BP神经网络在软件项目风险评估中的应用

关于准确地识别软件风险因素,深入研究软件项目风险评估问题,由于软件项目的复杂性和软件风险因子的不确定性和模糊性,无法采用传统数学方法建立准确软件项目风险评估模型.由于传统的数学评估模型的评估准确率比较低,为了提高软件项目评估准确率,提出一种BP神经网络的软件项目风险评估方法.软件项目风险评估方法采用专家系统构建软件项目风险评估指标体系,后对评估体系进行预处理,消除评估体系之间重复和无用的信息,并将非线性学习能力优异的BP神经网络输入,通过BP神经网络自适应学习得到的最优软件项目评估模型,在MATLAB平台上进行验证性仿真.结果表明,算法提高了软件项目风险评估的准确率,克服了传统数学评估模型的缺陷,评估的结果更具科学性,在软件项目风险评估中提供了有效的方法.     

基于BP神经网络的软件项目风险评估研究*

为了确定软件开发项目中不确定因素的影响,提出基于BP神经网络的软件项目风险评估模型。首先,构建了软件项目风险识别的TEMP（technology、environment、management、process）模型;其次,在TEMP识别模型基础上建立了包括17种风险指标在内的软件项目风险评估指标体系;再次,利用BP神经网络建立了风险评估模型;最后,通过MATLAB实例证明该风险评估模型的有效性和可行性。     

基于证据理论的软件项目风险评估方法

针对专家模糊评判语言导致风险评估结果可信性降低的问题,提出一种基于证据理论的软件项目风险评估方法。该方法首先将专家评估值转化为基本概率分配(BPA),其次使用基于相似系数优化的证据合成方法进行数据融合,并根据风险矩阵得出风险优先级。此外,相似系数可以作为复盘专家评估值相互支持情况的辅助决策依据。通过算例验证了该方法的实用性和可行性,通过与模糊理论、熵权法及TODIM方法进行对比分析,进一步验证和展现该方法在运算过程、权重分配方法以及处理冲突信息方面具备的客观性和优越性。     

基于模糊理论的软件项目风险评估模型研究

在软件项目的开发和管理过程中存在很多的不确定性,针对软件项目的复杂性和不确定性,该文在模糊理论的基础上,提出了一种基于模糊理论的软件项目风险评估模型。该模型可以评估常用于衡量风险程度的风险当量以外,还可以评估多种风险对某种风险后果的组合影响,以及单个风险对整体后果的综合影响。通过实践证明该模型可以减少专家评估的不确定性,有效地预测潜在的风险,为降低风险发生的概率和提高软件项目的成功提供了行之有效的方法。     

基于生命周期理论的软件项目投标风险评估

传统软件项目投标的风险评估往往局限在投标过程的某个阶段,且评估具有较强的主观性。针对此问题,本文基于项目生命周期理论,采用熵权系数法和AHP方法来确定各个风险因素和项目生命周期各阶段风险的相对权值,利用模糊综合评判法对软件项目投标的风险进行综合评估。实例分析表明：所建立的风险评估模型克服了主观判断的弊端,使投标者明确整个项目生命周期及生命周期各阶段的风险控制的重点领域,具有良好的适用性。     

基于贝叶斯网络的软件项目风险评估模型

针对软件项目面临失败风险的问题,提出一种新的软件风险评估模型,采用贝叶斯网络推理风险发生的概率,用模糊语言评估风险后果与损失的方法。实践证明,通过应用基于贝叶斯网络的软件风险评估模型,加强了软件企业风险管理的意识,降低了失败风险发生的概率,提高了软件开发的成功率。     

贝叶斯网络在软件项目风险评估中的应用

在软件项目生存周期早期或创新型项目的研发过程中,可用的案例数据很少或很不完整,项目风险多由专家经验进行主观评估,给风险的客观度量带来了很大的困难。提出了一种基于贝叶斯网络的软件项目风险评估方法,不仅可度量风险影响程度的风险当量,还能度量出多种风险对某种风险后果的组合影响以及单个风险对整体后果的综合影响,从而增强了软件项目风险的预测和应变能力,为有效地降低风险发生概率、提高软件开发成功率提供了一种新的途径。     

小型软件项目的风险管理研究

风险管理是软件项目管理中一个很关键的环节,但通常的风险管理方法研究大都针对于大中型软件项目。然而,对小型软件项目而言,一方面有着与大项目不同的一些特点和管理方式,另一方面很多方法又是共通的。本文针对小型软件项目人员少,周期短的特点,对广为应用的风险表评估方式和管理流程作了裁剪,通过性质分类简化了评估模型,能在一定程度上修正风险评估中的主观偏差,使其分析方法和管理策略更加适用于小型软件项目。     

软件风险评估量化分析研究

为解决软件风险评估完全凭借专家经验产生的主观性和模糊性问题,提出了基于进化神经网络模型的软件风险定量评估方法.通过研究软件风险评估过程,提出了软件风险评估指标体系模型,同时运用模糊理论将风险因素量化以此作为进化神经网络的输入值.将改进的粒子群算法(PSO)、BP神经网络相结合,构建了基于改进BP神经网络的进化神经网络模型.对提出的模型和改进的算法进行模拟仿真实验,实验结果表明了该方法对软件风险评估量化分析的可行性.     

一种软件项目的风险评估模型及应用

文章提出了一种软件项目风险评估模型。采用AHP方法与模糊逻辑法相结合的方法进行风险评估,并根据软件项目管理的实际情况对AHP方法与模糊逻辑法进行了改造。最后确定出软件项目各风险的权重。在确定了项目的风险,并做出了评估和排序后,对这些风险采取适当的方法进行有效的风险控制。通过实例分析可知,利用该方法可以方便地求出软件项目风险权重,实验结果符合实际。     

RBF神经网络在高校奖学金评定中的应用

对目前高校奖学金评定的现状及存在问题进行分析,对高校学生奖学金的评定,建立RBF神经网络模型,利用测试样本进行仿真测试,结果表明,该方法比传统方法更加全面、公平、公正,具有较高的参考价值及实用性.     

模糊理论在RBF神经网络中的应用

概述了模糊系统和神经网络两者结合的优势,由于RBF神经网络在逼近能力、分类能力和学习速度等方面的优势,对RBF网络进行了模糊化构造,并用MATLAB进行了实验,并给出了结论：     

模糊理论在RBF神经网络中的应用

概述了模糊系统和神经网络两者结合的优势,由于RBF神经网络在逼近能力、分类能力和学习速度等方面的优势,对RBF网络进行了模糊化构造,并用MATLAB进行了实验,并给出了结论。     

RBF神经网络在人脸识别中的应用

RBF是模式识别中应用最为广泛的一种神经网络。将这种网络应用于人脸识别,建立了人脸识别模型。通过改进隐含层中心选择算法,利用Yale人脸图像数据库进行仿真实验,对比分析了它们各自的识别率指标,说明本文提出的方法在不影响识别率的情况下可以显著提高人脸识别的速度,减小系统的存储量,从而满足人脸识别的实用性要求。     

RBF神经网络在转炉提钒预报中的应用

该文用RBF神经网络建立了转炉提钒冷却剂预报模型。RBF网络的中心的选取采用了可以在线学习的最近邻聚类算法。为了进一步优化网络中心，提出了基于密度排名的最近邻聚类算法。该算法聚类前先将样本按其在样本空间的密度进行了排序，聚类过程始于样本空间最密集处。实践证明，该算法应用于提钒冷却剂预报模型的建立是合理的，可行的。     

RBF神经网络的研究与应用

神经网络是对人脑神经系统的数学模拟,其目的是学习和模仿人脑的信息处理方式。文章介绍了神经网络的原理和模型、RBF神经网络的学习过程以及采用RBF神经网络进行高压断路器故障诊断的训练过程。     

RBF神经网络的研究与应用

神经网络是对人脑神经系统的数学模拟,其目的是学习和模仿人脑的信息处理方式。文章介绍了神经网络的原理和模型、RBF神经网络的学习过程以及采用RBF神经网络进行高压断路器故障诊断的训练过程。     

基于RBF神经网络的空战威胁评估

针对现有空战中威胁评估算法存在的不足,提出了用RBF神经网络进行威胁评估的方法.给出了涉及空战威胁评估的因素及其数学模型,建立了基于RBF神经网络的空战威胁评估算法.最后,举出一个应用实例,并将该方法评估结果与多属性决策法评估结果进行了比较.实验表明,该方法评估结果准确、快速.