一种改进的软件项目开发风险管理模型

计算机工程与应用 ›› 2007, Vol. 43 ›› Issue (21): 1-3.

一种改进的软件项目开发风险管理模型

冯楠，李敏强，寇纪淞，方德英

天津大学管理学院，天津 300072

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2007-07-21 发布日期:2007-07-21
通讯作者: 冯楠

Improved risk management model in software project development

FENG Nan，LI Min-qiang，KOU Ji-song，FANG De-ying

School of Management，Tianjin University，Tianjin 300072，China

Received:1900-01-01 Revised:1900-01-01 Online:2007-07-21 Published:2007-07-21
Contact: FENG Nan

摘要/Abstract

摘要： 该文提出了一种改进的软件项目开发风险管理模型。该模型在贝叶斯网络的建模过程中以样本数据集为基础进行结构学习和参数学习，建立更符合实际软件项目特征的贝叶斯网络。同时，进一步完善了软件项目开发风险管理流程，并利用贝叶斯网络的信念更新过程实现动态软件项目风险管理。经实践检验，该改进模型能够更有效地对软件项目开发过程中的风险进行管理，提高软件开发的成功率。

关键词: 软件项目, 风险管理, 贝叶斯网络, 结构学习, 参数学习

Abstract: An improved risk management model in software project development is presented in this paper.In the process of Bayesian Networks（BNs） modeling，the model utilities structure learning and parameter learning based on the sample data for building the BNs in accord with the feature of software project.In addition，the flow of risk management in software project development is adjusted and dynamic risk management of software project is realized using BNs belief update.Practice proves that the improved model can effectively accomplish the work of risk management in software project development.

Key words: software project, risk management, Bayesian Networks（BNs）, structure learning, parameter learning

冯楠，李敏强，寇纪淞，方德英. 一种改进的软件项目开发风险管理模型[J]. 计算机工程与应用, 2007, 43(21): 1-3.

FENG Nan，LI Min-qiang，KOU Ji-song，FANG De-ying. Improved risk management model in software project development[J]. Computer Engineering and Applications, 2007, 43(21): 1-3.

[1]	郭雪昆，秦远辉，杜亮，罗永亮，王宏安. 基于MEBN的大型舰船舰面保障作业检测[J]. 计算机工程与应用, 2021, 57(1): 242-253.
[2]	陈海洋，刘喜庆，环晓敏. 一步预测的SVDDBN缺失数据插补算法[J]. 计算机工程与应用, 2020, 56(7): 81-87.
[3]	郑伟，侯宏旭，班志杰. 贝叶斯网络查询语义扩展的专家发现方法[J]. 计算机工程与应用, 2020, 56(13): 194-198.
[4]	史晓洁，杨有龙. 基于和积网络的花朵图像分类研究[J]. 计算机工程与应用, 2019, 55(8): 151-156.
[5]	吕学志1，2，胡晓峰1，吴琳1，贺筱媛1. 基于贝叶斯网络的任务共同体识别[J]. 计算机工程与应用, 2019, 55(5): 251-257.
[6]	高昂，段莉，张国辉，董志明，曹洁，郭齐胜. 计算机生成兵力行为建模发展现状[J]. 计算机工程与应用, 2019, 55(19): 43-51.
[7]	严智，张鹏，谢川. 基于Jaya的贝叶斯网络结构学习算法研究[J]. 计算机工程与应用, 2019, 55(19): 173-177.
[8]	蔡青松，陈希厚. 基于评分函数的贝叶斯网络结构融合算法[J]. 计算机工程与应用, 2019, 55(11): 147-152.
[9]	郭文强，高文强，侯勇严，李然. 基于稀缺数据集下BN参数学习的目标识别[J]. 计算机工程与应用, 2018, 54(17): 122-125.
[10]	朱雪彤1，钱秀娟2，孙薇薇1，侯宪春1，陈广生3，王永利4. 面向普适健康监测的心脏病分析方法[J]. 计算机工程与应用, 2018, 54(1): 159-165.
[11]	王东1，2，陈志1，岳文静3，刘亚威1. 使用贝叶斯网络的社交网络信任驱动推荐方法[J]. 计算机工程与应用, 2017, 53(9): 146-151.
[12]	沈一超，倪世宏，张鹏. 基于贝叶斯网络的飞行动作识别方法[J]. 计算机工程与应用, 2017, 53(24): 161-167.
[13]	丁东1，付晓东1，2，岳昆3. 基于贝叶斯网络的在线商品评价质量评估[J]. 计算机工程与应用, 2017, 53(2): 21-26.
[14]	高学攀，廖士中. 基于贝叶斯网络的林火概率预测系统设计与实现[J]. 计算机工程与应用, 2017, 53(13): 246-251.
[15]	刘飞飞，蔺婧娜，刘潇潇. 基于动态贝叶斯网络的复杂网络攻击方法研究[J]. 计算机工程与应用, 2017, 53(11): 18-25.