基于代价敏感和集成方法的外包软件项目风险智能预测模型

发布时间：2017-07-16 02:05

  本文关键词：基于代价敏感和集成方法的外包软件项目风险智能预测模型

  更多相关文章： 外包软件项目 风险管理 集成方法 代价敏感 风险预测

【摘要】：外包是软件开发的主要方式之一，具有非常高的失败率为了提高软件项目的成功率，学者们做了许多关于风险管理的预测模型研究这些模型旨在帮助软件项目管理者评估项目的成功率以及获得成本效益 本文对近20年的软件项目风险预测模型研究进行了总结，发现还没有将代价敏感和集成方法结合起来运用到软件项目风险领域的研究现存研究中的大多数预测模型都假设：所有的误分类代价是相等的但是，在软件项目的具体实践中，情况并非如此外包软件项目风险是一个典型的代价敏感的问题，将失败的项目预测为成功的项目的代价远高于将成功的项目预测为失败的项目因此，本文旨在为软件项目风险预测领域探索建立一个代价敏感的预测模型另外，为了提高模型的预测准确率以及降低代价，本文构建异质和同质两种类型的集成模型，，并将它们与基于单一分类器的模型进行比较同时，本文还引入T-test方法以保证模型评估的严谨性和有效性 基于收集的327个外包软件项目真实样本，本文比较了包括集成模型和单一模型在内的总共60个不同模型的性能实验结果表明，基于bagging方法的同质的决策树集成模型是最优的模型决策树具有良好的预测准确率简单且易于解释，更符合软件项目的实践需求 本文探索性地将代价敏感和集成方法引入到外包软件项目风险建模中，同时也为预测模型的评估提供了一个更全面的评估方法本研究能为软件项目实践者提供一个清晰的基于代价敏感和集成方法的外包软件项目风险预测模型的建模框架，对软件项目风险管理理论和实践具有重要的指导意义
【关键词】：外包软件项目 风险管理 集成方法 代价敏感 风险预测
【学位授予单位】：广东外语外贸大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：F274;F49;F224
【目录】：

• 摘要4-5
• Abstract5-6
• 目录6-8
• 第1章 绪论8-11
• 1.1 研究背景与意义8-9
• 1.2 研究内容与目标9-10
• 1.3 研究的贡献10
• 1.4 本文框架10-11
• 第2章 文献综述11-18
• 2.1 国内外对软件项目风险管理的研究情况总述11
• 2.2 外包软件项目风险管理11-13
• 2.3 软件项目风险预测模型13-14
• 2.4 代价敏感学习14-15
• 2.5 集成方法15-16
• 2.6 总结16-18
• 第3章 方法论18-23
• 3.1 单分类器18
• 3.2 集成方法18-20
• 3.2.1 Majority Voting 机制19
• 3.2.2 Bagging 机制19
• 3.2.3 Boosting 机制19-20
• 3.3 代价敏感学习20-21
• 3.3.1 混淆矩阵20-21
• 3.3.2 Metacost 方法21
• 3.4 模型评估方法21-23
• 第4章 实验以及结果分析23-43
• 4.1 研究设计23-24
• 4.2 步骤一：数据收集24-28
• 4.2.1 输入变量24
• 4.2.2 输出变量24-25
• 4.2.3 样本数据信息25-27
• 4.2.4 数据预处理27-28
• 4.3 步骤二：最优单分类器的选择28-31
• 4.3.1 非代价敏感框架28
• 4.3.2 代价敏感框架28-31
• 4.4 步骤三：集成分类器的构建31-40
• 4.4.1 异质集成分类器31-32
• 4.4.2 同质集成分类器32-40
• 4.5 步骤四：选择最优的分类器40-41
• 4.6 实验结论41-43
• 第5章 总结43-45
• 5.1 对软件项目风险管理的意义43-44
• 5.1.1 研究意义43
• 5.1.2 实践意义43-44
• 5.2 研究的不足和进一步讨论44-45
• 参考文献45-53
• 致谢53-55
• 附录 A 外包软件项目风险管理调查问卷55-60
• 附录 B 代价敏感框架下单分类器实验结果60-61
• 附录 C 基于 bagging 的同质集成分类器最优迭代次数的选择61-70
• 附录 D 基于 boosting 的同质集成分类器最优迭代次数的选择70-80
• 在学期间的研究成果及发表的学术论文80-81
• 在学期间参与的科研项目81

【参考文献】

中国期刊全文数据库 前5条

1 郑恩辉;李平;宋执环;;代价敏感支持向量机[J];控制与决策;2006年04期

2 唐明珠;阳春华;桂卫华;谢永芳;;代价敏感概率神经网络及其在故障诊断中的应用[J];控制与决策;2010年07期

3 闫明松;周志华;;代价敏感分类算法的实验比较[J];模式识别与人工智能;2005年05期

4 李华雄;周献中;黄兵;赵佳宝;;决策粗糙集与代价敏感分类[J];计算机科学与探索;2013年02期

5 沈桂兰;陈冬梅;牛英华;;基于承包商视角的IT服务外包项目风险因素的辨识[J];科技管理研究;2013年08期

中国博士学位论文全文数据库 前1条

1 王瑞;针对类别不平衡和代价敏感分类问题的特征选择和分类算法[D];中国科学技术大学;2013年

本文编号：546629