基于神经网络算法的风险管理模型

论文摘要

软件风险管理一直以来都是软件项目管理方面的热门研究领域,对该领域的研究可以直接推动企业项目管理的质量,提高软件的可用性,改善企业的对外形象,使企业的软件过程能力更加成熟。然而,实际情况是:每年有大约一半的软件质量不过关或者没有达到预定的目标。损失的不仅仅是金钱,还有市场、客户和信誉,甚至承担法律责任。因此,提高企业的风险管理水平,降低企业项目开发风险是关乎企业的生存大计。从Boehm首次提出软件风险管理的理念到现在,出现了很多经典的风险管理模型,但是这些模型要么偏向于理论研究,要么实施代价很大,并且对中国企业的软件行业了解不够,照搬往往达不到预期的效果,还有的仅仅适合某一类软件。因此,希望能够有一套以本国企业的实际研发情况为背景,同时借鉴国外优秀管理理念的风险管理系统。基于以上目的,本文提出了一套以经典的Boehm和CRM(Continuous Risk Management)软件风险管理模型为基础,使用人工神经网络做事先预测,进行风险识别的理论和方法,并对这两个模型进行了补充和修订。该模型采用了持续管理的理念,希望在开发阶段尽早的识别和控制风险,逐步提高软件项目的质量。本文最后以我们所做过的一个项目为实验数据,该项目在开发过程中实施了本文提出的风险管理模型,并和未经本模型管理之下的软件质量预测数据进行了对比。实验结果表明,在本模型的管理之下,软件的质量有明显的改善。也就证明了该模型对于软件质量的提高是有帮助的。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 研究背景及选题意义
• 1.2 国内外的研究现状
• 1.2.1 Boehm 风险管理模型
• 1.2.2 CMU/SEI 持续风险管理模型（CRM）
• 1.3 本文的主要工作
• 1.4 论文结构安排
• 第二章 风险管理综述
• 2.1. 风险管理的基本概念
• 2.2. 风险管理的基本流程
• 2.3. 经典的风险管理模型
• 2.3.1 Barry Boehm 理论
• 2.3.2 SEI 的CRM 模型
• 2.3.3 Riskit 方法
• 2.3.4 SoftRisk 风险管理模型
• 2.3.5 IEEE 风险管理标准
• 2.3.6 CMMI（软件能力成熟度模型集成）
• 2.3.7 各种模型的对比分析
• 第三章 神经网络综述
• 3.1 神经网络的发展历史
• 3.2 神经网络的研究意义
• 3.3 生物神经元概述
• 3.4 人工神经元网络模型
• 3.4.1 神经元的结构模型
• 3.4.2 人工神经网络的互联模式
• 3.4.3 人工神经网络的基本模型
• 第四章 基于BP 算法的软件风险管理模型
• 4.1 模型的建立
• 4.2 风险因子的采集
• 4.2.1 风险因子的重要性量化
• 4.3 风险识别
• 4.3.1 风险识别的量化
• 4.4 风险分析
• 4.4.1 BP 模型的输出
• 4.4.2 BP 训练
• 4.4.3 BP 判定
• 4.5 风险控制
• 4.6 软件质量跟踪和监控
• 4.7 风险因子跟踪
• 4.8 试验结果
• 第五章 总结与展望
• 5.1 总结
• 5.2.展望
• 参考文献
• 致谢
• 攻读硕士学位期间作者参与的科研项目及成果