[发明专利]软件项目风险评价方法及装置

权利要求书

1.一种软件项目风险评价方法，其特征在于，

包括：

收集步骤，收集多个样本的关于项目指标和项目风险的历史数据；

分割步骤，将上述项目指标所映射的值域分割为多个，针对每个分割后的子值域取代表值，设相对于某类项目风险的项目指标的种类数量为m时，上述值域是m维向量空间，其中，m是大于0的整数；

统计步骤，根据收集到的历史数据，统计每个子值域中伴随某类项目风险发生的项目指标映射点的数量相对于映射到该子值域中的所有项目指标映射点的数量的比值，作为该类项目风险出现的风险概率；

计算步骤，根据上述代表值与统计后的上述风险概率，进行归一化处理，作为训练数据，制作项目风险评价模型；以及

评价步骤，利用上述计算步骤中计算出的项目风险评价模型对新的软件项目进行风险评价，得到预测风险概率。

2.根据权利要求1所述的软件项目风险评价方法，其特征在于，

在上述分割步骤中，将映射到某个子值域中的样本数量与规定的数量阈值相比较，根据比较结果调整分割的子值域的大小。

3.根据权利要求1所述的软件项目风险评价方法，其特征在于，

还包括验证步骤，将历史数据中的一部分数据作为验证数据，代入项目风险评价模型来得到验证用预测风险概率，并计算该验证用预测风险概率与验证数据的历史风险概率之差相对于历史风险概率的百分比，在上述百分比大于规定验证阈值的情况下，不使用该项目风险评价模型进行风险评价。

4.根据权利要求1所述的软件项目风险评价方法，其特征在于，

还包括反馈步骤，每当新的软件项目完成之后，收集该软件项目的与项目指标和项目风险有关的信息反馈给上述收集步骤，作为历史数据，重新制作项目风险评价模型。

5.根据权利要求1所述的软件项目风险评价方法，其特征在于，

在上述分割步骤中，取每个子值域的中心值作为该子值域的代表值。

6.根据权利要求1所述的软件项目风险评价方法，其特征在于，

还包括相关度分析步骤，根据在上述统计步骤统计出来的、每个子值域中伴随某类项目风险发生的某类项目指标的出现次数，计算该某类项目风险与该某类项目指标之间的相关度指标，仅将相关度指标在规定的相关度阈值以上的项目指标作为相关项目指标用于分割步骤，

在上述分割步骤中，仅将上述相关项目指标所映射的值域作为m维向量空间进行分割。

7.根据权利要求6所述的软件项目风险评价方法，其特征在于，

在上述相关度分析步骤中，每一定时期将相对某类项目风险而放弃的项目指标重新用于评价模型的建立，来建立临时评价模型，并且比较将历史数据分别代入临时评价模型和原评价模型而得到的风险评价结果，在作为临时评价模型的风险评价结果的预测风险概率比作为原评价模型的风险评价结果的预测风险概率更加接近历史风险概率时，将规定的相关度阈值调整为该放弃的项目指标所对应的相关度。

8.根据权利要求1所述的软件项目风险评价方法，其特征在于，

在上述计算步骤中，利用支持向量机、神经网络或K近邻算法KNN，对训练数据进行建模处理，来制作项目风险评价模型。

9.一种软件项目风险评价装置，其特征在于，

包括：

收集单元，收集多个样本的关于项目指标和项目风险的历史数据；

分割单元，将上述项目指标所映射的值域分割为多个，针对每个分割后的子值域取代表值，设相对于某类项目风险的项目指标的种类数量为m时，上述值域是m维向量空间，其中，m是大于0的整数；

统计单元，根据收集到的历史数据，统计每个子值域中伴随某类项目风险发生的项目指标映射点的数量相对于映射到该子值域中的所有项目指标映射点的数量的比值，作为该类项目风险出现的风险概率；

计算单元，根据上述代表值与统计后的上述风险概率，进行归一化处理，作为训练数据，制作项目风险评价模型；以及

评价单元，利用上述计算单元所计算出的项目风险评价模型对新的软件项目进行风险评价，得到预测风险概率。

10.根据权利要求9所述的软件项目风险评价装置，其特征在于，

上述分割单元将映射到某个子值域中的样本数量与规定的数量阈值相比较，根据比较结果调整分割的子值域的大小。