[發明專利]一種靈活定制企業應用系統的需求管理工具集

有效

• 申請號: 202011291153.8
• 申請日: 2020-11-18
• 公開（公告）號: CN112099766B
• 公開（公告）日: 2021-03-19
• 發明（設計）人: 王福民;冀單單
• 申請（專利權）人: 北京恒信啟華信息技術股份有限公司
• 主分類號: G06F8/10
• 分類號: G06F8/10;G06N3/04;G06N3/08
• 代理公司: 北京鼎德寶專利代理事務所(特殊普通合伙) 11823
• 代理人: 牟炳彥

1.一種靈活定制企業應用系統的需求管理工具集,其特征在于，所述工具集包括應用域、功能域、狀態域、流程域、統計域以及應用庫，所述應用域、功能域、狀態域、流程域、統計域和應用庫是在數據庫中建立的數據表或數據集；還包括處理模塊；

所述應用域，用于分門別類的對應用系統適用行業進行管理，并可為所述工具集中的任意功能關聯應用域中的任意行業門類；

所述功能域，用于對應用系統的功能模塊和功能點進行管理，所述功能模塊是指在應用系統中能夠完整實現某項系統功能的功能點的集合；

所述狀態域，用于存儲和管理工具集系統中所存儲的企業組織機構、人員、設備類型等與企業屬性有關的狀態；

所述流程域，用于存儲和管理與各功能模塊相匹配的符合企業實際業務的流程；

所述統計域，用于統計和存儲所述應用域、所述功能域、所述狀態域及所述流程域中的數據統計；

所述應用庫，用于存儲和管理定制完成的企業應用系統實例；

所述處理模塊，一方面用于接收需求側輸入的需求側信息，另一方面用于從所述工具集的數據庫中獲取數據庫信息，所述處理模塊上還運行有需求管理程序，可根據接收到的需求側信息和工具集數據庫中的數據，生成定制企業應用系統的功能系統模板；

其中，所述應用域、所述功能域、所述狀態域、所述流程域、所述統計域、所述應用庫以及所述處理模塊之間具有數據連接，可以互通數據；

所述處理模塊上運行有需求管理程序，所述需求管理程序處理需求管理的具體處理步驟包括：

S1 創建一個深度預測網絡，并根據需求側信息和工具集數據庫數據預測一個最優模板系統；

S2 所述處理模塊根據需求側信息集合R中的需求體系信息和需求點信息從工具集的所述功能域中篩選功能模塊和功能點，補充到最優模板系統，并控制預測網絡的重訓練；

S3 對于最優模板系統中需要工作流調整的功能模塊和功能點，調整所述功能模塊和功能點的流程功能，并將功能模塊和功能點的流程功能信息存儲到所述流程域中；

S4 基于最優模板系統和調整好的流程功能，定制開發新功能模塊或功能點，并將新功能模塊或功能點存儲到所述功能域中；

所述S1步驟中深度預測網絡的創建過程如下：

創建預測網絡，所述預測網絡由輸入層、模式層、求和層和輸出層組成，每個輸入層神經元具有一個映射單元；

記所述預測網絡的輸入為：

其中，，，表示第i個輸入數據集，n表示輸入數據集的總維度；，，表示第i個輸入數據集的第j維數據，m表示輸入數據集的總維度為m；

所述預測網絡的輸入層神經元個數等于輸入數據集的總維度m，記對應于輸入層神經元j的映射單元的映射函數為，神經元j對應的權值函數記為,引入一個用于控制映射函數輸出的可訓練參數作為控制值，則權值函數為：

初始化，即；

輸入層有m個神經元，輸入的數據通過映射單元進行映射,得到權值后，然后將)輸入到模式層中進行計算；

模式層的神經元個數與訓練樣本總數n相等，每個神經元節點都有一個中心，該中心為當前的訓練樣本，模式層采用非線性運算對神經元進行激活，則模式層第p類模式的第個神經元輸出的概率為：

其中，為平滑因子，其取值決定了以樣本點為中心的曲線寬度；為第p類模式的第個隱中心矢量；；；為類別為的訓練樣本數，，模式層的輸出為該樣本向量屬于第p類模式的初始概率；

求和層的神經元個數與模式類別數P相等，求和層將模式層所有神經元輸出的值屬于同一類的初始概率進行加權平均，得到第p類模式的概率密度函數：

輸出層根據各類模式對輸入向量的概率評估，選擇具有最大后驗概率的類別作為輸出的類別，評估規則為：

其中，k為除p類模式外的任意一種模式，為模式類型的先驗概率，為模式類型的先驗概率；，，、分別為模式類別為p、k，，的訓練樣本數；為將原本屬于模式類型的數據樣本錯誤地劃分到異常類型的代價因子；為將原本屬于k類的數據樣本錯誤地劃分到類型的代價因子；、分別為類型、的概率密度函數；

從而得到輸入樣本所屬模式類型，完成對輸入數據集的功能模式分類輸出，輸出結果為一個包含多個功能類型的最優集合，即最優模板系統。