1 导论 1
1.1 智能决策支持系统的历史 1
1.2 智能决策支持系统的概念 4
1.3 传统智能决策支持系统的结构 7
1.4 智能决策支持系统的柔性 9
1.5 智能决策支持系统开发环境 10
2 决策支持相关技术 13
2.1 数据库系统 13
2.2 IDSS模型技术 15
2.3 决策树 17
2.4 专家系统 22
2.5 人机交互技术 26
2.6 集成技术 29
2.7 其他相关技术 32
3 数据仓库 34
3.1 数据仓库 34
3.2 数据仓库的产品及应用 62
4 数据挖掘和决策支持 67
4.1 数据挖掘的一般技术 67
4.2 基于决策树技术的数据挖掘 85
4.3 发现关联规则的技术 93
4.4 KDD的应用问题 101
4.5 数据仓库与数据挖掘相结合的决策支持新技术 110
4.6 从数据挖掘到知识发现：当前的挑战和未来的方向 112
5 基于统一语言的IDSS开发环境Z系统 118
5.1 环境的基本设计 118
5.2 环境语言设计 120
5.3 基于Knonit的IDSS开发环境的组织结构 127
5.4 插接式集成编辑编译器 132
5.5 分布式对等服务网 141
5.6 分布式持久性虚拟空间 149
5.7 超媒体设计 156
6 Z系统中的知识库和模型库 171
6.1 决策中的知识处理和知识库 171
6.2 决策支持模型与模型库 181
6.3 智能化模型管理系统(IMBMS) 190
6.4 IDSS中的广义推理 208
7 Z系统中的面向对象数据库 213
7.1 引言 213
7.2 内部数据库 215
7.3 内部数据库查询以及消息机制 234
7.4 外部数据库 247
7.5 小结 254
8 生产决策支持系统 256
8.1 销售管理 256
8.2 生产计划和能力平衡 262
8.3 库存管理 291
8.4 会计决策支持系统(财务分析和决策支持) 303
9 智能决策支持系统的发展和趋势 311
9.1 和网络技术的结合 311
9.2 更为友好的人机界面 315
9.3 和其他信息系统的结合 319
9.4 综合性、柔性和高智能 323