[发明专利]基于高斯混合模型的最大期望聚类的项目风险预测方法

说明书

本发明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。

技术领域

本发明涉及系统开发与数据处理技术领域，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。

背景技术

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。

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。

因此，需要一种新的项目风险预测方法，以解决上述问题。。

发明内容

为此，本发明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。

根据本发明的一个方面，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。

可选地，在根据本发明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。

可选地，在根据本发明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。

可选地，在根据本发明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。

可选地，在根据本发明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。

可选地，在根据本发明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。