外包软件项目风险智能决策支持系统研究-基于因果分析和可行动知识发现集成框架

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号：
    71271061
  • 项目类别：
    面上项目
  • 资助金额：
    55.0万
  • 负责人：
    胡勇
  • 依托单位：
    暨南大学
  • 学科分类：
    G0112.信息系统与管理
  • 结题年份：
    2016
  • 批准年份：
    2012
  • 项目状态：
    已结题
  • 起止时间：
    2013-01-01 至2016-12-31

项目摘要

Developing an intelligent risk management decision support system is the key to effective management of the risks involved in outsourced software projects and increase in project success rate. In this field of research, there exist two main issues: (1) existing risk identification models for outsourced software projects cannot adequately reflect the cooperative nature between customers and contractors in managing risks; (2) existing intelligent risk decision models cannot achieve the desired causal analysis and integrated analysis and planning for risk management. This research is to establish a cooperative risk identification model from dual perspectives of the customers and contractors, propose an integrative framework combining causal analysis and many-to-many actionable knowledge discovery algorithm, and collect 500-800 real project samples. Based on this framework, the study will develop an intelligent decision support system for integrated and optimized risk analysis and planning. The final system will be applied to and evaluated on real-life outsourced software development projects by companies in Guanzhou, Shenzhen, and other cities. This research will produce prominent theoretical and practical values in improving the risk management of outsourced software projects in China. The proposed framework will provide a new approach to the constructions of various intelligent risk management decision support systems.
基于外包软件项目风险智能决策支持系统实施项目风险管理对提升项目成功率有重要价值。该领域存在两个主要问题：第一，现有外包软件项目风险识别模型未能充分反映客户方、承包方管理风险的协同特性。第二，现有风险智能决策模型不能实现因果分析，不能实现分析与计划的集成管理。本项目建立客户-承包方双视角的风险协同识别模型，提出基于因果分析和多对多可行动知识发现的集成算法框架，并收集500-800个用于建模的项目样本，在此基础上研发风险分析与计划集成的智能决策支持系统。研究成果将通过广州、深圳等地多家企业的外包软件项目管理进行应用测试和评估。研究成果对提升我国外包软件项目风险管理水平有重要的理论价值和实践意义。该研究提出的基于因果分析和可行动知识发现的集成算法框架为其他领域风险管理的智能分析与计划建模提供新的方法，有广泛的应用价值。

结项摘要

针对外包软件项目风险领域智能分析及大数据决策关键问题，开展如下工作并取得突破性进展：1）针对原有外包软件项目风险识别模型未能充分反映客户方、承包方管理风险的协同特性问题，建立客户-承包方双视角风险协同识别模型，并根据模型收集531个外包软件项目样本，为风险协同识别、智能建模和收集数据提供基础。2）针对智能决策的因果分析问题，基于外包软件项目风险分析等管理决策应用情境，建立面向复杂数据决策问题因果知识发现方法的新体系，提出局部与整体的因果学习、针对高维稀疏数据的因果发现方法、泛化多因果发现方法、因果特征选择,实现复杂管理决策从相关到因果发现的里程碑式推进。3）针对风险分析与计划的集成管理问题，提出多对多可行动方案挖掘方法、多知识发现模型行动方案集成挖掘方法、新的不确定性信息融合方法、针对概念漂移的动态学习方法等，将仅适用一对一风险因素与风险控制措施关系的决策挖掘方法推进到多对多的关系，并完成知识发现模型整合的通用化，极大扩展了可行动知识发现方法群的适用情境。. 项目不仅取得重要成果，对人才培养、国际交流和团队建设亦产生重要影响，包括：1）在国际重要学术SCI索引期刊发表27篇论文，其中13篇发表在影响因子超过2.0的期刊，3篇发表在决策支持系统著名期刊DSS，1篇发表在医疗信息第一期刊JAMIA，ESI高被引论文4篇，获得2014年度中国百篇最具影响国际学术论文1篇，获得省科学技术一等奖1项。2）与美国堪萨斯大学建立紧密的协作关系，负责人主持共建暨南大学大数据决策国际联合研究所及省工程技术研究中心，主持经费超1200万元。3）引进包括瑞典院士等高层次人才10名，培养团队2位博士成为团队青年教师和博士后，培养优秀硕士生多名。

项目成果

期刊论文数量（27）
专著数量（0）
科研奖励数量（3）
会议论文数量（5）
专利数量（0）
Software project risk analysis using Bayesian networks with causality constraints
使用具有因果约束的贝叶斯网络进行软件项目风险分析
  • DOI：
    10.1016/j.dss.2012.11.001
  • 发表时间：
    2013-12-01
  • 期刊：
    DECISION SUPPORT SYSTEMS
  • 影响因子：
    7.5
  • 作者：
    Hu, Yong;Zhang, Xiangzhou;Liu, Mei
  • 通讯作者：
    Liu, Mei
Stock trading rule discovery with an evolutionary trend following model
通过进化趋势跟踪模型发现股票交易规则
  • DOI：
    10.1016/j.eswa.2014.07.059
  • 发表时间：
    2015-01-01
  • 期刊：
    EXPERT SYSTEMS WITH APPLICATIONS
  • 影响因子：
    8.5
  • 作者：
    Hu, Yong;Feng, Bin;Liu, Mei
  • 通讯作者：
    Liu, Mei
Cost-sensitive and ensemble-based prediction model for outsourced software project risk prediction
成本敏感且基于集成的外包软件项目风险预测模型
  • DOI：
    10.1016/j.dss.2015.02.003
  • 发表时间：
    2015-04
  • 期刊：
    Decision Support Systems
  • 影响因子：
    7.5
  • 作者：
    Zhang, Xiangzhou;Ngai, E.W.T.;Fan, Ming;Liu, Mei
  • 通讯作者：
    Liu, Mei
Determining molecular predictors of adverse drug reactions with causality analysis based on structure learning
基于结构学习的因果分析确定药物不良反应的分子预测因子
  • DOI：
    10.1136/amiajnl-2013-002051
  • 发表时间：
    2014-03-01
  • 期刊：
    JOURNAL OF THE AMERICAN MEDICAL INFORMATICS ASSOCIATION
  • 影响因子：
    6.4
  • 作者：
    Liu, Mei;Cai, Ruichu;Xu, Hua
  • 通讯作者：
    Xu, Hua
A causal feature selection algorithm for stock prediction modeling
股票预测建模的因果特征选择算法
  • DOI：
    10.1016/j.neucom.2014.01.057
  • 发表时间：
    2014-10
  • 期刊：
    Neurocomputing
  • 影响因子：
    6
  • 作者：
    Kang Xie;Shouyang Wang;E.W.T. Ngai;Mei Liu
  • 通讯作者：
    Mei Liu

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--"}}
  • 发表时间：
    {{ item.publish_year || "--" }}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--"}}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ monograph.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ patent.updateTime }}

其他文献

铸态30Mn钢热变形过程中的动态再结晶行为
  • DOI：
    10.13289/j.issn.1009-6264.2016.08.036
  • 发表时间：
    2016
  • 期刊：
    材料热处理学报
  • 影响因子：
    --
  • 作者：
    闫红红;胡勇;李永堂
  • 通讯作者：
    李永堂
Research on fault diagnosis of coal mill system based on the simulated typical fault samples
基于模拟典型故障样本的磨煤机系统故障诊断研究
  • DOI：
    10.1016/j.measurement.2020.107864
  • 发表时间：
    2020-09
  • 期刊：
    Measurement
  • 影响因子：
    5.6
  • 作者：
    胡勇;平博宇;曾德良;牛玉广;高耀岿;张东明
  • 通讯作者：
    张东明
Modeling of Coal Mill System Used for Fault Simulation
用于故障模拟的磨煤机系统建模
  • DOI：
    10.3390/en13071784
  • 发表时间：
    2020-04
  • 期刊：
    Energies
  • 影响因子：
    3.2
  • 作者：
    胡勇;平博宇;曾德良;牛玉广;高耀岿
  • 通讯作者：
    高耀岿
等通道转角挤压过程中纯铜位错密度变化和力学性能
  • DOI：
    --
  • 发表时间：
    2014
  • 期刊：
    中国有色金属学报
  • 影响因子：
    --
  • 作者：
    郭廷彪;胡勇;李海龙;赵珺媛
  • 通讯作者：
    赵珺媛
基于船舶人机工程的虚拟人操作驱动建模仿真技术
  • DOI：
    --
  • 发表时间：
    2012
  • 期刊：
    上海交通大学学报
  • 影响因子：
    --
  • 作者：
    邱世广;武殿梁;范秀敏;胡勇
  • 通讯作者：
    胡勇

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--" }}
  • 发表时间：
    {{ item.publish_year || "--"}}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--" }}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}
empty
内容获取失败，请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题，我已根据课题信息分析并撰写以下内容，帮您拓宽课题思路：

AI项目思路

AI技术路线图

胡勇的其他基金

P4智能医疗的多中心学习与集成决策支持研究
  • 批准号：
    72371116
  • 批准年份：
    2023
  • 资助金额：
    41 万元
  • 项目类别：
    面上项目
糖尿病P4智能管理及多源异构大数据融合研究
  • 批准号：
    91746204
  • 批准年份：
    2017
  • 资助金额：
    240.0 万元
  • 项目类别：
    重大研究计划

相似国自然基金

{{ item.name }}
  • 批准号：
    {{ item.ratify_no }}
  • 批准年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号：
    {{ item.ratify_no }}
  • 财政年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者：{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目：调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要：

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题，其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子，其表达水平对抗病毒防御至关重要。然而，TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用，影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法，探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用，为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义，并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路：

科学问题：TRIM2如何调控A型流感病毒诱导的IFN-β表达？
前期研究：已有研究表明TRIM2参与抗病毒反应，但其具体机制尚不明确。
研究创新点：本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线：包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术：TRIM2与病毒RNA的相互作用分析，IFN-β启动子活性检测。
实验模型：使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
关闭
close
客服二维码