软件项目风险管理理论与模型研究
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-18页 |
| ·研究意义和对象界定 | 第8-11页 |
| ·研究意义 | 第8-10页 |
| ·研究对象界定 | 第10-11页 |
| ·相关领域研究综述 | 第11-14页 |
| ·我国研究现状 | 第11-12页 |
| ·国外研究现状 | 第12-13页 |
| ·比较与分析 | 第13-14页 |
| ·存在的问题 | 第14-15页 |
| ·本文主要研究内容与创新点 | 第15-18页 |
| ·主要研究内容 | 第15-16页 |
| ·创新点 | 第16-18页 |
| 第二章 风险管理理论基础 | 第18-31页 |
| ·风险 | 第18页 |
| ·风险管理 | 第18-23页 |
| ·软件项目风险管理 | 第23-25页 |
| ·典型风险管理体系介绍 | 第25-30页 |
| ·Boehm体系 | 第25页 |
| ·Charette体系 | 第25页 |
| ·SEI体系 | 第25-28页 |
| ·Hall体系 | 第28页 |
| ·比较与分析 | 第28-30页 |
| ·本章小结 | 第30-31页 |
| 第三章 基于神经网络的软件项目投资风险评价模型 | 第31-53页 |
| ·利用神经网络进行风险评价 | 第31-34页 |
| ·软件项目投资风险评价指标体系的构建 | 第34-37页 |
| ·软件项目投资风险评价指标设置原则 | 第34-35页 |
| ·软件项目投资风险评价指标体系 | 第35-37页 |
| ·软件项目投资风险评价指标的数据处理 | 第37-45页 |
| ·因子分析模型 | 第37-38页 |
| ·因子分析的基本步骤 | 第38-43页 |
| ·原始变量是否适合因子分析 | 第38-39页 |
| ·提取公因子和确定公因子数目 | 第39-41页 |
| ·公因子的命名解释 | 第41-42页 |
| ·计算因子得分 | 第42-43页 |
| ·因子分析在软件项目投资风险指标降维中的应用 | 第43-44页 |
| ·投资风险评价指标数据的归一化预处理 | 第44-45页 |
| ·风险评价模型中的B-P神经网络设计 | 第45-49页 |
| ·隐含层节点数优化算法 | 第45-48页 |
| ·黄金分割法的基本原理 | 第46页 |
| ·隐含层节点数的优选法 | 第46-48页 |
| ·B-P神经网络的实际构建过程 | 第48-49页 |
| ·基于神经网络的软件项目投资风险评价模型实证分析 | 第49-51页 |
| ·本章小结 | 第51-53页 |
| 第四章 一种动态软件项目开发风险管理模型 | 第53-72页 |
| ·动态软件项目开发风险管理模型体系结构 | 第53-54页 |
| ·风险辨识模块 | 第54-57页 |
| ·风险辨识模块的定义 | 第54-55页 |
| ·风险辨识的方法 | 第55-57页 |
| ·风险分析模块 | 第57-61页 |
| ·风险分析模块的定义以及实现过程 | 第57-59页 |
| ·风险分析的方法 | 第59-61页 |
| ·风险计划模块 | 第61-64页 |
| ·风险计划模块的定义 | 第61-62页 |
| ·风险计划的内容和编制 | 第62-64页 |
| ·风险跟踪模块 | 第64-67页 |
| ·风险跟踪模块的定义以及实现过程 | 第64-66页 |
| ·触发器设计方法 | 第66-67页 |
| ·风险应对模块 | 第67-71页 |
| ·风险应对模块的定义以及实现过程 | 第67-68页 |
| ·风险应对的方法 | 第68-71页 |
| ·本章小结 | 第71-72页 |
| 第五章 基于贝叶斯网络的风险分析模块 | 第72-99页 |
| ·贝叶斯网络 | 第72-82页 |
| ·贝叶斯网络的定义和相关概念 | 第72-73页 |
| ·贝叶斯网络的学习算法 | 第73-81页 |
| ·结构学习 | 第74-79页 |
| ·参数学习 | 第79-81页 |
| ·贝叶斯网络在风险管理中的应用 | 第81-82页 |
| ·基于贝叶斯网络的风险分析模块的实现过程 | 第82-84页 |
| ·贝叶斯网络的建模过程 | 第84-95页 |
| ·贝叶斯网络的结构学习过程 | 第84-92页 |
| ·KL距离与相互信息 | 第85-87页 |
| ·最大相互信息原则 | 第87-90页 |
| ·附加复杂度约束的最大相互信息函数 | 第90-92页 |
| ·贝叶斯网络的参数学习过程 | 第92-95页 |
| ·最大似然估计和最大后验概率 | 第92-94页 |
| ·EM算法 | 第94-95页 |
| ·基于贝叶斯网络的风险分析模块实证分析 | 第95-98页 |
| ·本章小结 | 第98-99页 |
| 第六章 总结与展望 | 第99-102页 |
| ·总结 | 第99-100页 |
| ·展望 | 第100-102页 |
| 参考文献 | 第102-109页 |
| 攻读博士学位期间完成的科研成果 | 第109-110页 |
| 致谢 | 第110页 |
