Print

基于改进BP网络的软件项目风险评价研究

论文摘要

随着计算机技术的蓬勃发展、软件数量的急剧膨胀,而相对于硬件技术的飞速发展,软件技术却没有得到与之相适应的发展。其质量、成本及性能等方面都无法与硬件同步。这就导致复杂性高、技术含量高、技术更新快的软件具有了高风险性。目前,软件项目的风险预测也逐渐纳入软件管理的范围。本文首先简单介绍了软件风险管理研究现状和发展趋势,然后简要介绍了软件项目风险的基础概念,包括风险的含义、软件项目的概念、软件项目主要的风险、软件项目风险管理的一些模型、风险识别方法、风险评价方法及BP神经网络的相关理论基础。以往人工神经网络一般采用随机数生成其连接权的初始值和训练样本。两次随机过程会导致降低训练结构的准确性和可信性。针对这一缺点,本文采用正、反序列训练方法,并给出解的唯一性证明。最后给出了改进后的BP神经网络的训练过程,并提出正、反序训练方法,避免了每次训练都必须随机生成样本序列的问题。同时,网络连接权在初始化时不再需要随机生成。在此基础上建立了风险评价指标体系,该体系的指标是经过风险因素的筛选得出的。在BP神经网络的基础上构建软件项目风险评价模型。并使用由专家调查法得到的样本数据进行训练和检测,验证该模型的可行性,为进一步研究风险评价提供思路。

论文目录

  • 摘要
  • Abstract
  • 第一章 序论
  • 1.1 研究背景及意义
  • 1.2 软件风险管理研究现状
  • 1.3 本文的主要内容及结构
  • 1.3.1 本文的主要内容
  • 1.3.2 本文的结构
  • 第二章 软件项目风险管理相关技术理论基础
  • 2.1 基本概念
  • 2.1.1 风险的含义
  • 2.1.2 软件项目的概念
  • 2.2 软件项目风险理论
  • 2.2.1 软件项目风险理论
  • 2.2.2 软件项目的主要风险
  • 2.3 软件项目风险管理概述
  • 2.3.1 软件项目风险管理概念
  • 2.3.2 软件项目风险管理过程
  • 2.3.3 软件项目风险管理模型
  • 2.4 本章小结
  • 第三章 BP 神经网络改进
  • 3.1 BP 神经网络理论
  • 3.1.1 BP 神经网络拓扑结构
  • 3.1.2 BP 神经网络训练算法
  • 3.2 网络训练过程
  • 3.2.1 网络训练过程
  • 3.2.2 网络工作过程
  • 3.2.3 实验结果
  • 3.3 本章小结
  • 第四章 软件项目风险评价指标体系设计
  • 4.1 软件项目风险识别
  • 4.1.1 风险识别的本质
  • 4.1.2 风险识别的方法
  • 4.1.3 项目风险因素的识别
  • 4.2 软件项目风险评价方法
  • 4.2.1 风险评价方法简介
  • 4.2.2 风险评价方法选择
  • 4.3 软件项目风险评价指标体系
  • 4.3.1 指标体系建立
  • 4.3.2 软件项目风险评价模型参数确定
  • 4.4 本章小结
  • 第五章 训练结果分析
  • 5.1 样本数据选取
  • 5.2 模型训练
  • 5.3 模型检测
  • 5.4 本章小结
  • 结论与展望
  • 参考文献
  • 致谢

    • 相关论文文献

    本文来源: https://www.lw50.cn/article/c8bfb15ab2817c8f2bd1309e.html