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。     

软件项目风险评估算法的仿真研究

研究软件项目风险评估准确性问题,软件项目具有复杂性,软件风险因子具有不确定性和非线性,采用传统数学方法无法建立准确软件项目风险评估模型,同时由于受到人为的主观因素的影响,导致软件项目风险评估准确率比较低.为了提高软件项目风险评估准确率,提出一种RBF神经网络的软件项目风险评估模型.模型首先采用专家系统构建软件项目风险评估的指标集,再用德尔菲法对评估指标打分,最后将指标得分和风险等级分别作为RBF神经网络输入和输出,通RBF神经网络的智能学习得到最优软件项目风险评估模型.在MATLAB平台对软件项目评估数据集进行仿真,结果表明,RBF神经网络模型克服了传统数学评估模型的缺陷,提高了软件项目风险评估的准确率,降低软件项目风险评估误差,提供了一种软件项目风险评估的依据.     

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。     

区间型关联函数在软件项目风险评估中的应用

将可拓评估应用于软件项目风险评估中。该方法依据物元模型与区间型关联函数理论,分析了软件项目风险评估准则,建立风险评估的物元模型。通过计算该模型的综合关联度,得出定量的数值。该数值既表示出风险量的大小,又体现风险转化趋势,从而可作为风险转化指标,以确定何时启动风险应对计划。最后通过案例验证该方法的有效性。     

基于BP神经网络的信息安全风险评估

论文详细给出了信息安全的风险评估流程及评价方法。建立的信息安全风险评估体系采用BP神经网络方法,是一种非线性方法,不带有明显的主观成分和人为因素,使评价结果更有效、更客观。实例表明计算结果贴近成功案例结果。     

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。     

三角模糊数多属性决策在软件项目风险评估中应用

风险评估是软件项目风险管理的基础。基于软件项目风险评估目标及相关文献分析,构建了风险评估的准则体系,并将三角模糊数多属性决策方法应用于软件项目风险评估中。通过实例说明了该方法运用于软件项目风险评估的具体过程,并验证了其合理性和可操作性。     

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。     

改进BP神经网络在软件能耗分析中的应用

提出以软件特征量为基础的嵌入式软件体系结构级能耗建模方法。利用软件特征量与嵌入式软件能耗之间存在非线性函数关系的特点,采用基于改进遗传算法的BP神经网络算法进行训练拟合。从初始群体、编码、模拟退火算子3个方面对遗传算法进行改进以增强拟合的效果。实验结果证明,基于该算法的能耗模型预测值与实际能耗值的误差较小。     

基于BP神经网络的虚拟企业风险评价研究

虚拟企业是21世纪企业的潜在发展模式,虚拟企业在帮助企业获得反应灵活性的同时,也不可避免地蕴涵了诸多的风险因素.在研究阐述风险管理理论的基础上.全面考察影响虚拟企业整体风险水平的各种因素,针对目前风险研究不足的现状,根据虚拟企业的特点,构造了虚拟企业风险评价指标体系,提出了一种基于BP神经网络的虚拟企业风险评判方法,通过MATLAB神经网络工具对其进行仿真计算,并给出了一个实例来验证模型的可靠性,实例研究表明该方法为虚拟企业风险评价提供了一种有效的管理工具.     

模糊神经网络在信息安全风险评估中的应用

在信息安全风险评估的研究中,针对提高准确性问题,信息安全风险包含大量模糊、不确定性的影响因素,传统评估方法都是基于精确、确定的数据,因此不适于信息安全风险评估,导致评估的准确性欠佳.为提高信息安全评估的准确性,提出模糊理论与BP神经网络进行结合的信息安全风险评估方法.方法通过模糊理论对信息安全风险因素进行分析,并构造各因素所对应评判集的隶属度矩阵;然后采用BP神经网络对信息安全风险因素隶属度矩阵进行学习,最后输出信息安全风险等级.仿真结果表明,方法能很好地量化评估信息系统风险,提高了风险评估准确性,是一种有效的评估方法.     

基于BP神经网络的软件行为评估系统

针对当前国内信息安全领域对于恶意软件的判断智能化程度较低的现状,分析不同类型的恶意软件,提取典型的危险行为特征,对这些行为进行整合并建立一个行为映射库,将软件行为映射成数据,设计算法将其转换成可用于实际神经网络训练的数据。通过反复实验,给出一个适用于训练该类型样本的BP神经网络,并确定其中各个算子和参数值。通过训练该神经网络,建立一个判断可疑软件是否为恶意软件的行为评估系统。实验结果证明了上述设计的正确性,系统的漏报率和误报率仅为1%和3.7%。     

基于BP人工神经网络的软件质量评估

针对软件质量评估的课题,提出了一种基于BP人工神经网络的软件质量评估方法,提高软件质量评估的准确性.首先,论文介绍了人工神经网络的基本原理和软件质量评估的基本过程.然后选取适当软件质量特征构建基于BP人工神经网络的评估体系,分别进行BP网络学习和验证数据测试的实验.通过测试得到的数据结果,证明该方法能够准确地评估软件质量.     

商业银行信用风险评估方法研究

研究商业银行信用风险准确评估问题,由于商业银行信贷资金安全存在不确定性,信用风险评估指标较多,指标间存在大量重复信息,风险等级与指标间呈非线性关系,导致传统评估模型很难精确地进行评估,评估精度不高.为了提高商业银行信用风险评估精度,提出一种将层次分析法(AHP)与BPNN(BPNN)相结合的的商业银行信用风险评估模型(AHPBPNN).模型首先利用层次分析法求出各指标的权重,并按照权重的大小进行指标排序,消除指标的重复信息,使评估指标得到了精简,然后将经过处理后的指标输入BPNN,通过进行非线性学习和建模,最后对信用风险进行评估仿真.实验结果表明,AHP-BPNN简化了评估指标体系,提高了评估的速度和精度,增加了商业银行信用风险评估的有效性.     

基于改进的BP神经网络的网络空间态势感知系统安全评估

文中利用BP神经网络算法建立了网络态势感知等级与感知参数之间的关系,定量评估了态势感知状况。神经网络在这一领域的研究最为成熟,但传统的BP神经网络算法在反馈误差方面速度较慢,且存在易收敛到局部极值的缺点,因此使用变步长学习策略和模拟退火法进行优化,搭建虚拟HoneyNet模拟网络环境,然后利用Matlab软件进行算法仿真,获得的结果与实际情况接近。     

神经网络在信息安全风险评估中应用研究

针对信息安全风险评估具有非线性、不确定性等特点,采用传统的数学模型进行信息安全的风险评估存在-定的局限性.为了提高安全风险评估性能,将RBF神经网络理论、粒子群算法分析以及模糊评价法进行有机结合,建立了一种粒子群优化的RBF神经网络信息安全风险评估模型.首先通过模糊系统对信息安全风险因素指标进行量化,将模糊系统的输出输入到RBF神经网络的模型中,然后利用粒子群算法对RBF神经网络的参数进行优化并加以训练,最后得到优化评估模型.进行仿真的结果表明,改进的RBF神经网络模型可实现对信息系统的风险评估,解决了传统评估方法所存在的主观随意性大、结论模糊等缺陷,并且比RBF神经网络具有更高的拟合精度、更强的学习能力和更快的收敛速度.     

神经网络的企业信用风险评估应用研究

研究企业信用风险评估准确性问题,企业存在产品质量、不良贷款等信用风险问题,企业信用风险是多种因素的综合结果,存在着不确定、非线性、随机性等特点,无法建立确定数学评估模型。只能根据专家评估指标为依据。为了提高企业信用风险评估准确率,提出一种BP神经网络的企业信用风险评估方法。先采用层次分析法构建风险评估指标体系,再用专家系统对评估指标进行量化打分,最后采用BP神经网络对企业信用风险指标进行非线性学习,并对企业信用风险等级进行评估。实验结果表明,BP神经网络的企业信用风险评估模模型能显著提高评估准确率,并能够反映企业信用风险的随机性变化特点,使评估结果更加符合实际情况,为企业信用风险评估提供了参考。     

基于BP神经网络的试飞员驾驶技术评估

研究试飞员驾驶技术评估问题,由于试飞员驾驶技术的复杂性以及影响因子的非线性,传统的试飞员驾驶技术评估方法存在较强的主观因素,评估准确性较低,不利于试飞员驾驶技术的客观评估.为客观评估试飞员驾驶技术,提出一种BP神经网络的评估方法.首先在分析试飞员驾驶技术影响因素的基础上,通过预处理消除评估体系之间重复无用的信息,构建了试飞员驾驶技术评估指标体系,然后采用非线性学习能力强的BP神经网络对处理后的数据进行学习建模,通过BP神经网络自适应学习得到最优的驾驶技术评估模型,并通过MATLAB进行仿真验证.结果表明,BP神经网络方法提高了评估的准确性,克服了传统评估模型主观性强的缺陷,评估结果更具科学性,为试飞员驾驶技术评估提供一种新的途径.