[发明专利]一种大数据挖掘算法及其在软件缺陷管理上的应用

权利要求书

1.一种大数据挖掘算法，其特征在于，包括以下步骤：

步骤一，采集大数据信息，对其进行数据预处理，得到以p_j为特征指标、样本量为y_i的输入层数据矩阵S_ij＝(y_i，p_j，m_ij)；

式中，y_i表示数据样本，p_j表示数据样本的特征指标，m_ij表示第i个数据样本第j个特征指标的量值，i表示样本的序号，j表示特征指标的序号；

步骤二，首先根据隶属度函数μ_ij，依次计算每一个样本y_i的任一特征指标p_j的隶属度，然后将矩阵S_ij转换隶属度矩阵T_ij，之后根据隶属度矩阵T_ij，构造最优数据样本y₀的矩阵K_0j；

步骤三，计算数据样本y_i的任一特征指标p_j的标准化权重w_j；

步骤四，首先确定数据样本y_i的关联系数θ_ij，然后计算输出层数据，即数据样本y_i的总体关联特征P(y_i)；

步骤五，将总体关联特征P(y_i)与给定标准值N进行比较，以此来判定样本数据的综合特征指标。

2.根据权利要求1所述的一种大数据挖掘算法，其特征在于，所述大数据挖掘算法可以应用在软件缺陷管理上。

3.根据权利要求2所述的一种大数据挖掘算法，其特征在于，所述应用在软件缺陷管理上的大数据挖掘算法，包括以下步骤：

步骤一，采集软件缺陷管理的大数据信息，对该大数据信息进行数据预处理，得到以需求质量、设计文档质量、编码成员技术、系统内部资源程序为特征指标的输入层数据矩阵RS_ij＝(ry_i，rp_j，rm_ij)；

步骤二，首先根据隶属度函数rμ_ij，依次计算每一个软件缺陷管理数据样本ry_i的任一特征指标rp_j的隶属度，然后将矩阵RS_ij转换隶属度矩阵RT_ij，之后根据隶属度矩阵RT_ij，构造最优样本ry₀的矩阵RK_0j；

步骤三，根据下述公式，计算软件缺陷管理数据样本ry_i的任一特征指标rpj的标准化权重rw_j；

步骤四，首先确定软件缺陷管理数据样本ry_i的关联系数rθ_ij，然后计算软件缺陷管理数据样本ry_i的总体关联特征rP(ry_i)；

步骤五，当总体关联特征rP(ry_i)大于等于给定标准值N＝0.5时，判定软件缺陷管理数据样本ry_i为存在缺陷，需要对软件项目的开发过程进行全面性的缺陷管理。