6 结论
本文不仅利用了SVM来预测软件项目风险,而且给出了各个风险因素的评估。虽然在对软件项目风险因素重要性进行分析的方法中,本文只是采取了简单的方法对连续变量进行了离散化,这个过程中可能会有一些信息丢失,但根据实验结果说明本文的方法在此数据集上具有效率高、预测准确和可靠性高的特点,因此在今后的学习中会提出更好的算法以得到更好的离散化变量。同时为了进一步完善风险预测的支持向量机方法,今后将会利用更多的数据集测试算法并对支持向量机作交叉验证,找出该方法的优缺点,以求能有进一步地提高。
参考文献
[1]冷晓彦.企业信息化项目风险的模糊综合评价[J].情报科学,2005,23(7):977-981.
[2]张丰,李红梅.层次分析法在风险投资项目评估中的应用[J].商业研究,2005,24(332):12.
[3]张丽霞,施国庆.基于支持向量机的工程项目风险预测研究[J].计算机工程与应用,2005,21:224-226.
[4]Jacek Biesiada, W_odzis_aw Duch, Adam Kachel, Krystian M¸aczka, Sebastian Pa_ucha, Feature ranking methods based on information entropy with Parzen windows [C], Katowice,Poland, International Conference on Research in Electrotechnology and Applied Informatics, August 31, September 3, 2005:2.