基于支持向量機的軟件項目風險評價 3100字

基于支持向量機的軟件項目風險評價3100字軟件風險是指軟件開發(fā)過程中及軟件產(chǎn)品本身可能造成的傷害損失,由于軟件工程開發(fā)和管理中存在著諸如技術(shù)、內(nèi)部管理及外部環(huán)境等種種不確定因素,使軟件行業(yè)成為高風險的產(chǎn)業(yè)，如果風險變成了現(xiàn)實，就會產(chǎn)生惡性后果或損失，因此應(yīng)對軟件工程風險進行評價以便于更好地進行軟件工程地開發(fā)及管理。目前的風險評價及分析辦法主要有調(diào)查和專家打分法、含糊數(shù)學法[1]、層次分析法[2]，定性辦法、基于樹的辦法;專家打分法、含糊數(shù)學法、層次分析法人為因素多而且手工計算繁瑣。定性辦法用于辨識系統(tǒng)中的潛在危險和失效是有效的,但不足考察事件之間依賴性的能力?；跇涞霓k法彌補了這一缺陷,考慮了事件之間的依賴關(guān)系，但基于樹的辦法主要用于找出導致不冀望事件的截集，然而這種辦法只能用于事故場景的靜態(tài)、邏輯的建模,并且影響人類行為的因素不能被明確地建模,這就影響了事件之間獨立性的評估。

本文提出的信息熵的辦法用來對軟件各個風險因素重要性進行計算，它具有運算量小，結(jié)果直觀易解釋以及易評估的性質(zhì)，排除了人為的主觀因素。本文利用支持向量機(SupportVectorMachine簡稱SVM)辦法來預測軟件風險，它是建立在統(tǒng)計學習理論的VC維理論和結(jié)構(gòu)風險最小原理(SRM)根底上[3]。兼顧訓練誤差和泛化能力，根據(jù)有限的樣本信息在模型的復雜性和學習能力之間尋求最正確折衷。在解決小樣本、非線性、高維數(shù)、部分極小值等模式辨認問題中表現(xiàn)出許多特有的優(yōu)勢。因而在許多領(lǐng)域得到了成功的應(yīng)用。同時，為了評估各個風險因素的重要程度，本文采取了信息熵的辦法，這種辦法具有計算量小和易解釋性，彌補了專家打分法中因人為因素造成的主觀性。

本文其它內(nèi)容如下。第二局部介紹軟件工程風險評價指標體系的建立，進而從各個側(cè)面較完整地反映出軟件工程的風險。第三局部和第四局部分別描述了基于信息熵的軟件工程各風險因素的重要性評判以及基于支持向量機的軟件工程風險類別的評估。第五局部是根據(jù)建立的模型利用數(shù)據(jù)進行實例研究。第六局部對本文進行了總結(jié)。

軟件工程風險評價指標體系的建立軟件工程的風險評估指標應(yīng)能從各個側(cè)面較完整地反映軟件工程的風險，同時需要按照一定的規(guī)范將風險分類。

在軟件工程開發(fā)過程中，一般有下列六個風險因素會直接影響軟件的風險，分別如下：

1)軟件產(chǎn)品規(guī)模(F1)根據(jù)以往開發(fā)工程的經(jīng)驗所知工程的風險是直接與產(chǎn)品的規(guī)模成正比的。軟件產(chǎn)品規(guī)模有下列幾個因素決定：產(chǎn)品規(guī)模估算的信任度、軟件產(chǎn)品的用戶數(shù)、復用的軟件數(shù)、產(chǎn)品規(guī)模與以前產(chǎn)品規(guī)模平均值的偏差。

2)業(yè)主需求(F2)每位業(yè)主都有自己不同的需求，開發(fā)商為了滿足不同業(yè)主的不同需求。決定業(yè)主需求的因素有：業(yè)主供給條目或信息、內(nèi)部或外部轉(zhuǎn)包商的關(guān)系、交互成員或交互團體依賴性、經(jīng)驗豐盛人員的可得性。

3)軟件工程需求分析(F3)軟件工程需求分析就是分析人員在用戶和軟件設(shè)計人員的配合下對自己生成的需求規(guī)格表明和初步的用戶手冊進行復核，以確保軟件需求的全面性、精確性和一致性，假設(shè)此工作進行不好，就會對工程的成功造成很大的妨礙。主要包含下列幾個方面的風險因素：產(chǎn)品需求的認知程度、需求分析中客戶的參與程度、需求變化的分析程度、平安性及可靠性需求的分析程度。

4)技術(shù)(F4)技術(shù)對于一個軟件工程的順利完成是至關(guān)重要的，所以說如果技術(shù)出現(xiàn)問題則就會引發(fā)一系列的風險問題。主要有下面這些風險因素：對辦法、工具的使用狀況、應(yīng)用領(lǐng)域的經(jīng)驗狀況、系統(tǒng)的穩(wěn)定性狀況。

5)開發(fā)方式與開發(fā)環(huán)境(F5)開發(fā)方式和開發(fā)環(huán)境風險是由于軟件工程所處的環(huán)境與自身的開發(fā)方式狀況而導致實現(xiàn)軟件工程預期目標中所帶來的不確定性。主要風險因素有：軟件工程團隊的穩(wěn)定性、工程過程的控制程度、工程資金的穩(wěn)定程度。6)人力資源管理(F6)人力資源管理風險是由于在軟件工程開發(fā)過程中由于對開發(fā)人員及相關(guān)人員管理不當及管理混亂從而對軟件工程開發(fā)造成的風險。其主要的風險因素包括：人員職能設(shè)置之間的協(xié)調(diào)性、工程所有者與決策者的關(guān)系。總體工程的風險等級分為3個類別，分別為風險較小(y=1)、風險一般(y=2)、風險較大(y=3)三類。在所建立模型中，總體工程的風險等級對應(yīng)于y的取值，而六個風險因素——軟件產(chǎn)品規(guī)模、業(yè)主需求、軟件工程需求分析、技術(shù)、開發(fā)方式與開發(fā)環(huán)境、人力資源管理所屬的風險類別對應(yīng)于六維向量x的取值。3基于信息熵的軟件工程各風險因素的重要性評判設(shè)已知有n個軟件工程，矩陣的列向量Xj表示各工程的風險因素Fj(j=1.2...

6)，行向量xi表示每個軟件工程(i=1.2,...n)，要衡量每個風險因素Fj(j=1.2...6)的重要性，本文利用信息論中信息熵的辦法來評判。列向量中的分量分別表示第i個工程的風險等級：yi=1表示第i個工程的風險等級較小,yi=2表示第i個工程的風險等級一般,yi=3表示第i個工程的風險等級較大。那么對于工程的風險等級Fj，它的熵為;對于工程各風險因素Fj，它的熵為;()對于工程各風險因素Fj中在各個風險等級的風險為：;()那么各風險因素Fj的重要性評分為：;()越高表示該因素重要性越高。

4基于支持向量機的軟件工程風險類別的評估支持向量機是一種分類辦法，假定軟件工程風險評估問題，其中xi(i=1.2,...n)代表第i個工程的六個風險因素，為六維向量，代表每個工程的風險類別，最簡單的線性分類器是希望找到一條直線，其中βn為一個數(shù)量β為一個六維向量，這樣對一個新樣本x#39;的分類可以用來表示。為此還需要解決如下問題：使得支持向量機很容易就可以用來解決多點分類問題，實際運用中支持向量機可能不是線性的，它通過核函數(shù)將原來的樣本映射到另外一個核空間中，這里我們對核函數(shù)不做深入討論，我們選擇了線性核函數(shù)在本文的研究中，先從已有的軟件工程數(shù)據(jù)作為訓練樣本來訓練支持向量機，然后用訓練好的支持向量機來預測新的軟件工程樣本，從而進行準確性驗證。

案例研究

為了驗證本文提出的算法的有效性，我們用matlab生成了模擬數(shù)據(jù)。若每個工程可以用一個六維向量表示:對于風險小的類別，即y=1時，軟件的六個風險因素合乎冀望分別為，每個分量的方差分別為1的正態(tài)分布。對于風險一般的類別，即y=2時，軟件的六個風險因素合乎冀望分別為，每個分量的方差分別為1的正態(tài)分布。對于風險很大的類別，即y=3時，軟件的六個風險因素合乎冀望分別為，每個分量的方差分別為1的正態(tài)分布。本文對每個風險等級類別隨機生成了100個樣本，這樣總共有300個樣本。由上面結(jié)果可以發(fā)現(xiàn),技術(shù)因素的值為1,這說明技術(shù)可以完全決定軟件工程風險等級,表明了技術(shù)在軟件工程開發(fā)中的重要性,同樣,人力資源管理在軟件工程風險管理中的作用也不可無視。

結(jié)論

本文不僅利用了SVM來預測軟件工程風險，而且給出了各個風險因素的評估。雖然在對軟件工程風險因素重要性進行分析的辦法中，本文只是采取了簡單的辦法對連續(xù)變量進行了離散化，這個過程中可