技术特征：
1.一种大数据挖掘算法，其特征在于，包括以下步骤：步骤一，采集大数据信息，对其进行数据预处理，得到以p
j
为特征指标、样本量为y
i
的输入层数据矩阵s
ij
＝(y
i
，p
j
，m
ij
)；式中，y
i
表示数据样本，p
j
表示数据样本的特征指标，m
ij
表示第i个数据样本第j个特征指标的量值，i表示样本的序号，j表示特征指标的序号；步骤二，首先根据隶属度函数μ
ij
，依次计算每一个样本y
i
的任一特征指标p
j
的隶属度，然后将矩阵s
ij
转换隶属度矩阵t
ij
，之后根据隶属度矩阵t
ij
，构造最优数据样本y0的矩阵k
0j
；步骤三，计算数据样本y
i
的任一特征指标p
j
的标准化权重w
j
；步骤四，首先确定数据样本y
i
的关联系数θ
ij
，然后计算输出层数据，即数据样本y
i
的总体关联特征p(y
i
)；步骤五，将总体关联特征p(y
i
)与给定标准值n进行比较，以此来判定样本数据的综合特征指标。2.根据权利要求1所述的一种大数据挖掘算法，其特征在于，所述大数据挖掘算法可以应用在软件缺陷管理上。3.根据权利要求2所述的一种大数据挖掘算法，其特征在于，所述应用在软件缺陷管理上的大数据挖掘算法，包括以下步骤：步骤一，采集软件缺陷管理的大数据信息，对该大数据信息进行数据预处理，得到以需求质量、设计文档质量、编码成员技术、系统内部资源程序为特征指标的输入层数据矩阵rs
ij
＝(ry
i
，rp
j
，rm
ij
)；步骤二，首先根据隶属度函数rμ
ij
，依次计算每一个软件缺陷管理数据样本ry
i
的任一特征指标rp
j
的隶属度，然后将矩阵rs
ij
转换隶属度矩阵rt
ij
，之后根据隶属度矩阵rt
ij
，构造最优样本ry0的矩阵rk
0j
；步骤三，根据下述公式，计算软件缺陷管理数据样本ry
i
的任一特征指标rpj的标准化权重rw
j
；步骤四，首先确定软件缺陷管理数据样本ry
i
的关联系数rθ
ij
，然后计算软件缺陷管理数据样本ry
i
的总体关联特征rp(ry
i
)；步骤五，当总体关联特征rp(ry
i
)大于等于给定标准值n＝0.5时，判定软件缺陷管理数据样本ry
i
为存在缺陷，需要对软件项目的开发过程进行全面性的缺陷管理。
技术总结
本发明涉及数据挖掘技术领域，且公开了一种大数据挖掘算法，包括：采集大数据信息，对其进行数据预处理，得到以p
技术研发人员：李梦杨 付主木 陶发展 冀保峰
受保护的技术使用者：洛阳师范学院
技术研发日：2022.01.07
技术公布日：2022/4/15