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

目录1

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

1.2.4　信息经济学5

1.2.3　管理科学和运筹学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

1.3.4 DSS与专家系统的关系12

1.4　新一代DSS的发展13

1.4.1　群决策支持系统13

1.4.2　分布式决策支持系统14

1.4.3　智能决策支持系统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

第2章　决策支持系统的基本概念22

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　决策支持与DSS的定义25

2.2.1　决策支持25

2.2.2　决策支持分类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

第3章　DSS的构造与系统结构38

3.1 引言38

3.1.1　DSS的基本部件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46

3.3.1　数据库系统46

3.3.2　模型库系统47

3.3.3　知识库系统47

3.3.4　方法库系统48

3.4　DSS的系统结构50

3.4.1　三角式结构50

3.4.2 串联结构50

3.4.4 以数据库为中心的结构51

3.4.3　熔合式结构51

3.4.5 四库三功能的系统结构52

3.4.6　智能DSS的结构53

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56

3.5.4　资源57

3.5.5　环境和资源的关系58

4.1.1　数据库系统的定义及其特点60

4.1　基本概念60

第4章　数据库及其管理系统60

4.1.2　DSS数据库系统的设计特点61

4.2　数据的组织与描述62

4.2.1　实体模型62

4.2.2　数据模型63

4.2.3　数据模型的设计64

4.3 DSS的数据库设计66

4.3.1　数据库的概念设计67

4.3.2　数据库的逻辑设计70

4.3.3　数据库的物理设计72

4.3.4　数据库系统语言72

4.4.1　数据库与知识库的结合方式74

4.4　DSS数据库技术的发展74

4.4.2　数据库技术支持模型库75

4.4.3 DSS中数据库单元设计76

4.4.4　DSS数据库技术的发展分析76

4.5　多媒体数据库77

4.5.1　多媒体数据库的特点与功能77

4.5.2　多媒体数据库及其管理系统的关键技术78

4.5.3　数据模型技术79

5.1.1 引言82

5.1.2　研究背景及意义82

5.1　数据开采技术研究背景及现状82

第5章　数据开采技术82

5.1.3　国内外研究现状83

5.2　数据开采技术基本概念85

5.2.1　数据开采的定义85

5.2.2　数据开采的过程及分类86

5.2.3　数据开采的内容和本质88

5.2.4　基于数据仓库的数据开采技术89

5.3　数据开采方法91

5.3.1　分类91

5.3.3　神经网络92

5.3.2 聚类92

5.3.4　关联规则开采方法94

5.3.5　决策树95

5.3.6　多层次数据汇总归纳96

5.3.7　空间数据库的数据开采97

5.3.8　数据开采的其他方法97

5.4　数据开采——云模型方法98

5.4.1　定性和定量互换模型——云模型98

5.4.2　发现状态空间理论99

5.4.3　用云模型从空间数据库中发掘关联规则102

5.5.2　模糊数据开采方法104

5.5.1　数据仓库的引入104

5.5　模糊数据开采方法104

5.5.3 FDM应用范例106

5.6　数据开采的智能方法108

5.6.1　从数据库发现知识108

5.6.2　数据开采与DBMS和联机分析处理的区别与联系109

5.6.3　数据开采的方法和实施过程109

5.6.4　智能算法110

5.7　数据开采工具及发展方向113

5.7.1　数据开采的工具113

5.7.2　数据开采的发展方向113

5.8.1　数据开采提供决策支持115

5.8 SAS的数据开采的方法论——SEMMA115

5.8.2　数据开采的方法论——SEMMA116

5.9　数据开采的应用领域120

5.9.1　数据开采在市场营销和金融投资中的应用120

5.9.2　数据开采系统在风险评估中的应用121

5.9.3 DM系统在通信网络中的应用123

5.9.4　在DNA分析中的应用125

5.9.5　天文数据分析中的DM系统126

6.1.1 数据仓库的定义128

6.1.2 数据仓库查询系统的特点128

6.1　数据仓库概述128

第6章　数据仓库技术128

6.1.3 OLTP与OLAP的特点129

6.1.4 详细数据与小结数据129

6.1.5 数据仓库与数据集市131

6.1.6　数据仓库引擎的选择133

6.2　数据仓库的结构框架133

6.2.1　框架的概念和重要性133

6.2.2　通用框架结构136

6.2.3　数据源块137

6.2.4　数据仓库结构块138

6.2.5　数据站场结构块139

6.2.6　数据仓库的存取和使用模块140

6.2.8　传输层模块141

6.2.7　数据管理层模块141

6.2.9　基础结构层模块142

6.3　数据仓库系统及其开发过程143

6.3.1　数据仓库系统143

6.3.2　数据仓库的开发过程144

6.4　数据仓库管理系统中的关键技术145

6.4.1 引言145

6.4.2　系统结构146

6.4.3　系统主要模块及关键技术147

6.5.1 引言150

6.5　可视数据仓库150

6.5.2　可视数据仓库的功能151

6.5.3　数据仓库规模化的体系结构151

6.5.4　可视数据仓库的管理152

6.5.5 IBM可视数据仓库解决方案153

6.6 SAS数据仓库的结构与功能154

6.6.1 SAS数据仓库的体系结构154

6.6.2 SAS数据仓库的功能156

6.6.3 SAS数据仓库有助于数据开采158

7.1　数据仓库的数据概念模型160

第7章　数据仓库的数据建模和元数据160

7.2　数据仓库的数据组织161

7.2.1　数据仓库的数据组织方式161

7.2.2　多维数据库的组织方式161

7.2.3 OLAP的数据组织163

7.3　数据源建模163

7.4　数据仓库建模164

7.4.1 星型模型164

7.4.2　雪花模型165

7.4.3　混合模型166

7.5　元数据的概念167

7.6　元数据在数据仓库中的重要性168

7.6.1　元数据在数据仓库开发期间的重要性170

7.6.2　数据源抽取170

7.6.3　数据求精与重构工程171

7.6.4　访问与使用173

7.7　元数据的管理功能173

7.7.1　数据仓库内容的描述173

7.7.2　定义数据抽取和转换174

7.7.3　基于商业事件的抽取调度175

7.7.4　描述数据同步需求176

7.7.5　衡量数据质量指标176

7.7.6　数据仓库信息的目录177

7.7.7　信息目录的现状179

7.7.8　元数据的数据字典和纲目库180

7.8　元数据的标准化和商品化180

7.8.1　元数据的标准化180

7.8.2　元数据的商品化181

第8章　模型库及其管理系统182

8.1　模型与模型库的基本概念182

8.1.1　模型概念182

8.1.2　模型特点182

8.1.3　模型群和模型体系183

8.1.4　模型库185

8.2　模型生成技术188

8.2.1　传统建模方法及其缺陷188

8.2.2　模型生成技术189

8.2.3　模型生成的一般步骤190

8.2.4　模型的动态生成192

8.3　模型管理技术193

8.3.1　模型管理系统193

8.3.2　模型管理技术的发展过程194

8.3.3　模型管理系统的主要研究内容195

8.4.1　用一阶谓词逻辑表示模型的一种方法196

8.4　DSS中模型管理的人工智能方法196

8.4.2　知识库支持模型的一个实例201

8.5　模型管理和数据管理的结合202

8.5.1 引言202

8.5.2　模型管理和数据管理的结合203

8.5.3　第四代模型管理系统的结构204

8.6　基于人工神经网络的非线性预测模型206

8.6.1　人工神经网络模型基本概念206

8.6.2　基于神经网络的非线性预测方法208

8.6.3　逆传播神经网络模型的改进212

8.6.4　权重贡献率和关键神经结点215

8.6.5　模型变量的选择216

8.6.6　观测样本的采集和使用217

第9章　知识发现方法219

9.1　数据开采和知识发现的区别与联系219

9.2　知识发现概念220

9.2.1　知识发现定义220

9.2.2 KDD的特点221

9.2.3　知识发现的一般过程222

9.2.4　知识发现的研究方向222

9.3　知识发现方法223

9.3.1　知识发现方法和算法224

9.3.2　实用的知识发现工具和应用系统228

9.4　基于数据库中的知识发现231

9.4.1 引言231

9.4.2 KDD处理过程232

9.4.3　数据开采的目标及方法233

9.4.4　数据库中的知识发现234

9.4.5 KDD系统简介及其WWW地址235

9.5　基于数据库中的自动发现广义序贯模式236

9.5.1　引言236

9.5.2　广义序贯模式的有关概念238

9.5.3　广义序贯模式的发现算法239

第10章　知识库系统243

10.1　基本概念243

10.1.1　数据243

10.1.2　信息243

10.1.3　知识243

10.1.4　知识的分类244

10.1.5　知识的属性245

10.1.6　推理方法245

10.2　知识表示方法246

10.2.1　一阶谓词逻辑246

10.1.7　知识库246

10.2.2　语义网络表示252

10.2.3　产生式规则256

10.2.4　框架理论258

10.3　知识库的建立261

10.3.1　DSS知识库的特点261

10.3.2　设计知识库系统的原则262

10.3.3　知识库的开发步骤262

10.4　问题处理系统264

10.4.1 PPS在DSS中的地位264

10.4.2　问题处理系统的分类265

10.4.3 PPS的工作过程266

10.4.4　问题处理系统的功能269

10.5　问题求解系统274

10.5.1　问题分析的基本方法274

10.5.2　求解途径278

10.6　推理机281

10.6.1　基本概念282

10.6.2 自动机283

10.6.3　形式语言284

11.1.1　信用担保管理制度框架和运作的比较287

11.1　信用担保管理业务体系287

第11章　信用担保决策支持系统287

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290

11.1.3　资信评估与决策分析294

11.2　信用担保业务流程分析与设计297

11.2.1　信用担保业务流程概述297

11.2.2　信用担保业务流程图299

11.2.3　信用担保业务自动化与决策支持需求分析303

11.3　信用担保业务自动化与决策支持系统设计306

11.3.1　系统概述306

11.3.2　系统性能综合要求309

11.3.3　系统逻辑结构311

11.3.4　基本设计概念和计算机处理流程312

11.3.5　数据库设计315

11.3.6　系统功能结构设计319

11.3.7　补救措施与系统维护设计320

11.3.8　系统的数据安全性320

第12章　证券行业数据仓库系统321

12.1　证券市场管理信息系统的现状及存在的问题321

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321

12.3　证券行业数据仓库系统的功能设计323

12.3.1 系统目标323

12.3.2　需求分析324

12.3.3　系统结构和模型设计326

12.3.4　系统装载、数据挖掘和界面设计330

第13章　数据挖掘应用案例336

13.1　数据挖掘在大型超市中的应用336

13.1.1　数据挖掘前的准备336

13.1.2　数据挖掘算法的选择337

13.1.3　结果输出339

13.2　数据挖掘在证券行业中的应用341

13.2.1　数据挖掘在证券行业中的应用341

13.2.2　数量关联规则在证券行业中的应用341

13.2.3　单维布尔关联规则在证券行业中的应用350

第14章　PLATINUM technology数据仓库360

14.1 PLATINUM数据仓库解决方案360

14.1.1 PLATINUM数据仓库设计原则360

14.1.2 PLATINUM数据仓库结构360

14.1.3　建立数据仓库的过程361

14.1.4 PLATINUM数据仓库解决方案主要工具365

14.2 PLATINUM系统管理解决方案368

14.2.1 安全性管理解决方案——AutoSecureACX和AutoSecureSSO368

14.2.2　网络存储管理解决方案369

14.2.3　企业作业管理解决方案369

14.2.4　软件分发管理解决方案370

14.3 PLATINUM应用开发生命周期解决方案372

14.3.1　大型应用开发的基本流程372

14.3.2 PLATINUM应用开发解决方案373

14.3.3　分析设计工具374

14.3.4　数据库服务器编程工具集375

14.3.5　针对复杂业务的开发工具376

14.3.6　应用系统测试工具集377

14.3.7　应用开发管理工具378

14.4 PLATINUM tcchnology ProVision集成化系统及数据库管理379

14.4.3 ProVision产品优势380

14.4.2 ProVision产品结构380

14.4.1 ProVision产品特色380

第15章　Business Objects决策支持系统工具382

15.1 Business Objects概述383

15.2 Business Objects的特点和应用对象383

15.3 Business Objects的主要功能384

15.4 Business Objects的优点385

15.5 Business Objects能帮助企业实现科学决策386

15.6 Business Objects在银行系统的应用389

15.7 Business Objects 4.0——数据库前端决策支持工具390

参考文献394