决策支持系统(DSS)理论与方法

第1章 概论.1

1.1 决策支持系统的产生与发展1

1.1.1 dss的产生背景1

1.1.2 dss的发展2

1.2 dss发展的理论基础4

1.2.1 信息论4

1.2.2 计算机技术4

1.2.3 管理科学和运筹学5

1.2.4 信息经济学5

1.2.5 行为科学6

1.2.6 人工智能7

1.3 dss与相关技术的关系7

1.3.1 决策与预测的关系7

1.3.2 dss与管理科学、运筹学的关系10

1.3.3 dss与mis的关系11

1.4 新一代dss的发展12

1.4.1 群决策支持系统12

1.4.2 分布式决策支持系统13

1.4.3 智能决策支持系统14

1.4.4 决策支持中心15

.1.4.5 战略决策支持系统16

1.4.6 iiidss17

1.5 数据仓库与决策支持系统18

1.5.1 新型的决策支持技术--数据仓库和联机分析处理18

1.5.2 综合决策支持系统18

1.5.3 基于数据仓库的决策支持系统20

第2章 决策支持系统的基本概念21

2.1 结构化、半结构化和非结构化问题21

2.1.1 概述21

2.1.2 决策问题的性质和层次22

2.2 决策支持与dss的定义24

2.2.1 决策支持24

2.2.2 决策支持分类24

2.2.3 决策风格26

2.2.4 dss的定义26

2.3 dss的概念模式27

2.3.1 系统分析28

2.3.2 专用dss29

2.3.3 dss工具29

2.3.4 dss生成器30

2.3.5 累接设计30

2.3.6 romc分析方法32

2.3.7 系统的柔性34

2.3.8 系统的集成化34

第3章 dss的构造与系统结构36

3.1 引言36

3.1.1 dss的基本部件36

3.1.2 目标37

3.1.3 功能38

3.2 dss的人机界面和问题处理系统38

3.2.1 人机界面38

3.2.2 问题处理系统39

3.2.3 自然语言理解41

3.3 dss的库系统43

3.3.1 数据库系统43

3.3.2 模型库系统44

3.3.3 知识库系统45

3.3.4 方法库系统46

3.4 dss的系统结构47

3.4.1 三角式结构47

3.4.2 串联结构48

3.4.3 熔合式结构48

3.4.4 以数据库为中心的结构49

3.4.5 四库三功能的系统结构49

3.4.6 智能dss的结构50

3.5 dss的体系结构与分析52

3.5.1 dss体系的分析52

3.5.2 环境特征53

3.5.3 系统的部件53

3.5.4 资源54

3.5.5 环境和资源的关系55

第4章 数据库及其管理系统57

4.1 基本概念57

4.1.1 数据库系统的定义及其特点57

4.1.2 dss数据库系统的设计特点58

4.2 数据的组织与描述59

4.2.1 实体模型59

4.2.2 数据模型60

4.2.3 数据模型的设计60

4.3 dss的数据库设计63

4.3.1 数据库的概念设计64

4.3.2 数据库的逻辑设计66

4.3.3 数据库的物理设计68

4.3.4 数据库系统语言69

4.4 dss数据库技术的发展70

4.4.1 数据库与知识库的结合方式70

4.4.2 数据库技术支持模型库71

4.4.3 dss中数据库单元设计72

4.4.4 dss数据库技术的发展分析72

4.5 多媒体数据库73

4.5.1 多媒体数据库的特点与功能73

4.5.2 多媒体数据库及其管理系统的关键技术74

4.5.3 数据模型技术75

第5章 数据开采技术78

5.1 数据开采技术研究背景及现状78

5.1.1 引言78

5.1.2 研究背景及意义78

5.1.3 国内外研究现状79

5.2 数据开采技术基本概念80

5.2.1 数据开采的定义80

5.2.2 数据开采的过程及分类81

5.2.3 数据开采的内容和本质84

5.2.4 基于数据仓库的数据开采技术85

5.3 数据开采方法86

5.3.1 分类87

5.3.2 聚类87

5.3.3 神经网络88

5.3.4 关联规则开采方法89

5.3.5 决策树90

5.3.6 多层次数据汇总归纳91

5.3.7 空间数据库的数据开采91

5.3.8 数据开采的其他方法92

5.4 数据开采--云模型方法93

5.4.1 定性和定量互换模型--云模型93

5.4.2 发现状态空间理论94

5.4.3 用云模型从空间数据库中发掘关联规则96

5.5 模糊数据开采方法98

5.5.1 数据仓库的引入98

5.5.2 模糊数据开采方法99

5.5.3 fdm应用范例100

5.6 数据开采的智能方法102

5.6.1 从数据库发现知识102

5.6.2 数据开采与dbms和联机分析处理的区别与联系103

5.6.3 数据开采的方法和实施过程104

5.6.4 智能算法105

5.7 数据开采工具及发展方向107

5.7.1 数据开采的工具107

5.7.2 数据开采的发展方向107

5.8 sas的数据开采方法109

5.8.1 数据开采提供决策支持109

5.8.2 数据开采的方法论--semma..110

第6章 数据仓库技术114

6.1 数据仓库概述114

6.1.1 数据仓库的定义114

6.1.2 数据仓库查询系统的特点114

6.1.3 oltp与olap的特点115

6.1.4 详细数据与小结数据115

6.1.5 数据仓库与数据集市117

6.1.6 数据仓库引擎的选择118

6.2 数据仓库的结构框架119

6.2.1 框架的概念和重要性119

6.2.2 通用框架结构122

6.2.3 数据源块123

6.2.4 数据仓库结构块123

6.2.5 数据站场结构块125

6.2.6 数据仓库的存取和使用模块125

6.2.7 数据管理层模块126

6.2.8 运输层模块127

6.2.9 基础结构层模块127

6.3 数据仓库系统及其开发过程128

6.3.1 数据仓库系统128

6.3.2 数据仓库的开发过程129

6.4 数据仓库管理系统中的关键技术130

6.4.1 引言130

6.4.2 系统结构131

6.4.3 系统主要模块及关键技术132

6.5 可视数据仓库135

6.5.1 引言135

6.5.2 可视数据仓库的功能136

6.5.3 数据仓库规模化的体系结构136

6.5.4 可视数据仓库的管理136

6.5.5 ibm可视数据仓库解决方案137

6.6 sas数据仓库的结构与功能138

6.6.1 sas数据仓库的体系结构138

6.6.2 sas数据仓库的功能141

6.6.3 sas数据仓库有助于数据开采143

第7章 数据仓库的数据建模和元数据144

7.1 数据仓库的数据概念模型144

7.2 数据仓库的数据组织145

7.2.1 数据仓库的数据组织方式145

7.2.2 多维数据库的组织方式145

7.2.3 olap的数据组织147

7.3 数据源建模147

7.4 数据仓库建模147

7.4.1 星状模型148

7.4.2 雪花模型149

7.4.3 混合模型150

7.5 元数据的概念150

7.6 元数据在数据仓库中的重要性152

7.6.1 元数据在数据仓库开发期间的重要性153

7.6.2 数据源抽取154

7.6.3 数据求精与重构工程155

7.6.4 访问与使用156

7.7 元数据的管理功能156

7.7.1 数据仓库内容的描述156

7.7.2 定义数据抽取和转换157

7.7.3 基于商业事件的抽取调度158

7.7.4 描述数据同步需求159

7.7.5 衡量数据质量指标159

7.7.6 数据仓库信息的目录160

7.7.7 信息目录的现状162

7.7.8 元数据的数据字典和纲目库163

7.8 元数据的标准化和商品化163

7.8.1 元数据的标准化163

7.8.2 元数据的商品化164

第8章 模型库及其管理系统165

8.1 模型与模型库的基本概念165

8.1.1 模型概念165

8.1.2 模型特点165

8.1.3 模型群和模型体系166

8.1.4 模型库168

8.2 模型生成技术171

8.2.1 传统建模方法及其缺陷171

8.2.2 模型生成技术172

8.2.3 模型生成的一般步骤173

8.2.4 模型的动态生成174

8.3 模型管理技术176

8.3.1 模型管理系统176

8.3.2 模型管理技术的发展过程176

8.3.3 模型管理系统的主要研究内容177

8.4 模型管理和数据管理的结合与结构179

8.4.1 引言179

8.4.2 模型管理和数据管理的结合179

8.4.3 第四代模型管理系统的结构180

第9章 知识发现方法183

9.1 数据开采和知识发现的区别与联系183

9.2 知识发现概念184

9.2.1 知识发现定义184

9.2.2 kdd的特点185

9.2.3 知识发现的一般过程186

9.2.4 知识发现的研究方向186

9.3 知识发现方法187

9.3.1 知识发现方法和算法187

9.3.2 实用的知识发现工具和应用系统192

9.4 基于数据库中的知识发现195

9.4.1 引言195

9.4.2 kdd处理过程195

9.4.3 数据开采的目标及方法196

9.4.4 数据库中的知识发现198

9.4.5 kdd系统简介及其www地址198

9.5 基于数据库中的自动发现广义序贯模式200

9.5.1 引言200

9.5.2 广义序贯模式的有关概念201

9.5.3 广义序贯模式的发现算法202

第10章 知识库系统206

10.1 基本概念206

10.1.1 数据206

10.1.2 信息206

10.1.3 知识206

10.1.4 知识的分类207

10.1.5 知识的属性208

10.1.6 推理方法208

10.1.7 知识库209

10.2 知识表示方法209

10.2.1 一阶谓词逻辑209

10.2.2 语义网络表示215

10.2.3 产生式规则218

10.2.4 框架理论221

10.3 知识库的建立223

10.3.1 dss知识库的特点223

10.3.2 设计知识库系统的原则224

10.3.3 知识库的开发步骤225

10.4 问题处理系统226

10.4.1 pps在dss中的地位226

10.4.2 问题处理系统的分类227

10.4.3 pps的工作过程228

10.4.4 问题处理系统的功能231

10.5 问题求解系统236

10.5.1 问题分析的基本方法236

10.5.2 求解途径240

10.6 推理机243

10.6.1 基本概念243

10.6.2 自动机245

10.6.3 形式语言245

参考文献...249