基于高斯混合模型的最大期望聚类的项目风险预测方法技术

本发明专利技术公开了一种基于高斯混合模型的最大期望聚类的项目风险预测方法、装置、计算设备及存储介质，该方法包括：为多个已完成项目中的每个已完成项目生成数据集；对多个已完成项目的数据集，进行基于高斯混合模型的最大期望聚类，以确定有风险聚类中心和无风险聚类中心；分别计算实施中项目的数据集与有风险聚类中心的第一距离，以及与无风险聚类中心的第二距离；若第一距离小于第二距离，则预测实施中项目有出现逾期风险趋势。项目有出现逾期风险趋势。项目有出现逾期风险趋势。

Project risk prediction method based on Gaussian mixture model and maximum expectation clustering

【技术实现步骤摘要】
基于高斯混合模型的最大期望聚类的项目风险预测方法


[0001]本专利技术涉及系统开发与数据处理
，特别涉及一种基于高斯混合模型的最大期望聚类的项目风险预测方法、装置、计算设备及存储介质。

技术介绍

[0002]项目实施过程中，逾期风险通常在项目预期完成时间的尾声才会显现出来，这对于项目需求方和开发人员而言，都带来了很大的困扰。特别是对开发人员来说，由于项目逾期在项目初期和中期都较难被发现，等到发现之时就非常容易陷入无限循环的赶工期模式，最终可能导致项目不仅要逾期且完成质量不高。
[0003]现今，业内人士普遍担忧于项目逾期的风险，而目前常用的可实现预测的方法，如逻辑回归算法、机器学习模型、决策树分类及预测模型等，都不适用于系统开发中的项目逾期风险预测。换言之，尚未出现一种行之有效的预测、跟踪、发现项目逾期风险的方法。
[0004]因此，需要一种新的项目风险预测方法，以解决上述问题。。

技术实现思路

[0005]为此，本专利技术提供一种基于高斯混合模型的最大期望聚类的项目风险预测方案，以力图解决或者至少缓解上面存在的问题。
[0006]根据本专利技术的一个方面，提供一种基于高斯混合模型的最大期望聚类的项目风险预测方法，该方法包括如下步骤：首先，为多个已完成项目中的每个已完成项目生成数据集；对多个已完成项目的数据集，进行基于高斯混合模型的最大期望聚类，以确定有风险聚类中心和无风险聚类中心；分别计算实施中项目的数据集与有风险聚类中心的第一距离，以及与无风险聚类中心的第二距离；若第一距离小于第二距离，则预测实施中项目有出现逾期风险趋势。
[0007]可选地，在根据本专利技术的基于高斯混合模型的最大期望聚类的项目风险预测方法中，为多个已完成项目中的每个已完成项目生成数据集的步骤，包括：对多个已完成项目中的每个已完成项目，获取已完成项目的缺陷修复时间集；根据缺陷修复时间集，生成已完成项目的数据集。
[0008]可选地，在根据本专利技术的基于高斯混合模型的最大期望聚类的项目风险预测方法中，获取已完成项目的缺陷修复时间集的步骤，包括：对已完成项目在实施过程中出现的每个缺陷，获取缺陷的缺陷创建时间和缺陷解决时间；计算缺陷解决时间和缺陷创建时间之差，作为缺陷的缺陷修复时间；收集每个缺陷的缺陷修复时间，以生成已完成项目的缺陷修复时间集。
[0009]可选地，在根据本专利技术的基于高斯混合模型的最大期望聚类的项目风险预测方法中，根据缺陷修复时间集，生成已完成项目的数据集的步骤，包括：计算缺陷修复时间集的标准差、均值和90分位数；将标准差、均值和90分位数作为已完成项目的数据集。
[0010]可选地，在根据本专利技术的基于高斯混合模型的最大期望聚类的项目风险预测方法
中，对多个已完成项目的数据集，进行基于高斯混合模型的最大期望聚类，以确定有风险聚类中心和无风险聚类中心的步骤，包括：构建高斯混合模型，高斯混合模型包括有风险高斯分布成分和无风险高斯分布成分；通过多个已完成项目的数据集，以期望最大化估计出有风险高斯分布成分和无风险高斯分布成分的参数；根据有风险高斯分布成分的参数确定有风险聚类中心，以及根据无风险高斯分布成分的参数确定无风险聚类中心。
[0011]可选地，在根据本专利技术的基于高斯混合模型的最大期望聚类的项目风险预测方法中，分别计算实施中项目的数据集与有风险聚类中心的第一距离，以及与无风险聚类中心的第二距离的步骤，包括：计算实施中项目的数据集与有风险聚类中心的欧式距离，作为第一距离；计算实施中项目的数据集与无风险聚类中心的欧式距离，作为第二距离。
[0012]可选地，在根据本专利技术的基于高斯混合模型的最大期望聚类的项目风险预测方法中，还包括：若第一距离大于第二距离，则预测实施中项目无出现逾期风险趋势。
[0013]根据本专利技术的又一个方面，提供一种基于高斯混合模型的最大期望聚类的项目风险预测装置，该装置包括生成模块、聚类模块、计算模块和预测模块。其中，生成模块适于为多个已完成项目中的每个已完成项目生成数据集；聚类模块适于对多个已完成项目的数据集，进行基于高斯混合模型的最大期望聚类，以确定有风险聚类中心和无风险聚类中心；计算模块适于分别计算实施中项目的数据集与有风险聚类中心的第一距离，以及与无风险聚类中心的第二距离；预测模块适于当第一距离小于第二距离时，预测实施中项目有出现逾期风险趋势。
[0014]根据本专利技术的又一个方面，提供了一种计算设备，包括：至少一个处理器；以及存储器，存储有程序指令，其中，程序指令被配置为适于由至少一个处理器执行，程序指令包括用于执行如上所述的基于高斯混合模型的最大期望聚类的项目风险预测方法的指令。
[0015]根据本专利技术的又一个方面，提供了一种存储有程序指令的可读存储介质，当程序指令被计算设备读取并执行时，使得计算设备执行如上所述的基于高斯混合模型的最大期望聚类的项目风险预测方法。
[0016]根据本专利技术的基于高斯混合模型的最大期望聚类的项目风险预测方案，先为多个已完成项目中的每个已完成项目生成数据集，再对多个已完成项目的数据集，进行基于高斯混合模型的最大期望聚类，以确定有风险聚类中心和无风险聚类中心，分别计算实施中项目的数据集与有风险聚类中心的第一距离，以及与无风险聚类中心的第二距离，若第一距离小于第二距离，则预测实施中项目有出现逾期风险趋势。
[0017]在上述技术方案中，以缺陷创建时间和缺陷解决时间为基础，计算出缺陷修复时间，结合标准差、均值和90分位数形成已完成项目的数据集，进而通过多个已完成项目的数据集，以期望最大化估计出高斯混合模型中有风险高斯分布成分和无风险高斯分布成分的参数，最终确定有风险聚类中心和无风险聚类中心，实现了更加灵活的聚类处理。从而，对实施中项目进行动态分析和预测，可以很好地预警项目产生风险的可能趋势，从早期发现问题、解决问题。同时，随着已完成项目的积累，逐渐地修正有风险聚类中心和无风险聚类中心，使得项目风险预测越来越准确，也有可能更早地产生风险预警，保证项目工期和质量。
附图说明
[0018]为了实现上述以及相关目的，本文结合下面的描述和附图来描述某些说明性方面，这些方面指示了可以实践本文所公开的原理的各种方式，并且所有方面及其等效方面旨在落入所要求保护的主题的范围内。通过结合附图阅读下面的详细描述，本公开的上述以及其它目的、特征和优势将变得更加明显。遍及本公开，相同的附图标记通常指代相同的部件或元素。
[0019]图1示出了根据本专利技术一个实施例的计算设备100的结构框图；
[0020]图2示出了根据本专利技术一个实施例的基于高斯混合模型的最大期望聚类的项目风险预测方法200的流程图；以及
[0021]图3示出了根据本专利技术一个实施例的基于高斯混合模型的最大期望聚类的项目风险预测装置300的示意图。
具体实施方式
[0022]下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于高斯混合模型的最大期望聚类的项目风险预测方法，包括：为多个已完成项目中的每个已完成项目生成数据集；对所述多个已完成项目的数据集，进行基于高斯混合模型的最大期望聚类，以确定有风险聚类中心和无风险聚类中心；分别计算实施中项目的数据集与所述有风险聚类中心的第一距离，以及与所述无风险聚类中心的第二距离；若所述第一距离小于所述第二距离，则预测所述实施中项目有出现逾期风险趋势。2.如权利要求1所述的方法，其中，所述为多个已完成项目中的每个已完成项目生成数据集的步骤，包括：对多个已完成项目中的每个已完成项目，获取所述已完成项目的缺陷修复时间集；根据所述缺陷修复时间集，生成所述已完成项目的数据集。3.如权利要求2所述的方法，其中，所述获取所述已完成项目的缺陷修复时间集的步骤，包括：对所述已完成项目在实施过程中出现的每个缺陷，获取所述缺陷的缺陷创建时间和缺陷解决时间；计算所述缺陷解决时间和所述缺陷创建时间之差，作为所述缺陷的缺陷修复时间；收集所述每个缺陷的缺陷修复时间，以生成所述已完成项目的缺陷修复时间集。4.如权利要求2或3所述的方法，其中，所述根据所述缺陷修复时间集，生成所述已完成项目的数据集的步骤，包括：计算所述缺陷修复时间集的标准差、均值和90分位数；将所述标准差、均值和90分位数作为所述已完成项目的数据集。5.如权利要求1
‑
4中任一项所述的方法，所述对所述多个已完成项目的数据集，进行基于高斯混合模型的最大期望聚类，以确定有风险聚类中心和无风险聚类中心的步骤，包括：构建高斯混合模型，所述高斯混合模型包括有风险高斯分布成分和无风险高斯分布成分；通过所述多个已完成项目的数据集，以期望最大化估计出所述有风险高斯...

【专利技术属性】
技术研发人员：陈磊，段永刚，
申请(专利权)人：中国国际金融股份有限公司，
类型：发明
国别省市：