决策支持系统（DSS） 理论与方法 第4版PDF电子书下载

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 IIIDSS 17

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DSS 29

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