信息化项目实施中基于Fisher-score算法的风险管理研究
发布时间：2021-11-19 06:15
本文以信息系统的开发外包为例,将信息系统外包的开发交付作为研究对象,提炼信息系统外包建设中的主要因素,形成17个特征值,应用Fisher-score算法进行排序,并据此实施后再动态评估,尝试建立一套适用于项目实施的风险识别管理方法。
【文章来源】：数字技术与应用. 2020,38(09)
【文章页数】：4 页
【部分图文】：
软件外包流程图
绨踩??DOI:10.19695/j.cnki.cn12-1369.2020.09.34算法分析信息化项目实施中基于Fisher-score算法的风险管理研究苏治中(广州市广播电视大学,广东广州510091)摘要:本文以信息系统的开发外包为例,将信息系统外包的开发交付作为研究对象,提炼信息系统外包建设中的主要因素,形成17个特征值,应用Fisher-score算法进行排序,并据此实施后再动态评估,尝试建立一套适用于项目实施的风险识别管理方法。关键词:信息系统；外包；风险管理中图分类号:F224文献标识码:A文章编号:1007-9416(2020)09-0087-04图1软件外包流程图图2软件开发风险管理流程图第38卷第9期2020年9月数字技术与应用DigitalTechnology&ApplicationVol.38No.9September2020
2020年第9期89H(X|Y)=-P(yj)P(xi|yj)log2(P(xi|yj))(2)mRMRalgorithm。P(A),P(B)是A,B概率函数,P(A,B)是概率分布,则共同信息I(A,B)是:I(A,B)=P(Ai,Bj)log根据mRMR算法,目标是RD最小化冗余,RE最大化关联:RD=I(i,j)RE=I(k,i)S是数据集合,k是分类标签,I(i,j)是特征值间的共信息函数,MID互信息区别和MIQ互信息系统为:MID=max(RD-RE)MID=max(RD/RE)(3)Fisherscorealgorithm(FS)。Fisherscore就是评价特征值对数据结构的保持能力,Fisherscore是有监督的特征选择。类间方差最小化:maxSb是类间方差,Sw是类内方差。Sb=Ci(ui-u)(ui-u)TSw=(Ci(xji-ui)(xji-ui)T)u是所有样本的均值向量,ui是属于i类样本的均向量,xji是属于i类样本的第j列。Fisherscore的监督选择方法:Fs=ui,na,ui,a,σ2i,a是特征值的均值,样本数量,特征值平均值和差异情况。(4)T-testalgorithm。T检验是被广泛应用的方法之一,用于对两个样本或者特征值之间的均值是否具有相异性进行确定。公式为:t=|u0-u1|ui表示均值,σi2变异性,ni分类样本的个数。(5)ReliefFalgorithm(RF)。ReliefF主要源于Relief算法[7],公式是:图3项目递阶结构风险分析图表3算法得出的最优特征值排序特征值编号评分排名特征值编号评分排名N106.311N161.9810N95.272N21.8311N15.123N61.7112N154.334N31.4213N174.015N81.3114N43.556N70.9815N133.027N50.7416N112.868N140.3817N122.129苏治中:信息化项目实施中基于Fisher-score算法的风险管理研究
本文编号：3504454
【文章来源】：数字技术与应用. 2020,38(09)
【文章页数】：4 页
【部分图文】：
软件外包流程图
绨踩??DOI:10.19695/j.cnki.cn12-1369.2020.09.34算法分析信息化项目实施中基于Fisher-score算法的风险管理研究苏治中(广州市广播电视大学,广东广州510091)摘要:本文以信息系统的开发外包为例,将信息系统外包的开发交付作为研究对象,提炼信息系统外包建设中的主要因素,形成17个特征值,应用Fisher-score算法进行排序,并据此实施后再动态评估,尝试建立一套适用于项目实施的风险识别管理方法。关键词:信息系统；外包；风险管理中图分类号:F224文献标识码:A文章编号:1007-9416(2020)09-0087-04图1软件外包流程图图2软件开发风险管理流程图第38卷第9期2020年9月数字技术与应用DigitalTechnology&ApplicationVol.38No.9September2020
2020年第9期89H(X|Y)=-P(yj)P(xi|yj)log2(P(xi|yj))(2)mRMRalgorithm。P(A),P(B)是A,B概率函数,P(A,B)是概率分布,则共同信息I(A,B)是:I(A,B)=P(Ai,Bj)log根据mRMR算法,目标是RD最小化冗余,RE最大化关联:RD=I(i,j)RE=I(k,i)S是数据集合,k是分类标签,I(i,j)是特征值间的共信息函数,MID互信息区别和MIQ互信息系统为:MID=max(RD-RE)MID=max(RD/RE)(3)Fisherscorealgorithm(FS)。Fisherscore就是评价特征值对数据结构的保持能力,Fisherscore是有监督的特征选择。类间方差最小化:maxSb是类间方差,Sw是类内方差。Sb=Ci(ui-u)(ui-u)TSw=(Ci(xji-ui)(xji-ui)T)u是所有样本的均值向量,ui是属于i类样本的均向量,xji是属于i类样本的第j列。Fisherscore的监督选择方法:Fs=ui,na,ui,a,σ2i,a是特征值的均值,样本数量,特征值平均值和差异情况。(4)T-testalgorithm。T检验是被广泛应用的方法之一,用于对两个样本或者特征值之间的均值是否具有相异性进行确定。公式为:t=|u0-u1|ui表示均值,σi2变异性,ni分类样本的个数。(5)ReliefFalgorithm(RF)。ReliefF主要源于Relief算法[7],公式是:图3项目递阶结构风险分析图表3算法得出的最优特征值排序特征值编号评分排名特征值编号评分排名N106.311N161.9810N95.272N21.8311N15.123N61.7112N154.334N31.4213N174.015N81.3114N43.556N70.9815N133.027N50.7416N112.868N140.3817N122.129苏治中:信息化项目实施中基于Fisher-score算法的风险管理研究
本文编号：3504454
本文链接：https://www.wllwen.com/guanlilunwen/fengxianguanli/3504454.html
