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 I3DSS 18
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 DSS 30
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——SEMMA 110
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——SEMMA 112
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 AutoSecureSSO 350
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