决策支持系统 DSS 理论·方法·案例PDF|Epub|txt|kindle电子书版本网盘下载

决策支持系统 DSS 理论·方法·案例PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

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(Information Economics)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(MS)、运筹学(OR)的关系10

1.3.3 DSS 与 MIS 的关系11

1.3.4 DSS 与专家系统(ES)的关系12

1.4 新一代 DSS 的发展13

1.4.1 群决策支持系统(GDSS)13

1.4.2 分布式决策支持系统(DDSS)14

1.4.3 智能决策支持系统(IDSS)15

1.4.4 决策支持中心16

1.4.5 战略决策支持系统17

1.4.6 I3DSS18

1.5 数据仓库与决策支持系统19

1.5.1 新型的决策支持技术——数据仓库和联机分析处理(OLAP)19

1.5.2 综合决策支持系统19

1.5.3 基于数据仓库的决策支持系统21

2.1 结构化、半结构化和非结构化问题22

2.1.1 概述22

2.1.2 决策问题的性质和层次23

2.2.1 决策支持25

2.2.2 决策支持分类25

2.2 决策支持与 DSS 的定义25

2.2.3 决策风格27

2.2.4 DSS 的定义28

2.3 DSS 的概念模式29

2.3.1 系统分析29

2.3.2 专用 DSS30

2.3.3 DSS 工具30

2.3.4 DSS 生成器31

2.3.5 累接设计32

2.3.6 ROMC 分析方法33

2.3.7 系统的柔性35

2.3.8 系统的集成化36

3.1 引言38

3.1.1 DSS 的基本部件38

第3章 DSS 的构造与系统结构38

3.1.2 目标39

3.2 DSS 的人机界面和问题处理系统40

3.2.1 人机界面40

3.1.3 功能40

3.2.2 问题处理系统42

3.2.3 自然语言理解43

3.3 四库系统45

3.3.1 数据库系统45

3.3.2 模型库系统46

3.3.3 知识库系统47

3.3.4 方法库系统48

3.4.2 串联结构50

3.4.1 三角式结构50

3.4.3 熔合式结构50

3.4 DSS 的系统结构50

3.4.4 以数据库为中心的结构51

3.4.5 四库三功能的系统结构51

3.4.6 智能 DSS 的结构52

3.5 DSS 的体系结构与分析54

3.5.1 DSS 体系的分析54

3.5.2 环境特征55

3.5.3 系统的部件55

3.5.4 资源56

3.5.5 环境和资源的关系57

4.1 基本概念59

4.1.1 数据库系统的定义及其特点59

第4章 数据库及其管理系统59

4.1.2 DSS 数据库系统的设计特点60

4.2 数据的组织与描述61

4.2.1 实体模型61

4.2.2 数据模型62

4.2.3 数据模型的设计63

4.3 DSS 的数据库设计65

4.3.1 数据库的概念设计66

4.3.2 数据库的逻辑设计68

4.3.3 数据库的物理设计70

4.3.4 数据库系统语言71

4.4 DSS 数据库系统的一个实例73

4.4.1 某炼厂生产经营决策支持系统(IPDSS)的数据库73

4.4.2 IPDSS 中的数据库管理系统74

4.5 DSS 数据库技术的发展75

4.5.1 数据库与知识库的结合方式75

4.5.2 数据库技术支持模型库76

4.5.3 DSS 中数据库单元设计77

4.5.4 DSS 数据库技术的发展分析78

4.6 多媒体数据库78

4.6.1 多媒体数据库的特点与功能79

4.6.2 多媒体数据库及其管理系统的关键技术79

4.6.3 数据模型技术80

第5章 数据开采技术83

5.1 数据开采技术基本概念83

5.1.1 数据开采的定义83

5.1.2 数据开采的过程及分类84

5.1.3 数据开采的内容和本质86

5.1.4 基于数据仓库的数据开采技术88

5.2 数据开采的一般方法89

5.2.1 关联规则开采方法89

5.2.2 多层次数据汇总归纳91

5.2.3 空间数据库的数据开采92

5.2.4 数据开采的其他方法93

5.3 数据开采——云模型方法94

5.3.1 定性和定量互换模型——云模型94

5.3.2 发现状态空间理论95

5.3.3 用云模型从空间数据库中发掘关联规则97

5.4.1 数据仓库的引入99

第2章 决策支持系统的基本概念99

5.4 模糊数据开采(FDM)方法99

5.4.2 模糊数据开采方法(FDM)100

5.4.3 FDM 应用范例102

5.5 数据开采的智能方法104

5.5.1 从数据库发现知识104

5.5.2 数据开采与 DBMS 和联机分析处理的区别与联系104

5.5.3 数据开采的方法和实施过程105

5.5.4 智能算法106

5.6.1 数据开采的工具108

5.6 数据开采工具及发展方向108

5.6.2 数据开采的发展方向109

5.7 SAS 的数据开采的方法论——SEMMA110

5.7.1 数据开采提供决策支持110

5.7.2 数据开采的方法论——SEMMA112

5.8 数据开采(data mining)的应用领域116

5.8.1 数据开采在市场营销和金融投资中的应用116

5.8.2 数据开采系统在风险评估中的应用116

5.8.3 DM 系统在通信网络中的应用118

5.8.4 在 DNA 分析中的应用120

5.8.5 天文数据分析中的 DM 系统121

第6章 数据仓库技术124

6.1 数据仓库概述124

6.1.1 数据仓库的定义124

6.1.2 数据仓库查询系统的特点124

6.1.3 OLTP 与 OLAP 的特点125

6.1.4 详细数据与小结数据125

6.1.5 数据仓库与数据集市127

6.2.1 框架的概念和重要性129

6.2 数据仓库的结构框架129

6.1.6 数据仓库引擎的选择129

6.2.2 通用框架结构132

6.2.3 数据源块133

6.2.4 数据仓库结构块134

6.2.5 数据站场结构块135

6.2.6 数据仓库的存取和使用模块136

6.2.7 数据管理层模块137

6.2.8 传输层模块137

6.2.9 基础结构层模块138

6.3 数据仓库系统及其开发过程138

6.3.2 数据仓库的开发过程139

6.3.1 数据仓库系统139

6.4 数据仓库管理系统中的关键技术140

6.4.1 引言140

6.4.2 系统结构142

6.4.3 系统主要模块及关键技术143

6.5 可视数据仓库146

6.5.1 引言146

6.5.2 可视数据仓库的功能146

6.5.3 数据仓库规模化的体系结构147

6.5.4 可视数据仓库的管理147

6.5.5 IBM 可视数据仓库解决方案148

6.6.1 SAS 数据仓库的体系结构149

6.6 SAS 数据仓库的结构与功能149

6.6.2 SAS 数据仓库的功能152

6.6.3 SAS 数据仓库有助于数据开采154

第7章 数据仓库的数据建模和元数据155

7.1 数据仓库的数据概念模型155

7.2 数据仓库的数据组织156

7.2.1 数据仓库的数据组织方式156

7.2.2 多维数据库的组织方式156

7.2.3 OLAP 的数据组织158

7.3 数据源建模158

7.4.1 星型模型159

7.4 数据仓库建模159

7.4.2 雪花模型160

7.4.3 混合模型161

7.5 元数据的概念162

7.6 元数据在数据仓库中的重要性163

7.6.1 元数据在数据仓库开发期间的重要性165

7.6.2 数据源抽取165

7.6.3 数据求精与重构工程166

7.6.4 访问与使用167

7.7 元数据的管理功能168

7.7.1 数据仓库内容的描述168

7.7.2 定义数据抽取和转换169

7.7.3 基于商业事件的抽取调度170

7.7.4 描述数据同步需求171

7.7.5 衡量数据质量指标171

7.7.6 数据仓库信息的目录172

7.7.7 信息目录的现状174

7.7.8 元数据的数据字典和纲目库174

7.8 元数据的标准化和商品化175

7.8.1 元数据的标准化175

7.8.2 元数据的商品化176

8.1.2 模型特点177

8.1.1 模型概念177

8.1 模型与模型库的基本概念177

第8章 模型库及其管理系统177

8.1.3 模型群和模型体系178

8.1.4 模型库180

8.2 模型生成技术183

8.2.1 传统建模方法及其缺陷183

8.2.2 模型生成技术184

8.2.3 模型生成的一般步骤185

8.2.4 模型的动态生成187

8.3.1 模型管理系统(MMS)188

8.3 模型管理技术188

8.3.2 模型管理技术的发展过程189

8.3.3 模型管理系统(MMS)的主要研究内容189

8.4 DSS 中模型管理的人工智能方法191

8.4.1 用一阶谓词逻辑(FOL)表示模型的一种方法191

8.4.2 知识库支持模型的一个实例195

8.5 模型管理和数据管理的结合197

8.5.1 引言197

8.5.2 模型管理和数据管理的结合198

8.5.3 第四代模型管理系统的结构199

8.6.1 人工神经网络模型基本概念201

8.6 基于人工神经网络的非线性预测模型201

8.6.2 基于神经网络的非线性预测方法203

8.6.3 逆传播神经网络模型的改进207

8.6.4 权重贡献率和关键神经节点210

8.6.5 模型变量的选择211

8.6.6 观测样本的采集和使用212

第9章 知识发现(KDD)方法214

9.1 数据开采和知识发现的区别与联系214

9.2 知识发现概念215

9.2.1 知识发现(KDD)定义215

9.2.2 KDD 的特点216

9.2.3 知识发现的一般过程217

9.2.4 知识发现的研究方向217

9.3 知识发现方法218

9.3.1 知识发现方法和算法219

9.3.2 实用的知识发现工具和应用系统223

9.4 基于数据库中的知识发现(KDD)226

9.4.1 引言226

9.4.2 KDD 处理过程227

9.4.3 数据开采的目标及方法228

9.4.4 数据库中的知识发现229

9.4.5 KDD 系统简介及其 WWW 地址230

9.5.1 引言231

9.5 基于数据库中的自动发现广义序贯模式231

9.5.2 广义序贯模式的有关概念233

9.5.3 广义序贯模式的发现算法234

第10章 知识库系统238

10.1 基本概念238

10.1.1 数据238

10.1.2 信息238

10.1.3 知识238

10.1.4 知识的分类239

10.1.6 推理方法240

10.1.5 知识的属性240

10.1.7 知识库241

10.2 知识表示方法241

10.2.1 一阶谓词逻辑241

10.2.2 语义网络表示248

10.2.3 产生式规则251

10.2.4 框架理论253

10.3 知识库的建立256

10.3.1 DSS 知识库的特点256

10.3.2 设计知识库系统的原则257

10.3.3 知识库的开发步骤258

10.4 问题处理系统(PPS)259

10.4.1 PPS 在 DSS 中的地位259

10.4.2 问题处理系统的分类260

10.4.3 PPS 的工作过程262

10.4.4 问题处理系统的功能264

10.5 问题求解系统270

10.5.1 问题分析的基本方法270

10.5.2 求解途径273

10.6.1 基本概念277

10.6 推理机277

10.6.2 自动机278

10.6.3 形式语言279

第11章 某石油炼厂生产经营决策支持系统283

11.1 石油炼厂概况283

11.1.1 炼厂生产工艺过程283

11.1.2 炼厂生产的基本特点284

11.1.3 炼厂中的生产经营决策284

11.2 问题的提出285

11.3 集成化炼厂生产经营决策支持系统288

11.3.1 炼厂生产经营决策活动对 DSS 的要求288

11.3.2 炼厂生产经营决策中的 DSS 现状289

11.3.3 IPDSS 概述290

11.4 问题生成系统292

11.4.1 概述292

11.4.2 问题生成过程与问题生成系统293

11.4.3 IPDSS 中的问题生成系统297

11.5 问题求解系统302

11.5.1 系统集成问题302

11.5.2 问题求解与系统集成303

11.5.3 IPDSS 中的问题求解系统304

11.6 混合式炼厂生产调度专家系统309

11.6.1 炼厂生产作业计划310

11.6.2 过程系统运行优化方法综述312

11.6.3 混合式炼厂生产调度专家系统313

第12章 企业管理决策支持系统(EMDSS)319

12.1 工业企业管理的决策问题319

12.1.1 工业企业概述319

12.1.2 工业企业的生产经营决策319

12.1.3 计算机在工业企业管理中的应用320

12.2 企业管理决策支持系统320

12.2.1 企业管理决策支持系统(EMDSS)的结构321

12.2.2 EMDSS 的软件开发过程321

12.3.1 界面的汉化328

12.3 EMDSS 人机界面的开发328

12.3.2 窗口和下拉菜单330

12.3.3 指定位置西文信息输入显示331

12.3.4 EMDSS 中的图形及输出332

12.4 EMDSS 数据库及其管理系统的开发334

12.4.1 EMDSS 数据库概述334

12.4.2 EMDSS 数据库系统335

12.5 模型库的推理过程及实现337

12.5.1 投入产出模型337

12.4.3 EMDSS 的数据库管理系统337

12.5.2 投入产出表格式的数据库类型转换340

12.5.3 盈亏平衡模型及盈亏平衡图340

第13章 PLATINUM technology 数据仓库342

13.1 PLATINUM 数据仓库解决方案342

13.1.1 PLATINUM 数据仓库设计原则342

13.1.2 PLATINUM 数据仓库结构342

13.1.3 建立数据仓库的过程343

13.1.4 PLATINUM 数据仓库解决方案主要工具347

13.2 PLATINUM 系统管理解决方案350

13.2.1 安全性管理解决方案——AutoSecureACX 和 AutoSecureSSO350

13.2.3 企业作业管理解决方案351

13.2.2 网络存储管理解决方案351

13.2.4 软件分发管理解决方案352

13.3 PLATINUM 应用开发生命周期解决方案354

13.3.1 大型应用开发的基本流程354

13.3.2 PLATINUM 应用开发解决方案355

13.3.3 分析设计工具(paradigm plus)356

13.3.4 数据库服务器编程工具集(SQL-Station)357

13.3.5 针对复杂业务的开发工具(AionDS)358

13.3.6 应用系统测试工具集(Final Exam)359

13.3.7 应用开发管理工具(ccc/Harvest)360

13.4 PLATINUM technology ProVision 集成化系统及数据库管理361

13.4.2 ProVision 产品结构362

13.4.1 ProVision 产品特色362

13.4.3 ProVision 产品优势363

第14章 Business Objects 决策支持系统工具364

14.1 Business Objects 概述365

14.2 Business Objects 的特点和应用对象365

14.3 Business Objects 的主要功能366

14.4 Business Objects 的优点367

14.5 Business Objects 能帮助企业实现科学决策368

14.6 Business Objects 在银行系统的应用371

14.7 Business Objects 4.0——数据库前端决策支持工具372

参考文献376