决策支持系统(DSS)理论·方法·案例

目录
第1章 概论
1．1 决策支持系统的产生与发展
1．1．1 DSS的产生背景
1．1．2 DSS的发展
1．2 DSS发展的理论基础
1．2．1 信息论
1．2．2 计算机技术
1．2．3 管理科学和运筹学
1．2．4 信息经济学
1．2．5 行为科学
1．2．6 人工智能
1．3 DSS与相关技术的关系
1．3．1 决策与预测的关系
1．3．2 DSS与管理科学、运筹学的关系
1．3．3 DSS与MIS的关系
1．3．4 DSS与专家系统的关系
1．4 新一代DSS的发展
1．4．1 群决策支持系统
1．4．2 分布式决策支持系统
1．4．3 智能决策支持系统
1．4．4 决策支持中心
1．4．5 战略决策支持系统
1．4．6 I〓（[3]）DSS
1．5 数据仓库与决策支持系统
1．5．1 新型的决策支持技术——数据仓库和联机分析处理
1．5．2 综合决策支持系统
1．5．3 基于数据仓库的决策支持系统
第2章 决策支持系统的基本概念
2．1 结构化、半结构化和非结构化问题
2．1．1 概述
2．1．2 决策问题的性质和层次
2．2 决策支持与DSS的定义
2．2．1 决策支持
2．2．2 决策支持分类
2．2．3 决策风格
2．2．4 DSS的定义
2．3 DSS的概念模式
2．3．1 系统分析
2．3．2 专用DSS
2．3．3 DSS工具
2．3．4 DSS生成器
2．3．5 累接设计
2．3．6 ROMC分析方法
2．3．7 系统的柔性
2．3．8 系统的集成化
第3章 DSS的构造与系统结构
3．1 引言
3．1．1 DSS的基本部件
3．1．2 目标
3．1．3 功能
3．2 DSS的人机界面和问题处理系统
3．2．1 人机界面
3．2．2 问题处理系统
3．2．3 自然语言理解
3．3 四库系统
3．3．1 数据库系统
3．3．2 模型库系统
3．3．3 知识库系统
3．3．4 方法库系统
3．4 DSS的系统结构
3．4．1 三角式结构
3．4．2 串联结构
3．4．3 熔合式结构
3．4．4 以数据库为中心的结构
3．4．5 四库三功能的系统结构
3．4．6 智能DSS的结构
3．5 DSS的体系结构与分析
3．5．1 DSS体系的分析
3．5．2 环境特征
3．5．3 系统的部件
3．5．4 资源
3．5．5 环境和资源的关系
第4章 数据库及其管理系统
4．1 基本概念
4．1．1 数据库系统的定义及其特点
4．1．2 DSS数据库系统的设计特点
4．2 数据的组织与描述
4．2．1 实体模型
4．2．2 数据模型
4．2．3 数据模型的设计
4．3 DSS的数据库设计
4．3．1 数据库的概念设计
4．3．2 数据库的逻辑设计
4．3．3 数据库的物理设计
4．3．4 数据库系统语言
4．4 DSS数据库技术的发展
4．4．1 数据库与知识库的结合方式
4．4．2 数据库技术支持模型库
4．4．3 DSS中数据库单元设计
4．4．4 DSS数据库技术的发展分析
4．5 多媒体数据库
4．5．1 多媒体数据库的特点与功能
4．5．2 多媒体数据库及其管理系统的关键技术
4．5．3 数据模型技术
第5章 数据开采技术
5．1 数据开采技术研究背景及现状
5．1．1 引言
5．1．2 研究背景及意义
5．1．3 国内外研究现状
5．2 数据开采技术基本概念
5．2．1 数据开采的定义
5．2．2 数据开采的过程及分类
5．2．3 数据开采的内容和本质
5．2．4 基于数据仓库的数据开采技术
5．3 数据开采方法
5．3．1 分类
5．3．2 聚类
5．3．3 神经网络
5．3．4 关联规则开采方法
5．3．5 决策树
5．3．6 多层次数据汇总归纳
5．3．7 空间数据库的数据开采
5．3．8 数据开采的其他方法
5．4 数据开采——云模型方法
5．4．1 定性和定量互换模型——云模型
5．4．2 发现状态空间理论
5．4．3 用云模型从空间数据库中发掘关联规则
5．5 模糊数据开采方法
5．5．1 数据仓库的引入
5．5．2 模糊数据开采方法
5．5．3 FDM应用范例
5．6 数据开采的智能方法
5．6．1 从数据库发现知识
5．6．2 数据开采与DBMS和联机分析处理的区别与联系
5．6．3 数据开采的方法和实施过程
5．6．4 智能算法
5．7 数据开采工具及发展方向
5．7．1 数据开采的工具
5．7．2 数据开采的发展方向
5．8 SAS的数据开采的方法论——SEMMA
5．8．1 数据开采提供决策支持
5．8．2 数据开采的方法论——SEMMA
5．9 数据开采的应用领域
5．9．1 数据开采在市场营销和金融投资中的应用
5．9．2 数据开采系统在风险评估中的应用
5．9．3 DM系统在通信网络中的应用
5．9．4 在DNA分析中的应用
5．9．5 天文数据分析中的DM系统
第6章 数据仓库技术
6．1 数据仓库概述
6．1．1 数据仓库的定义
6．1．2 数据仓库查询系统的特点
6．1．3 OLTP与OLAP的特点
6．1．4 详细数据与小结数据
6．1．5 数据仓库与数据集市
6．1．6 数据仓库引擎的选择
6．2 数据仓库的结构框架
6．2．1 框架的概念和重要性
6．2．2 通用框架结构
6．2．3 数据源块
6．2．4 数据仓库结构块
6．2．5 数据站场结构块
6．2．6 数据仓库的存取和使用模块
6．2．7 数据管理层模块
6．2．8 传输层模块
6．2．9 基础结构层模块
6．3 数据仓库系统及其开发过程
6．3．1 数据仓库系统
6．3．2 数据仓库的开发过程
6．4 数据仓库管理系统中的关键技术
6．4．1 引言
6．4．2 系统结构
6．4．3 系统主要模块及关键技术
6．5 可视数据仓库
6．5．1 引言
6．5．2 可视数据仓库的功能
6．5．3 数据仓库规模化的体系结构
6．5．4 可视数据仓库的管理
6．5．5 IBM可视数据仓库解决方案
6．6 SAS数据仓库的结构与功能
6．6．1 SAS数据仓库的体系结构
6．6．2 SAS数据仓库的功能
6．6．3 SAS数据仓库有助于数据开采
第7章 数据仓库的数据建模和元数据
7．1 数据仓库的数据概念模型
7．2 数据仓库的数据组织
7．2．1 数据仓库的数据组织方式
7．2．2 多维数据库的组织方式
7．2．3 OLAP的数据组织
7．3 数据源建模
7．4 数据仓库建模
7．4．1 星型模型
7．4．2 雪花模型
7．4．3 混合模型
7．5 元数据的概念
7．6 元数据在数据仓库中的重要性
7．6．1 元数据在数据仓库开发期间的重要性
7．6．2 数据源抽取
7．6．3 数据求精与重构工程
7．6．4 访问与使用
7．7 元数据的管理功能
7．7．1 数据仓库内容的描述
7．7．2 定义数据抽取和转换
7．7．3 基于商业事件的抽取调度
7．7．4 描述数据同步需求
7．7．5 衡量数据质量指标
7．7．6 数据仓库信息的目录
7．7．7 信息目录的现状
7．7．8 元数据的数据字典和纲目库
7．8 元数据的标准化和商品化
7．8．1 元数据的标准化
7．8．2 元数据的商品化
第8章 模型库及其管理系统
8．1 模型与模型库的基本概念
8．1．1 模型概念
8．1．2 模型特点
8．1．3 模型群和模型体系
8．1．4 模型库
8．2 模型生成技术
8．2．1 传统建模方法及其缺陷
8．2．2 模型生成技术
8．2．3 模型生成的一般步骤
8．2．4 模型的动态生成
8．3 模型管理技术
8．3．1 模型管理系统
8．3．2 模型管理技术的发展过程
8．3．3 模型管理系统的主要研究内容
8．4 DSS中模型管理的人工智能方法
8．4．1 用一阶谓词逻辑表示模型的一种方法
8．4．2 知识库支持模型的一个实例
8．5 模型管理和数据管理的结合
8．5．1 引言
8．5．2 模型管理和数据管理的结合
8．5．3 第四代模型管理系统的结构
8．6 基于人工神经网络的非线性预测模型
8．6．1 人工神经网络模型基本概念
8．6．2 基于神经网络的非线性预测方法
8．6．3 逆传播神经网络模型的改进
8．6．4 权重贡献率和关键神经结点
8．6．5 模型变量的选择
8．6．6 观测样本的采集和使用
第9章 知识发现方法
9．1 数据开采和知识发现的区别与联系
9．2 知识发现概念
9．2．1 知识发现定义
9．2．2 KDD的特点
9．2．3 知识发现的一般过程
9．2．4 知识发现的研究方向
9．3 知识发现方法
9．3．1 知识发现方法和算法
9．3．2 实用的知识发现工具和应用系统
9．4 基于数据库中的知识发现
9．4．1 引言
9．4．2 KDD处理过程
9．4．3 数据开采的目标及方法
9．4．4 数据库中的知识发现
9．4．5 KDD系统简介及其WWW地址
9．5 基于数据库中的自动发现广义序贯模式
9．5．1 引言
9．5．2 广义序贯模式的有关概念
9．5．3 广义序贯模式的发现算法
第10章 知识库系统
10．1 基本概念
10．1．1 数据
10．1．2 信息
10．1．3 知识
10．1．4 知识的分类
10．1．5 知识的属性
10．1．6 推理方法
10．1．7 知识库
10．2 知识表示方法
10．2．1 一阶谓词逻辑
10．2．2 语义网络表示
10．2．3 产生式规则
10．2．4 框架理论
10．3 知识库的建立
10．3．1 DSS知识库的特点
10．3．2 设计知识库系统的原则
10．3．3 知识库的开发步骤
10．4 问题处理系统
10．4．1 PPS在DSS中的地位
10．4．2 问题处理系统的分类
10．4．3 PPS的工作过程
10．4．4 问题处理系统的功能
10．5 问题求解系统
10．5．1 问题分析的基本方法
10．5．2 求解途径
10．6 推理机
10．6．1 基本概念
10．6．2 自动机
10．6．3 形式语言
第11章 信用担保决策支持系统
11．1 信用担保管理业务体系
11．1．1 信用担保管理制度框架和运作的比较
11．1．2 中小企业信用担保制度营运效果的比较分析及对我国的启示
11．1．3 资信评估与决策分析
11．2 信用担保业务流程分析与设计
11．2．1 信用担保业务流程概述
11．2．2 信用担保业务流程图
11．2．3 信用担保业务自动化与决策支持需求分析
11．3 信用担保业务自动化与决策支持系统设计
11．3．1 系统概述
11．3．2 系统性能综合要求
11．3．3 系统逻辑结构
11．3．4 基本设计概念和计算机处理流程
11．3．5 数据库设计
11．3．6 系统功能结构设计
11．3．7 补救措施与系统维护设计
11．3．8 系统的数据安全性
第12章 证券行业数据仓库系统
12．1 证券市场管理信息系统的现状及存在的问题
12．2 数据挖掘技术使证券行业数据仓库系统的开发成为可能
12．3 证券行业数据仓库系统的功能设计
12．3．1 系统目标
12．3．2 需求分析
12．3．3 系统结构和模型设计
12．3．4 系统装载、数据挖掘和界面设计
第13章 数据挖掘应用案例
13．1 数据挖掘在大型超市中的应用
13．1．1 数据挖掘前的准备
13．1．2 数据挖掘算法的选择
13．1．3 结果输出
13．2 数据挖掘在证券行业中的应用
13．2．1 数据挖掘在证券行业中的应用
13．2．2 数量关联规则在证券行业中的应用
13．2．3 单维布尔关联规则在证券行业中的应用
第14章 PLATINUM technology数据仓库
14．1 PLATINUM数据仓库解决方案
14．1．1 PLATINUM数据仓库设计原则
14．1．2 PLATINUM数据仓库结构
14．1．3 建立数据仓库的过程
14．1．4 PLATINUM数据仓库解决方案主要工具
14．2 PLATINUM系统管理解决方案
14．2．1 安全性管理解决方案——AutoSecureACX和AutoSecureSSO
14．2．2 网络存储管理解决方案
14．2．3 企业作业管理解决方案
14．2．4 软件分发管理解决方案
14．3 PLATINUM应用开发生命周期解决方案
14．3．1 大型应用开发的基本流程
14．3．2 PLATINUM应用开发解决方案
14．3．3 分析设计工具
14．3．4 数据库服务器编程工具集
14．3．5 针对复杂业务的开发工具
14．3．6 应用系统测试工具集
14．3．7 应用开发管理工具
14．4 PLATINUM technology ProVision集成化系统及数据库管理
14．4．1 ProVision产品特色
14．4．2 ProVision产品结构
14．4．3 ProVision产品优势
第15章 Business Objects决策支持系统工具
15．1 Business Objects概述
15．2 Business Objects的特点和应用对象
15．3 Business Objects的主要功能
15．4 Business Objects的优点
15．5 Business Objects能帮助企业实现科学决策
15．6 Business Objects在银行系统的应用
15．7 Business Objects 4．0——数据库前端决策支持工具
参考文献