智能决策分析与支持PDF电子书下载

第1章 决策分析与决策支持系统概论 1

1.1 决策和决策分析的基本概念 1

1.1.1 决策的概念和分类 1

1.1.2 决策分析 3

1.2 决策支持系统简介 5

1.2.1 决策支持系统的概念和意义 5

1.2.2 决策支持系统的关键特征和功能 5

1.2.3 决策支持系统的结构 6

1.2.4 决策支持系统的研制 7

1.3 决策分析与决策支持系统的发展历史 8

1.3.1 决策分析的发展历史 8

1.3.2 决策支持系统的发展历史 9

1.4 决策分析与支持和其他学科的关系 10

1.4.1 运筹学 10

1.4.2 管理学科 11

1.4.3 系统工程 11

1.4.4 控制学科 11

1.4.5 信息技术 12

1.5 本章小结 14

参考文献 14

第2章 相关概念和理论 15

2.1 主观概率 15

2.1.1 概率的基本概念 15

2.1.2 主观概率的定义 16

2.1.3 主观概率和客观概率的比较 18

2.1.4 主观概率的偏差 18

2.1.5 主观概率法的预测步骤 19

2.2 效用理论 22

2.2.1 概述 22

2.2.2 效用和效用函数 22

2.2.3 边际效用 27

2.3 一阶谓词逻辑表示法 31

2.4 搜索技术 32

2.4.1 问题描述的基本方法 32

2.4.2 盲目搜索 34

2.4.3 启发式搜索 35

2.5 推理技术 36

2.5.1 正向推理 36

2.5.2 反向推理 37

2.6 本章小结 37

参考文献 38

第3章 基于Excel的决策分析技术 39

3.1 概述 39

3.2 基于期望货币价值和决策树的销售决策制定 39

3.2.1 期望货币价值和决策树分析法原理 40

3.2.2 应用Excel制定基于决策树分析法的销售决策 41

3.3 基于数据包络分析的高校重点实验室绩效评价 43

3.3.1 数据包络分析基本原理与模型 43

3.3.2 DEA方法的Excel实现 44

3.3.3 结果分析 49

3.4 本章小结 49

参考文献 49

第4章 线性规划决策法 50

4.1 概述 50

4.2 线性规划的数学模型 50

4.3 线性规划问题的求解 52

4.4 线性规划的应用 53

4.5 单纯形法的进一步讨论 58

4.6 本章小结 64

参考文献 64

第5章 动态规划决策法 66

5.1 概述 66

5.2 动态规划的原理 67

5.2.1 多阶段决策过程的数学描述 67

5.2.2 动态规划的基本概念 68

5.2.3 动态规划的数学模型 70

5.3 动态规划的应用 71

5.3.1 确定性动态规划问题 71

5.3.2 用动态规划求解非线性规划问题 83

5.4 本章小结 84

参考文献 84

第6章 基于PCA的决策方法 85

6.1 概述 85

6.1.1 主成分分析的基本概念 85

6.1.2 主成分分析的原理 86

6.2 主成分分析数学模型 86

6.3 PCA求解的一般步骤 88

6.4 主成分选取 89

6.5 应用实例分析 90

6.5.1 背景描述 91

6.5.2 目标和思路 91

6.5.3 实现过程与方法 92

6.6 本章小结 94

参考文献 94

第7章 基于粗糙集的决策方法 95

7.1 概述 95

7.2 粗糙集理论方法 96

7.2.1 粗糙集方法的原理 96

7.2.2 粗糙集方法的特点 97

7.2.3 粗糙集方法的知识表达 98

7.2.4 粗糙集方法的发现流程 98

7.3 粗糙集方法在文本分类特征选择中的应用 100

7.3.1 文本分类特征选择方法 100

7.3.2 基于粗糙集的文本特征选择 100

7.3.3 属性约简实验过程 102

7.4 本章小结 104

参考文献 105

第8章 基于贝叶斯的决策方法 106

8.1 贝叶斯理论概述 106

8.1.1 贝叶斯理论基本观点 106

8.1.2 贝叶斯理论原理 106

8.2 贝叶斯模型及推理 107

8.2.1 常用贝叶斯模型介绍 108

8.2.2 贝叶斯推理 111

8.3 朴素贝叶斯模型在词义消歧中的应用 114

8.3.1 词义消歧概述 114

8.3.2 朴素贝叶斯词义消歧模型构建 114

8.3.3 实验结果及分析 116

8.4 本章小结 117

参考文献 118

第9章 灰色关联决策模型 119

9.1 灰色预测概述 119

9.2 灰色预测原理 119

9.2.1 GM（1.1）预测模型 120

9.2.2 灰色关联分析 123

9.3 应用实例分析 125

9.4 本章小结 127

参考文献 127

第10章 基于知识的智能问答系统 128

10.1 概述 128

10.2 知识提取 129

10.2.1 浅层知识和深层知识 129

10.2.2 知识提取 130

10.3 基于知识的智能问答系统 131

10.3.1 自动问答系统 131

10.3.2 问答系统发展历史 132

10.3.3 问答系统的分类 134

10.3.4 中文问答系统研究的难点 135

10.3.5 基于知识的智能问答的研究重点 135

10.3.6 小结 137

参考文献 137

第11章 智能推荐系统 140

11.1 概述 140

11.2 推荐搜索引擎 141

11.3 推荐的主要方法 142

11.3.1 基于内容的推荐算法 142

11.3.2 协同过滤推荐算法 143

11.3.3 基于关联规则的推荐算法 146

11.3.4 基于效用推荐算法 146

11.3.5 基于知识的推荐算法 146

11.3.6 组合推荐算法 147

11.4 应用实例分析 147

11.5 本章小结 148

参考文献 148

第12章 群智能算法 150

12.1 概述 150

12.2 蚁群算法 151

12.2.1 蚁群算法及其发展 151

12.2.2 蚁群算法的特点 151

12.2.3 蚁群算法的原理 151

12.2.4 文本聚类应用举例 153

12.2.5 小结 155

12.3 基于粒子群算法的优化决策 155

12.3.1 概述 155

12.3.2 原理 156

12.3.3 文本分类应用举例 157

12.3.4 小结 160

12.4 基于社会媒体的群体智慧 160

12.4.1 社会媒体 161

12.4.2 基于社会媒体的群体智慧 161

12.4.3 社会媒体研究内容 163

12.4.4 小结 163

参考文献 164