第1章 决策支持系统 1
1.1 决策支持系统的概念 1
1.2 决策支持系统的特点 3
1.3 决策支持系统的任务与功能 4
1.4 管理信息系统与决策支持系统的关系 5
1.5 决策支持系统的体系结构 7
1.6 DSS的开发方法 13
1.7 DSS开发工具 18
1.8 人-机接口 18
1.9 新一代的决策支持系统 21
第2章 DSS模型库系统 28
2.1 模型的基本概念 28
2.2 模型在决策分析中的作用 29
2.3 建模的基本原则 30
2.4 定量模型的建模过程和基本步骤 32
2.5 结构模型 34
2.6 建模方法 35
2.7 模型在计算机中存储与表示方法 37
2.8 模型库的功能 38
2.9 模型库的内容和分类 40
2.10 模型库系统的结构 42
2.11 模型库管理系统的结构和工作原理 46
2.12 模型库的设计 49
2.13 模型库的接口 53
2.14 模型库的实现技术 54
2.15 模型生成技术 54
2.16 模型的动态生成 58
第3章 DSS数据库系统 60
3.1 DSS数据库系统的组成 60
3.2 数据管理的基本方法 62
3.3 决策支持系统中的数据管理 69
3.4 DSS的数据库设计 76
3.5 演绎数据库 83
第4章 DSS知识库 85
4.1 人工智能研究的课题 86
4.2 知识的表示 90
4.3 一阶谓词逻辑表示法 94
4.4 产生式系统 102
4.5 语义网络 110
4.6 框架表示法 117
4.7 不确定性推理 129
4.8 专家系统 134
4.9 DSS知识库的建立 141
第5章 基于数据仓库的DSS 145
5.1 数据仓库的概念及特点 146
5.2 数据仓库组织结构 149
5.3 数据仓库存储的数据模型 155
5.4 元数据 158
5.5 联机分析 161
5.6 案例：＊＊＊市政府财政管理信息系统数据仓库分析与设计 165
第6章 数据挖掘及决策知识发现 192
6.1 概述 192
6.2 数据挖掘的过程 194
6.3 数据挖掘的研究内容及其方法 196
6.4 数据挖掘系统设计 201
6.5 应用数据挖掘技术应注意的问题 206
第7章 关联规则 207
7.1 关联规则挖掘的基本概念 207
7.2 关联规则挖掘的传统算法描述 210
7.3 由频繁项集产生关联规则 216
7.4 关联规则价值衡量的方法 217
7.5 关联规则挖掘发展趋势 218
7.6 关联数据挖掘实证 220
第8章 分类与聚类 224
8.1 分类与聚类概念 224
8.2 数据挖掘分类算法 225
8.3 决策树概述 228
8.4 几种决策树经典算法 233
8.5 ID3算法 235
8.6 SLIQ算法 240
8.7 基于SLIQ分类算法的电信客户分类 247
8.8 数据挖掘的聚类算法 252
8.9 模糊聚类分析 255
8.10 模糊均值（FCM）聚类算法 258
8.11 基于粗糙集的聚类 263
第9章 粗集 269
9.1 粗集的基本概念 269
9.2 基于粗集的知识简化和知识表达系统 273
9.3 基于粗集理论的数据挖掘模型 278
9.4 基于粗集的数据挖掘技术的不确定推理策略 294
9.5 粗集理论在供应链合作伙伴选择中的应用 298
第10章 人工神经网络 310
10.1 人工神经网络模型 310
10.2 规则推理和遗传神经网络结合的电厂事故自动诊断 317
10.3 产品创新力形成要素人工神经网络模型 325
第11章 遗传算法 338
11.1 遗传算法简介 338
11.2 遗传算法概要 339
11.3 遗传算法的基本操作 341
11.4 遗传算法的手工模拟计算示例 347
11.5 遗传算法的特点 349
11.6 遗传算法的应用 351
参考文献 354