可信度水平的因素,从质量、成本和进度三个不同角度评价软件项目的可信性;最后基于T-S型模糊神经网络模型建立评价结构和方法,用MATLAB建模实现了软件项目可信度评价模型算法,仿真结果表明,该算法效率高、收敛速度快、模型精度高。通过对影响因素的研究可以将软件项目可信度结果量化。因此本课题从开发过程的可信度到最终软件项目最终产品的可信度评价,建立全面的软件项目可信度评价体系,从而从软件产品开发的源头上解决项目开发高失败率的问题,为软件项目用户和开发者进行决策和控制提供参考和借鉴,对更好地推进信息化建设具有重要意义。

论文目录

  • 摘要
  • Abstract
  • 1 引言
  • 1.1 问题的提出
  • 1.2 研究意义
  • 1.3 国内外研究现状
  • 1.3.1 国外研究现状
  • 1.3.2 国内研究现状
  • 1.4 论文研究内容与框架
  • 2 软件项目可信度评价概述
  • 2.1 软件可信度
  • 2.2 软件可信度相关知识
  • 2.2.1 软件可信度相关概念
  • 2.2.2 传统的软件可信度传统评价方法
  • 2.3 本文软件项目可信度评价模型的研究内容
  • 2.4 软件项目可信度评价模型的目的和思路
  • 3 软件项目可信度评价指标体系建立的实证研究
  • 3.1 建立软件过程可信度评价指标体系
  • 3.2 建立软件产品可信度评价指标体系
  • 3.3 本章小结
  • 4 基 T-S 模糊神经网络的软件项目可信度评价模型的建立
  • 4.1 模糊神经网络的定义
  • 4.2 T-S 模糊神经网络原理及改进
  • 4.2.1 T-S FNN 结构的说明
  • 4.2.2 用遗传算法调整 T-S FNN 的权值
  • 4.3 基于 T-S 型模糊神经网络评价模型的建立
  • 4.3.1 基于模糊神经网络的确定指标权重
  • 4.3.2 T-S 型模糊神经网络的得出
  • 5 软件项目相似案例实证研究
  • 5.1 案例研究步骤
  • 5.2 案例研究预期的结果
  • 5.3 进行案例模型运行研究
  • 5.4 案例结果展示
  • 5.5 案例结果分析
  • 5.6 研究结论
  • 6 基于过程改进的软件项目可信度评价决策支持研究
  • 7 结论与展望
  • 7.1 工作总结
  • 7.2 可能存在的问题
  • 7.3 进一步的展望
  • 致谢
  • 参考文献
  • 附录
  • A:作者在攻读硕士学位期间发表的论文
  • B:参与的项目
  • 相关论文文献

    • [1].基于模糊聚类的二型模糊神经网络系统辨识[J]. 科学技术与工程 2020(04)
    • [2].一类变时滞模糊神经网络系统解的渐近概周期性(英文)[J]. 四川大学学报(自然科学版) 2020(02)
    • [3].基于改进模糊神经网络的电力通信性能预警方法研究[J]. 计算机与数字工程 2020(03)
    • [4].电动汽车再生制动模糊神经网络控制策略研究[J]. 电气传动 2020(07)
    • [5].基于模糊神经网络的人才甄选系统[J]. 软科学 2019(06)
    • [6].基于模糊神经网络的大数据价值评估研究[J]. 计算机产品与流通 2019(08)
    • [7].变系数高阶模糊神经网络的指数收敛性[J]. 暨南大学学报(自然科学与医学版) 2013(05)
    • [8].基于模糊神经网络的微博舆情趋势预测方法[J]. 情报科学 2017(12)
    • [9].基于模糊神经网络的大学生体质评价研究[J]. 物联网技术 2018(08)
    • [10].采煤机模糊神经网络故障诊断专家系统设计及实现[J]. 智库时代 2017(08)
    • [11].基于模糊神经网络算法的机器人路径规划研究[J]. 四川理工学院学报(自然科学版) 2014(06)
    • [12].模糊神经网络系统的设计与应用研究[J]. 辽宁工业大学学报(自然科学版) 2013(05)
    • [13].基于补偿模糊神经网络的灰循环系统控制研究[J]. 动力工程学报 2012(07)
    • [14].模糊神经网络的发展与应用[J]. 煤炭技术 2012(07)
    • [15].基于动态模糊神经网络的多余力矩抑制方法[J]. 哈尔滨工业大学学报 2012(10)
    • [16].模糊神经网络在股票价格预测中的应用[J]. 甘肃联合大学学报(自然科学版) 2011(03)
    • [17].动态模糊神经网络在变形预测中的应用[J]. 桂林理工大学学报 2011(03)
    • [18].基于模糊神经网络的热风炉温度控制仿真研究[J]. 铜陵学院学报 2011(05)
    • [19].应用自组织模糊神经网络估计卫星姿态系统执行机构故障[J]. 应用科学学报 2010(01)
    • [20].滑动窗与修剪技术的动态模糊神经网络方法研究[J]. 中山大学学报(自然科学版) 2010(01)
    • [21].基于动态模糊神经网络的生物工程算法研究[J]. 计算机工程与科学 2010(03)
    • [22].基于密度聚类补偿模糊神经网络的建模方法[J]. 科学技术与工程 2010(13)
    • [23].时滞系统的模糊神经网络补偿控制[J]. 浙江大学学报(工学版) 2010(07)
    • [24].模糊神经网络优化的研究[J]. 漳州师范学院学报(自然科学版) 2010(02)
    • [25].广义动态模糊神经网络及在轴承故障诊断中的应用[J]. 煤矿机械 2010(10)
    • [26].动态模糊神经网络在并联平台控制中的应用[J]. 系统仿真学报 2009(08)
    • [27].基于改进模糊神经网络的电力系统短期负荷预测[J]. 长春工程学院学报(自然科学版) 2009(01)
    • [28].基于聚类和文化算法的补偿模糊神经网络建模方法[J]. 华东理工大学学报(自然科学版) 2009(02)
    • [29].基于分级模糊神经网络的水电机组故障诊断[J]. 河海大学学报(自然科学版) 2009(03)
    • [30].基于补偿模糊神经网络的自主导向车路径规划[J]. 冶金设备 2009(03)

    标签:;  ;  ;  ;  

    软件项目可信度预评模型与实证研究
    下载Doc文档

    猜你喜欢