CN117455315A - 一种用于中小企业研发的项目数据管理系统 - Google Patents

一种用于中小企业研发的项目数据管理系统 Download PDF

Info

Publication number
CN117455315A
CN117455315A CN202311754297.6A CN202311754297A CN117455315A CN 117455315 A CN117455315 A CN 117455315A CN 202311754297 A CN202311754297 A CN 202311754297A CN 117455315 A CN117455315 A CN 117455315A
Authority
CN
China
Prior art keywords
data
project
time sequence
sample
development
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202311754297.6A
Other languages
English (en)
Inventor
黄涛
杨晓彤
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hefei Chuangcheng Technology Information Technology Co ltd
Original Assignee
Hefei Chuangcheng Technology Information Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hefei Chuangcheng Technology Information Technology Co ltd filed Critical Hefei Chuangcheng Technology Information Technology Co ltd
Priority to CN202311754297.6A priority Critical patent/CN117455315A/zh
Publication of CN117455315A publication Critical patent/CN117455315A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/60—Protecting data
    • G06F21/602—Providing cryptographic facilities or services
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/0464—Convolutional networks [CNN, ConvNet]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/09—Supervised learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/018—Certifying business or products
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Human Resources & Organizations (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Strategic Management (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Software Systems (AREA)
  • Development Economics (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Educational Administration (AREA)
  • General Business, Economics & Management (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Mathematical Physics (AREA)
  • Computing Systems (AREA)
  • Molecular Biology (AREA)
  • Computational Linguistics (AREA)
  • Marketing (AREA)
  • Finance (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Accounting & Taxation (AREA)
  • Bioethics (AREA)
  • Computer Hardware Design (AREA)
  • Computer Security & Cryptography (AREA)

Abstract

本发明提供一种用于中小企业研发的项目数据管理系统，涉及中小企业项目数据管理领域，包括：项目数据确定模块、项目分析模型构建模块和评估模块，所述项目数据确定模块用于获取项目的业务需求，并对所述项目的业务需求进行数据采集、清洗、融合和深度挖掘。本发明提供的用于中小企业研发的项目数据管理系统通过对项目研发数据的分类处理，筛选整理核心研发数据，通过建立项目数据分析模型，并收集互联网海量研发项目数据对比分析，最终形成具有指导意义的项目研发分析报告，并且随着互联网项目数据的更新，项目数据模型在动态的扩展，以不断满足中小企业项目多、项目繁杂的管理需求。

Description

一种用于中小企业研发的项目数据管理系统
技术领域
本发明涉及中小企业项目数据管理领域，尤其涉及一种用于中小企业研发的项目数据管理系统。
背景技术
为营造更好环境支持中小企业研发，促进中小企业成长为创新重要发源地。国家先后发布支持中小企业研发的相关政策文件，极大的鼓舞和激发了中小企业的创新创造活力，中小企业研发项目如雨后春笋般迸发，但随之而来的，项目多、项目繁杂等问题扑面而来，并且中小企业本身体量小、资金短缺、人才匮乏等局限因素，导致缺乏专业的项目管理人员对项目研发进行管理，解决中小企业的项目研发数据管理成为迫在眉睫的难题。
现有技术仅是对中小企业研发项目的流程管理，缺少项目过程中的数据采集分析和可视化呈现及后期的数据安全存储，导致中小企业缺乏对研发数据的有效管理。
因此，有必要提供一种用于中小企业研发的项目数据管理系统解决上述技术问题。
发明内容
本发明提供一种用于中小企业研发的项目数据管理系统，解决了中小企业缺乏对研发数据的有效管理的问题。
为解决上述技术问题，本发明提供的用于中小企业研发的项目数据管理系统，包括：
项目数据确定模块，所述项目数据确定模块用于获取项目的业务需求，并对所述项目的业务需求进行数据采集、清洗、融合和深度挖掘，以确定项目数据；
项目分析模型构建模块，所述项目分析模型构建模块基于搭建的智能数据处理模块，对项目数据进行预处理，生成对应的项目业务，并基于所述项目业务，构建项目分析模型；
评估模块，所述评估模块通过预设的评价指标，对所述项目分析模型进行评估，生成评估结果，并通过所述评估结果，持续性优化项目模型。
优选的，所述项目数据确定模块用于获取项目的业务需求，并对所述项目的业务需求进行数据采集、清洗、融合和深度挖掘，以确定项目数据，具有包括以下步骤：
S11：对采集的数据进行查重、过滤、清理和替换，以确定清洗数据；
S12：基于搭建的智能数据处理模块，对所述清洗数据进行归类、合并和融合，以确定融合数据；
S13：基于搭建的数据挖掘机制，对所述融合数据进行挖掘，以确定项目数据。
优选的，所述数据挖掘机制至少由预设的决策树算法、贝叶斯分类算法、规则分类算法、神经网络机制、持向量机、懒惰学习算法和案例推理算法构成。
优选的，所述S11对采集的数据进行查重、过滤、清理和替换，以确定清洗数据，具体包括以下步骤：
S111：获取采集数据的采集时间序列；
S112：当采集数据对应的所述采集时间序列出现重复时，对重复的所述采集时间序列下的采集数据进行过滤，保留唯一采集时间序列及对应的数据；
S113：当采集数据对应的所述采集时间序列的缺失率大于预设的缺失率阙值时，将所述采集时间序列对应位置的采集数据进行清理；
S114：当采集数据对应的所述采集时间序列的缺失率小过预设的缺失率阙值时，确定未缺失的所述采集时间序列下对应的样本数据集合和缺失的所述采集时间序列下对应的缺失数据集合；
S115：通过所述样本数据集合和所述缺失数据集合，构建最小二乘法回归函数；
S16：基于所述最小二乘法回归函数，估计缺失数据集合中的缺失数据，并通过估计后的缺失数据对对应的缺失的所述采集时间序列下的缺失位置进行填补替换。
优选的，所述S112中当采集数据对应的所述采集时间序列出现重复时，对重复的所述采集时间序列下的采集数据进行过滤，保留唯一所述采集时间序列及对应的数据，具有包括：当所述采集数据对应的采集时间序列出现重复时，判断重复的所述采集时间序列对应的采集数据是否相同；
当重复判断结果为重复的所述采集时间序列对应的采集数据相同时，对重复的采集数据进行过滤；
当重复判断结果为重复的所述采集时间序列对应的采集数据不相同时，获取对应的所述采集时间序列，并将所述采集时间序列和对应的采集数据反馈至预设的控制终端。
优选的，所述项目分析模型构建模块基于搭建的智能数据处理模块，对项目数据进行预处理，生成对应的项目业务，并基于所述项目业务，构建项目分析模型，具体包括以下步骤：
S21：将所述项目数据传输至大数据中心预设的深度神经网络系统进行训练，生成训练样本；
S22：获取训练样本的描述信息，并计算训练样本描述信息之间的依赖度，并通过预设的决策对象和所述依赖度，分析和计算训练样本的规则强度和确定因子；
S23：通过所述规则强度和确定因子，生成对应的决策机制；获取训练样本的类关系，梳理并分析不同类关系下的项目数据集合的业务需求和业务流程，并通过所述业务需求和业务流程，构建业务项目；
S24：通过所述决策机制，对所述业务项目进行信息提取和信息推理，构建项目模型。
优选的，所述S22中获取训练样本的描述信息，并计算训练样本描述信息之间的依赖度，具体包括以下步骤：
S221：获取训练样本集合X；其中，"x∈X，x代表训练样本集合任意一个训练样本；
S222、获取训练样本集合中训练样本的描述信息，对所述描述信息进行处理和统计，确定对应的样本函数簇I，I=(U，S，Z，f：a→b)；
其中，I代表描述样本函数簇，U∈X，U代表不同种类的描述信息区分后的样本训练非空集合，S代表样本训练非空集合对应的属性数据集合，Z代表属性数据集合的区间范围，f代表映射规则，a→b代表描述信息a和描述信息b之间存在着映射规则f，a和b代表不同的描述信息的标识符；
S223：基于所述样本函数簇，计算训练样本之间的依赖度，计算公式为：
其中，H代表练样本之间的依赖度，i=1，2，·，m，m代表样本函数簇的样本总批数，代表第i批样本函数簇中之间有映射关系的总个数，A代表第i批样本函数簇的映射中心点，/>代表所有样本函数簇的映射中心点，X代表训练样本集合，/>代表第批样本函数簇，=1，2，·，n代表样本函数族的样本点总个数，cer代表样本函数簇之间的耦合度，s代表样本函数簇之间的分离度，/>代表样本函数簇之间的影响临界值。
优选的，所述S24中通过所述决策机制，对所述业务项目进行信息提取和信息推理，构建项目模型，具体包括以下步骤：
S241：通过决策机制，对所述业务项目进行趋势预测，确定预测结果；
S242：基于所述预测结果，对业务项目进行信息提取，基于预设的等级规则分类器，并将不同体系的业务项目进行分类，确定分类结果；
S243：通过预设的项目存储库，按照所述分类结果，对业务项目进行检索，判断是否存在相似的历史业务项目，确定项目判断结果：当所述项目判断结果为存在相似的历史业务项目，对历史项目模型进行评估和优化；
S244：当所述项目判断结果为不存在相似的历史业务项目，基于所述预测结果，对所述业务项目进行信息推理，构建项目模型。
优选的，所述趋势预测至少包括业务类型趋势预测、业务风险趋势预测、业务成本趋势预测和业务获益趋势预测。
优选的，所述评估模块通过预设的评价指标，对所述项目分析模型进行评估，生成评估结果，并通过所述评估结果，持续性优化项目模型，具体包括以下步骤：
S31：获取预设的评价指标，通过所述评价指标，建立价值评价体系；
S32：通过所述价值评价体系，对所述项目模型进行评估，并确定评估结果，对比预设的评估动态阀值和所述评估结果；
S33：对项目模型对应的项目价值进行评级，并确定评级结果；
S34：通过对项目模型对应的评估结果和评级结果的分析，对所述项目模型进行迭代和更新，优化所述项目模型。
与相关技术相比较，本发明提供的用于中小企业研发的项目数据管理系统具有如下有益效果：
本发明提供一种用于中小企业研发的项目数据管理系统，通过对项目研发数据的分类处理，筛选整理核心研发数据，通过建立项目数据分析模型，并收集互联网海量研发项目数据对比分析，最终形成具有指导意义的项目研发分析报告，并且随着互联网项目数据的更新，项目数据模型在动态的扩展，以不断满足中小企业项目多、项目繁杂的管理需求。
附图说明
图1为本发明提供的用于中小企业研发的项目数据管理系统的一种较佳实施例的原理框图；
图2为本发明提供的项目数据确定模块的原理步骤框图；
图3为本发明提供的确定清洗数据的原理步骤框图；
图4为本发明提供的过滤重复的采集时间序列下的采集数据的原理步骤框图；
图5为本发明提供的项目分析模型构建模块的原理步骤框图；
图6为本发明提供的计算依赖度的原理步骤框图；
图7为本发明提供的项目模型构建的原理步骤框图；
图8为本发明提供的对项目分析模型评估的原理步骤框图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明提供一种用于中小企业研发的项目数据管理系统。
请结合参阅图1，在本发明的一实施例中，用于中小企业研发的项目数据管理系统，包括：
项目数据确定模块，所述项目数据确定模块用于获取项目的业务需求，并对所述项目的业务需求进行数据采集、清洗、融合和深度挖掘，以确定项目数据；
项目分析模型构建模块，所述项目分析模型构建模块基于搭建的智能数据处理模块，对项目数据进行预处理，生成对应的项目业务，并基于所述项目业务，构建项目分析模型；
评估模块，所述评估模块通过预设的评价指标，对所述项目分析模型进行评估，生成评估结果，并通过所述评估结果，持续性优化项目模型。
通过对项目研发数据的分类处理，筛选整理核心研发数据，通过建立项目数据分析模型，并收集互联网海量研发项目数据对比分析，最终形成具有指导意义的项目研发分析报告，并且随着互联网项目数据的更新，项目数据模型在动态的扩展，以不断满足中小企业项目多、项目繁杂的管理需求。
其中，对所述项目的业务需求进行数据采集，具体包括：根据项目业务需求，收集项目的研发数据，建立项目研发数据库，形成该项目预处理模型；
比对项目预处理模型，通过爬虫算法等技术爬取相似项目互联网海量研发数据，建立该项目预处理模型的互联网研发数据库，形成数据中心；
对互联网研发数据库数据进行清洗、分类、融合深度挖掘；
其中，构建项目分析模型通过对互联网研发数据和该项目研发数据进行对比分析；根据分析处理模型出具项目研发分析报告。
请参阅图2，所述项目数据确定模块用于获取项目的业务需求，并对所述项目的业务需求进行数据采集、清洗、融合和深度挖掘，以确定项目数据，具有包括以下步骤：
S11：对采集的数据进行查重、过滤、清理和替换，以确定清洗数据；
S12：基于搭建的智能数据处理模块，对所述清洗数据进行归类、合并和融合，以确定融合数据；
S13：基于搭建的数据挖掘机制，对所述融合数据进行挖掘，以确定项目数据。
其中，所述数据挖掘机制至少由预设的决策树算法、贝叶斯分类算法、规则分类算法、神经网络机制、持向量机、懒惰学习算法和案例推理算法构成。
请参阅图3，所述S11对采集的数据进行查重、过滤、清理和替换，以确定清洗数据，具体包括以下步骤：
S111：获取采集数据的采集时间序列；
S112：当采集数据对应的所述采集时间序列出现重复时，对重复的所述采集时间序列下的采集数据进行过滤，保留唯一采集时间序列及对应的数据；
S113：当采集数据对应的所述采集时间序列的缺失率大于预设的缺失率阙值时，将所述采集时间序列对应位置的采集数据进行清理；
S114：当采集数据对应的所述采集时间序列的缺失率小过预设的缺失率阙值时，确定未缺失的所述采集时间序列下对应的样本数据集合和缺失的所述采集时间序列下对应的缺失数据集合；
S115：通过所述样本数据集合和所述缺失数据集合，构建最小二乘法回归函数；
S16：基于所述最小二乘法回归函数，估计缺失数据集合中的缺失数据，并通过估计后的缺失数据对对应的缺失的所述采集时间序列下的缺失位置进行填补替换。
请参阅图4，所述S112中当采集数据对应的所述采集时间序列出现重复时，对重复的所述采集时间序列下的采集数据进行过滤，保留唯一所述采集时间序列及对应的数据，具有包括：当所述采集数据对应的采集时间序列出现重复时，判断重复的所述采集时间序列对应的采集数据是否相同；
当重复判断结果为重复的所述采集时间序列对应的采集数据相同时，对重复的采集数据进行过滤；
当重复判断结果为重复的所述采集时间序列对应的采集数据不相同时，获取对应的所述采集时间序列，并将所述采集时间序列和对应的采集数据反馈至预设的控制终端。
请参阅图5，所述项目分析模型构建模块基于搭建的智能数据处理模块，对项目数据进行预处理，生成对应的项目业务，并基于所述项目业务，构建项目分析模型，具体包括以下步骤：
S21：将所述项目数据传输至大数据中心预设的深度神经网络系统进行训练，生成训练样本；
S22：获取训练样本的描述信息，并计算训练样本描述信息之间的依赖度，并通过预设的决策对象和所述依赖度，分析和计算训练样本的规则强度和确定因子；
S23：通过所述规则强度和确定因子，生成对应的决策机制；获取训练样本的类关系，梳理并分析不同类关系下的项目数据集合的业务需求和业务流程，并通过所述业务需求和业务流程，构建业务项目；
S24：通过所述决策机制，对所述业务项目进行信息提取和信息推理，构建项目模型。
请参阅图6，所述S22中获取训练样本的描述信息，并计算训练样本描述信息之间的依赖度，具体包括以下步骤：
S221：获取训练样本集合X；其中，"x∈X，x代表训练样本集合任意一个训练样本；
S222、获取训练样本集合中训练样本的描述信息，对所述描述信息进行处理和统计，确定对应的样本函数簇I，I=(U，S，Z，f：a→b)；
其中，I代表描述样本函数簇，U∈X，U代表不同种类的描述信息区分后的样本训练非空集合，S代表样本训练非空集合对应的属性数据集合，Z代表属性数据集合的区间范围，f代表映射规则，a→b代表描述信息a和描述信息b之间存在着映射规则f，a和b代表不同的描述信息的标识符；
S223：基于所述样本函数簇，计算训练样本之间的依赖度，计算公式为：
其中，H代表练样本之间的依赖度，i=1，2，·，m，m代表样本函数簇的样本总批数，代表第i批样本函数簇中之间有映射关系的总个数，A代表第i批样本函数簇的映射中心点，/>代表所有样本函数簇的映射中心点，X代表训练样本集合，/>代表第批样本函数簇，=1，2，·，n代表样本函数族的样本点总个数，cer代表样本函数簇之间的耦合度，s代表样本函数簇之间的分离度，/>代表样本函数簇之间的影响临界值。
请参阅图7，所述S24中通过所述决策机制，对所述业务项目进行信息提取和信息推理，构建项目模型，具体包括以下步骤：
S241：通过决策机制，对所述业务项目进行趋势预测，确定预测结果；
S242：基于所述预测结果，对业务项目进行信息提取，基于预设的等级规则分类器，并将不同体系的业务项目进行分类，确定分类结果；
S243：通过预设的项目存储库，按照所述分类结果，对业务项目进行检索，判断是否存在相似的历史业务项目，确定项目判断结果：当所述项目判断结果为存在相似的历史业务项目，对历史项目模型进行评估和优化；
S244：当所述项目判断结果为不存在相似的历史业务项目，基于所述预测结果，对所述业务项目进行信息推理，构建项目模型。
其中，所述趋势预测至少包括业务类型趋势预测、业务风险趋势预测、业务成本趋势预测和业务获益趋势预测。
请参阅图8，所述评估模块通过预设的评价指标，对所述项目分析模型进行评估，生成评估结果，并通过所述评估结果，持续性优化项目模型，具体包括以下步骤：
S31：获取预设的评价指标，通过所述评价指标，建立价值评价体系；
S32：通过所述价值评价体系，对所述项目模型进行评估，并确定评估结果，对比预设的评估动态阀值和所述评估结果；
S33：对项目模型对应的项目价值进行评级，并确定评级结果；
S34：通过对项目模型对应的评估结果和评级结果的分析，对所述项目模型进行迭代和更新，优化所述项目模型。
在一实施例中，所述用于中小企业研发的项目数据管理系统，还包括项目数据保密模块，用于对中小型企业研发的项目数据进行安全加密；
其中，加密方式包括设置多种加密项目，当错误破解密钥次数超过预设次数后，在每次错误破解密钥时，自动增加一种加密项目，需要依次将多种加密项目的密钥均正确破解，才能解锁项目数据。
且当密钥项目达到最大项目后，仍出现错误破解，此时调整多种密钥的顺序。
预设次数不少于1次，加密项目数量设置不少于两种。
具体实施如，设置1、2、3三组密钥，设定错误破解密钥预设次数为2次，设置起始密码为1；当错误破解密钥次数超过两次时，则解锁密码为1和2，当第三次破解错误时，此时密钥由1、2、3三种密钥加密；其中当密钥超过一种时，必须两种均破解正确可以解锁，如果只有一种破解正确，仍然增加密钥的项目数；
当三组密钥均加载后，再次破解密钥错误，此时密钥的顺序变为3、2、1，或者2、3、1，具体根据使用者设定。
从而可以极大保证项目数据的安全。
其中，密钥的方式可以为同一类型、或者不同类型，如数字、字母、符号、指纹、人脸识别、虹膜以及各类型的组合等。
以上所述仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其它相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种用于中小企业研发的项目数据管理系统，其特征在于，包括：
项目数据确定模块，所述项目数据确定模块用于获取项目的业务需求，并对所述项目的业务需求进行数据采集、清洗、融合和深度挖掘，以确定项目数据；
项目分析模型构建模块，所述项目分析模型构建模块基于搭建的智能数据处理模块，对项目数据进行预处理，生成对应的项目业务，并基于所述项目业务，构建项目分析模型；
评估模块，所述评估模块通过预设的评价指标，对所述项目分析模型进行评估，生成评估结果，并通过所述评估结果，持续性优化项目模型；
项目数据保密模块，所述项目数据保密模块用于对中小型企业研发的项目数据进行安全加密；
其中，加密方式包括设置多种加密项目，当错误破解密钥次数超过预设次数后，在每次错误破解密钥时，自动增加一种加密项目，需要依次将多种加密项目的密钥均正确破解，才能解锁项目数据；
且当密钥项目达到最大项目后，仍出现错误破解，此时调整多种密钥的顺序。
2.根据权利要求1所述的用于中小企业研发的项目数据管理系统，其特征在于，所述项目数据确定模块用于获取项目的业务需求，并对所述项目的业务需求进行数据采集、清洗、融合和深度挖掘，以确定项目数据，具有包括以下步骤：
S11：对采集的数据进行查重、过滤、清理和替换，以确定清洗数据；
S12：基于搭建的智能数据处理模块，对所述清洗数据进行归类、合并和融合，以确定融合数据；
S13：基于搭建的数据挖掘机制，对所述融合数据进行挖掘，以确定项目数据。
3.根据权利要求2所述的用于中小企业研发的项目数据管理系统，其特征在于，所述数据挖掘机制至少由预设的决策树算法、贝叶斯分类算法、规则分类算法、神经网络机制、持向量机、懒惰学习算法和案例推理算法构成。
4.根据权利要求2所述的用于中小企业研发的项目数据管理系统，其特征在于，所述S11对采集的数据进行查重、过滤、清理和替换，以确定清洗数据，具体包括以下步骤：
S111：获取采集数据的采集时间序列；
S112：当采集数据对应的所述采集时间序列出现重复时，对重复的所述采集时间序列下的采集数据进行过滤，保留唯一采集时间序列及对应的数据；
S113：当采集数据对应的所述采集时间序列的缺失率大于预设的缺失率阙值时，将所述采集时间序列对应位置的采集数据进行清理；
S114：当采集数据对应的所述采集时间序列的缺失率小过预设的缺失率阙值时，确定未缺失的所述采集时间序列下对应的样本数据集合和缺失的所述采集时间序列下对应的缺失数据集合；
S115：通过所述样本数据集合和所述缺失数据集合，构建最小二乘法回归函数；
S16：基于所述最小二乘法回归函数，估计缺失数据集合中的缺失数据，并通过估计后的缺失数据对对应的缺失的所述采集时间序列下的缺失位置进行填补替换。
5.根据权利要求4所述的用于中小企业研发的项目数据管理系统，其特征在于，所述S112中当采集数据对应的所述采集时间序列出现重复时，对重复的所述采集时间序列下的采集数据进行过滤，保留唯一所述采集时间序列及对应的数据，具有包括：当所述采集数据对应的采集时间序列出现重复时，判断重复的所述采集时间序列对应的采集数据是否相同；
当重复判断结果为重复的所述采集时间序列对应的采集数据相同时，对重复的采集数据进行过滤；
当重复判断结果为重复的所述采集时间序列对应的采集数据不相同时，获取对应的所述采集时间序列，并将所述采集时间序列和对应的采集数据反馈至预设的控制终端。
6.根据权利要求1所述的用于中小企业研发的项目数据管理系统，其特征在于，所述项目分析模型构建模块基于搭建的智能数据处理模块，对项目数据进行预处理，生成对应的项目业务，并基于所述项目业务，构建项目分析模型，具体包括以下步骤：
S21：将所述项目数据传输至大数据中心预设的深度神经网络系统进行训练，生成训练样本；
S22：获取训练样本的描述信息，并计算训练样本描述信息之间的依赖度，并通过预设的决策对象和所述依赖度，分析和计算训练样本的规则强度和确定因子；
S23：通过所述规则强度和确定因子，生成对应的决策机制；获取训练样本的类关系，梳理并分析不同类关系下的项目数据集合的业务需求和业务流程，并通过所述业务需求和业务流程，构建业务项目；
S24：通过所述决策机制，对所述业务项目进行信息提取和信息推理，构建项目模型。
7.根据权利要求6所述的用于中小企业研发的项目数据管理系统，其特征在于，所述S22中获取训练样本的描述信息，并计算训练样本描述信息之间的依赖度，具体包括以下步骤：
S221：获取训练样本集合X；其中，"x∈X，x代表训练样本集合任意一个训练样本；
S222、获取训练样本集合中训练样本的描述信息，对所述描述信息进行处理和统计，确定对应的样本函数簇I，I=(U，S，Z，f：a→b)；
其中，I代表描述样本函数簇，U∈X，U代表不同种类的描述信息区分后的样本训练非空集合，S代表样本训练非空集合对应的属性数据集合，Z代表属性数据集合的区间范围，f代表映射规则，a→b代表描述信息a和描述信息b之间存在着映射规则f，a和b代表不同的描述信息的标识符；
S223：基于所述样本函数簇，计算训练样本之间的依赖度，计算公式为：
；
其中，H代表练样本之间的依赖度，i=1，2，·，m，m代表样本函数簇的样本总批数，代表第i批样本函数簇中之间有映射关系的总个数，A代表第i批样本函数簇的映射中心点，/>代表所有样本函数簇的映射中心点，X代表训练样本集合，/>代表第批样本函数簇，=1，2，·，n代表样本函数族的样本点总个数，cer代表样本函数簇之间的耦合度，s代表样本函数簇之间的分离度，/>代表样本函数簇之间的影响临界值。
8.根据权利要求6所述的用于中小企业研发的项目数据管理系统，其特征在于，所述S24中通过所述决策机制，对所述业务项目进行信息提取和信息推理，构建项目模型，具体包括以下步骤：
S241：通过决策机制，对所述业务项目进行趋势预测，确定预测结果；
S242：基于所述预测结果，对业务项目进行信息提取，基于预设的等级规则分类器，并将不同体系的业务项目进行分类，确定分类结果；
S243：通过预设的项目存储库，按照所述分类结果，对业务项目进行检索，判断是否存在相似的历史业务项目，确定项目判断结果：当所述项目判断结果为存在相似的历史业务项目，对历史项目模型进行评估和优化；
S244：当所述项目判断结果为不存在相似的历史业务项目，基于所述预测结果，对所述业务项目进行信息推理，构建项目模型。
9.根据权利要求8所述的用于中小企业研发的项目数据管理系统，其特征在于，所述趋势预测至少包括业务类型趋势预测、业务风险趋势预测、业务成本趋势预测和业务获益趋势预测。
10.根据权利要求1所述的用于中小企业研发的项目数据管理系统，其特征在于，所述评估模块通过预设的评价指标，对所述项目分析模型进行评估，生成评估结果，并通过所述评估结果，持续性优化项目模型，具体包括以下步骤：
S31：获取预设的评价指标，通过所述评价指标，建立价值评价体系；
S32：通过所述价值评价体系，对所述项目模型进行评估，并确定评估结果，对比预设的评估动态阀值和所述评估结果；
S33：对项目模型对应的项目价值进行评级，并确定评级结果；
S34：通过对项目模型对应的评估结果和评级结果的分析，对所述项目模型进行迭代和更新，优化所述项目模型。
CN202311754297.6A 2023-12-20 2023-12-20 一种用于中小企业研发的项目数据管理系统 Pending CN117455315A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311754297.6A CN117455315A (zh) 2023-12-20 2023-12-20 一种用于中小企业研发的项目数据管理系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311754297.6A CN117455315A (zh) 2023-12-20 2023-12-20 一种用于中小企业研发的项目数据管理系统

Publications (1)

Publication Number Publication Date
CN117455315A true CN117455315A (zh) 2024-01-26

Family

ID=89582114

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311754297.6A Pending CN117455315A (zh) 2023-12-20 2023-12-20 一种用于中小企业研发的项目数据管理系统

Country Status (1)

Country Link
CN (1) CN117455315A (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106682488A (zh) * 2017-01-04 2017-05-17 广东欧珀移动通信有限公司 解锁方法及移动终端
CN110502886A (zh) * 2019-08-16 2019-11-26 广州国音智能科技有限公司 多重身份验证方法、装置、终端及计算机存储介质
CN111931144A (zh) * 2020-06-03 2020-11-13 南京南瑞信息通信科技有限公司 一种操作系统与业务应用统一安全登录认证方法及装置
CN114596061A (zh) * 2022-03-02 2022-06-07 穗保(广州)科技有限公司 一种基于大数据的项目数据管理方法及系统
CN115174187A (zh) * 2022-06-30 2022-10-11 济南浪潮数据技术有限公司 一种用户安全登录方法、系统及装置
CN116723019A (zh) * 2023-06-19 2023-09-08 奇安信科技集团股份有限公司 破解行为检测方法、装置、电子设备及存储介质
CN116992433A (zh) * 2023-09-28 2023-11-03 江苏友谱信息科技有限公司 一种基于web应用系统的密码破解攻击检测方法及组件

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106682488A (zh) * 2017-01-04 2017-05-17 广东欧珀移动通信有限公司 解锁方法及移动终端
CN110502886A (zh) * 2019-08-16 2019-11-26 广州国音智能科技有限公司 多重身份验证方法、装置、终端及计算机存储介质
CN111931144A (zh) * 2020-06-03 2020-11-13 南京南瑞信息通信科技有限公司 一种操作系统与业务应用统一安全登录认证方法及装置
CN114596061A (zh) * 2022-03-02 2022-06-07 穗保(广州)科技有限公司 一种基于大数据的项目数据管理方法及系统
CN115174187A (zh) * 2022-06-30 2022-10-11 济南浪潮数据技术有限公司 一种用户安全登录方法、系统及装置
CN116723019A (zh) * 2023-06-19 2023-09-08 奇安信科技集团股份有限公司 破解行为检测方法、装置、电子设备及存储介质
CN116992433A (zh) * 2023-09-28 2023-11-03 江苏友谱信息科技有限公司 一种基于web应用系统的密码破解攻击检测方法及组件

Similar Documents

Publication Publication Date Title
CN111639237B (zh) 一种基于聚类和关联规则挖掘的电力通信网风险评估系统
CN110223168B (zh) 一种基于企业关系图谱的标签传播反欺诈检测方法及系统
CN111324642A (zh) 一种面向电网大数据分析的模型算法选型与评价方法
CN109657947A (zh) 一种面向企业行业分类的异常检测方法
CN114596061B (zh) 一种基于大数据的项目数据管理方法及系统
CN106650273A (zh) 一种行为预测方法和装置
CN117349782B (zh) 智能数据预警决策树分析方法及系统
CN117828539B (zh) 数据智能融合分析系统及方法
CN116976318A (zh) 基于深度学习和模型推理的电网倒闸操作票智能审核系统
CN112330441A (zh) 一种中小企业商业价值信用贷款评价方法
CN115544272A (zh) 基于注意力机制的化工事故原因知识图谱构建方法
CN112910866B (zh) 一种面向网络入侵检测的特征选择方法
CN110597792A (zh) 基于同期线损数据融合的多级冗余数据融合方法及装置
CN117061198B (zh) 一种基于大数据的网络安全预警系统及方法
CN113742396A (zh) 一种对象学习行为模式的挖掘方法及装置
CN117455315A (zh) 一种用于中小企业研发的项目数据管理系统
Halkidi Quality Assessment and Uncertainty Handling in Data Mining Process.
CN116629716A (zh) 一种智能交互系统工效分析方法
CN112464281A (zh) 基于隐私分组和情感识别的网络信息分析方法
CN110597796A (zh) 基于全生命周期的大数据实时建模方法及系统
CN113537313B (zh) 一种基于wgan训练收敛的不平衡数据集分析方法
CN110825777A (zh) 一种园区道路劣化因果分析方法
CN112308319B (zh) 一种民航会员旅客流失的预测方法及装置
CN116775888B (zh) 一种用于档案形成单位开放审核的方法及系统
CN113571198B (zh) 转化率预测方法、装置、设备及存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination