决策支持系统（DSS）：理论·方法·案例

第1章 概论

1. 1 决策支持系统的产生与发展

1. 1. 1 DSS的产生背景

1. 1. 2 DSS的发展

l, 2 DSS发展的理论基础

1. 2. 1 信息论

1. 2. 2 计算机技术

1. 2. 3 管理科学和运筹学

1. 2. 4 信息经济学(1nformation Economics)

1. 2. 5 行为科学

1. 2. 6 人工智能

1. 3 DSS与相关技术的关系

1. 3. 1 决策与预测的关系

1. 3. 2 DSS与管理科学(MS). 运筹学(OR)的关系

1. 3. 3 DSS与MIS的关系

l. 3. 4 DSS与专家系统(ES)的关系

1. 4 新一代DSS的发展

1. 4. 1 群决策支持系统(GDSS)

l. 4. 2 分布式决策支持系统(DDSS)

1. 4. 3 智能决策支持系统(1DSS)

1. 4. 4 决策支持中心

1. 4. 5 战略决策支持系统

1. 4. 6 I3DSS

1. 5 数据仓库与决策支持系统

l. 5. 1 新型的决策支持技术——数据仓库和联机分析处理(OLAP)

1. 5. 2 综合决策支持系统

1. 5. 3 基于数据仓库的决策支持系统

第2章 决策支持系统的基水概念

2. 1 结构化. 半结构化和非结构化问题

2. 1. 1 概述

2. 1. 2 决策问题的性质和层次

2. 2. 决策支持与DSS的定义

2. 2. 1 决策支持

2. 2. 2 决策支持分类

2. 2. 3 决策风格

2. 2. 4 D5S的定义

2. 3 DSS的概念模式

2. 3. l 系统分析

2. 3. 2 专用DSS

2. 3. 3 DSS工具

2. 3. 4 DSS生成器

2. 3. 5 累接设计

2. 3. 6 ROMC分析方法

2. 3. 7 系统的柔性

2. 3. 8 系统的集成化

第3章 DSS的构造与系统结构

3. 1 引言

3. 1. 1 DSS的基本部件

3. 1. 2 目标

3. 1. 3 功能

3. 2 DSS的人机界面和问题处理系统

3. 2. 1 人机界面

3. 2. 2 问题处理系统

3. 2. 3 自然语言理解

3. 3 四库系统

3. 3. 1 数据库系统

3. 3. 2 模型库系统

3. 3. 3 知识库系统

3. 3. 4 方法库系统

3. 4 DSS的系统结构

3. 4. 1 三角式结构

3. 4. 2 串联结构

3. 4. 3 熔合式结构

3. 4. 4 以数据库为中心的结构

3. 4. 5 四库三功能的系统结构

3. 4. 6 智能DSS的结构

3. 5 D5S的体系结构, 与分析

3. 5. 1 DSS体系的分桥

3. 5. 2 环境特征

3. 5. 3 系统的部件

3. 5. 4 资源

3. 5. 5 环境和资源的关系

第4章 数据库及其管理系统

4. l 基本概念

4. 1. 1 数据库系统的定义及其特点

4. 1. 2 DSS数据库系统的设计特点

4. 2 数据的组织与描述

4. 2. l 实体模型

4. 2. 2 数据模型

4. 2. 3 数据模型的设计

4. 3 DSS的数据库设计

4. 3. l 数据库的概念设计

4. 3. 2 数据库的逻辑设计

4. 3. 3 数据库的物理设计

4. 3. 4 数据库系统语言

4. 4 DSS数据库系统的一个实例

4. 4. 1 某炼厂生产经营决策支持系统(IPDSS)的数据库

4. 4. 2 1PDSS中的数据库管理系统

4. 5 DSS数据库技术的发展

4. 5. l 数据库与知识库的结合方式

4. 5. 2 数据库技术支持模型库

4. 5. 3 DSS中数据库单元设计

4. 5. 4 DSS数据库技术的发展分析

4. 6 多媒体数据库

4. 6. 1 多媒体数据库的特点与功能

4. 6. 2 多媒体数据库及其管理系统的关键技术

4. 6. 3 数据模型技术

第5章 数据开采技术

5. 1 数据开采技术基本概念

5. 1. 1 数据开采的定义

5. 1. 2 数据开采的过程及分类

5. l. 3 数据开采的内容和本质

5. 1. 4 基于数据仓库的数据开采技术

5. 2 数据开采的一般方法

5. 2. 1 关联规则开采方法

5. 2. 2 多层次数据汇总归纳

5. 2. 3 空间数据库的数据开采

5. 2. 4 数据开采的其他方法

5. 3 数据开采一一云模型方法

5. 3. 1 定性和定量互换模型——云模型

5. 3. 2 发现状态空间理论

5. 3. 3 用云模型从空间数据库中发掘关联规则

5. 4 模糊数据开采(FDM)方法

5. 4. 1 数据仓库的引入

5. 4. 2 模糊数据开采方法(FDM)

5. 4. 3 FDM应用范例

5. 5 数据开采的智能方法

5. 5. 1 从数据库发现知识

5. 5. 2 数据开采与DBMS和联机分析处理的区别与联系

5. 5. 3 数据开采的方法和实施过程

5. 5. 4 智能算法

5. 6 数据开采工具及发展方向

5. 6. 1 数据开采的工具

5. 6. 2 ”数据开采的发展方向

5. 7 SAS的数据开采的方法论——SEMMA

5. 7. 1 数据开采提供决策支持

5. 7. 2 数据开采的方法论——SEMMA

5. 8 数据开采(data mining)的应用领域

5. 8. 1 数据开采在市场营销和金融投资中的应用

5. 8. 2 数据开采系统在风险评估中的应用

5. 8. 3 DM系统在通信网络中的应用

5. 8. 4 在DNA分析中的应用

5. 8. 5 天文数据分析中的DM系统

第6章 数据仓库技术

6. 1 数据仓库概述

6. 1. 1 数据仓库的定义

6. 1. 2 数据仓库查询系统的特点

6. 1. 3 OLTP与OLAP的特点

6. 1. 4 详细数据与小结数据

6. 1. 5 数据仓库与数据集市

6. 1. 6 数据仓库引擎的选择

6. 2 数据仓库的结构框架

6. 2. 1 框架的概念和重要性

6. 2. 2 通用框架结构

6. 2. 3 数据源块

6. 2. 4 数据仓库结构块

6. 2. 5 数据站场纪构块

6. 2. 6 数据仓库的存取和使用模块

6. 2. 7 数据管理层模块

6. 2. 8 传输层模块

6. 2. 9 基础结构层模块

6. 3 数据仓库系统及其开发过程

6. 3. 1 数据仓库系统

6. 3. 2 数据仓库的开发过程

6. 4 数据仓库管理系统中的关键技术

6. 4. l 引言

6. 4. 2 系统结构

6. 4. 3 系统主要模块及关键技术

6. 5 可视数据仓库

6. 5. 1 引言

6. 5. 2 可视数据仓库的功能

6. 5. 3 数据仓库规模化的体系结构

6. 5. 4 可视数据仓库的管理

6. 5. 5 IBM可视数据仓库解决方案

6. 6 SAS数据仓库的结构与功能

6. 6. 1 SAS数据仓库的体系结构

6. 6. 2 SAS数据仓库的功能 .

6. 6. 3 SAS数据仓库有助于数据开采

第7章 数据仓库的数据建模和元数据

7. 1 数据仓库的数据概念模型

7. 2 数据仓库的数据组织

7. 2. l 数据仓库的数据组织方式

7. 2. 2 多维数据库的组织方式

7. 2. 3 OLAP的数据组织

7. 3 数据源建模

7. 4 数据仓库建模

7. 4. 1 星型模型

7. 4. 2 雪花模型

7. 4. 3 混合模型

7. 5 元数据的概念

7. 6 元数据在数据仓库中的重要性

7. 6. 1 元数据在数据仓库开发期间的重要性

7. 6. 2 数据源抽取

7. 6. 3 数据求精与重构工程

7. 6. 4 访问与使用

7. 7 元数据的管理功能

7. 7. 1 数据仓库内容的描述

7. 7. 2 定义数据抽取和转换

7. 7. 3 基于商业事件的抽取调度

7. 7. 4 描述数据同步需求

7. 7. 5 衡量数据质量指标

7. 7. 6 数据仓库信息的目录

7. 7. 7 信息目录的现状

7. 7. 8 元数据的数据字典和纲目库

7. 8 元数据的标准化和商品化

7. 8. 1 元数据的标准化

7. 8. 2 元数据的商品化

第8章 模型库及其管理系统

8. 1 模型与模型库的基本概念

8. 1. 1 模型概念

8. 1. 2 模型特点

8. 1. 3 模型群和模型体系

8. 1. 4 模型库

8. 2 模型生成技术

8. 2. 1 传统建模方法及其缺陷

8. 2. 2 模型生成技术

8. 2. 3 模型生成的一般步骤

8. 2. 4 模型的动态生成

8. 3 模型管理技术

8. 3. 1 模型管理系统(MMS)

8. 3. 2 模型管理技术的发展过程

8. 3. 3 模型管理系统(MMS)的主要研究内容

8. 4 DSS中模型管理的人工智能方法

8. 4. 1 用一阶谓词逻辑(FOL)表示模型的一种方法

8. 4. 2 知识库支持模型的一个实例

8. 5 模型管理和数据管理的结合

8. 5. 1 引言

8. 5. 2 模型管理和数据管理的结合

8. 5. 3 第四代模型管理系统的结构

8. 6 基于人工神经网络的非线性预测模型

8. 6. 1 人工神经网络模型基本概念

8. 6. 2 基于神经网络的非线性预测方法

8. 6. 3 逆传播神经网络模型的改进

8. 6. 4 权重贡献率和关键神经节点

8. 6. 5 模型变量的选择

8. 6. 6 观测样本的采集和使用

第9章 知识发现(KDD)”方法

9. 1 数据开采和知识发现的区别与联系

9. 2 知识发现概念

9. 2, 1 知识发现(KDD)定义

9. 2. 2 KDD的特点

9. 2. 3 知识发现的一般过程

9. 2. 4 知识发现的研究方向

9. 3 知识发现方法

9. 3. 1 知识发现方法和算法

9. 3. 2 实用的知识发现工具和应用系统

9. 4 基于数据库中的知识发现(KDD)

9. 4. 1 引言

9. 4. 2 KDD处理过程

9. 4. 3 数据开采的目标及方法

9. 4. 4 数据库中的知识发现

9. 4. 5 KDD系统简介及其WWW地址

9. 5 基于数据库中的自动发现广义序贯模式

9. 5. l 引言

9. 5. 2 广义序贯模式的有关概念

9. 5. 3 广义序贯模式的发现算法

第10章 知识库系统

10. 1 基本概念

10. 1. 1 数据

lO. 1. 2 信息

lO. 1. 3 知识

10. 1. 4 知识的分类

lO. 1. 5 知识的属性

10. 1. 6 推理方法

lO. 1. 7 知识库

10. 2 知识表示方法

lO. 2. l 一阶谓词逻辑

lO. 2. 2 语义网络表示

lO. 2. 3 产生式规则

10. 2. 4 框架理论

10. 3 知识库的建立

10. 3. 1 DSS知识库的特点

10. 3. 2 设计知识库系统的原则

10. 3. 3 知识库的开发步骤

10. 4 问题处理系统(PPS)

lO. 4. 1 PPS在DSS中的地位

10. 4. 2 问题处理系统的分类

10. 4. 3 PPS的工作过程

10. 4. 4 问题处理系统的功能

10. 5 问题求解系统

10. 5. 1 问题分折的基本方法

10. 5. 2 求解途径

10. 6 推理机

10. 6. 1 基本概念

10. 6. 2 自动机

10. 6. 3 形式语言

第11章 某石油炼厂生产经营决策支持系统

11. 1 石油炼厂概况

11. 1. 1 炼厂生产工艺过程

11. 1. 2 炼厂生产的基本特点

11. 1. 3 炼厂中的生产经营决策

11. 2 问题的提出

11. 3 集成化炼厂生产经营决策支持系统

11. 3. 1 炼厂生产经营决策活动对DSS的要求

11. 3. 2 炼厂生产经营决策中的DSS：现状

11. 3. 3 1PDSS概述

11. 4 问题生成系统

11. 4. 1 概述

11. 4. 2 问题生成过程与问题生成系统

11. 4. 3 IPDSS中的问题生成系统

11. 5 问题求解系统

11. 5. 1 系统集成问题

11. 5. 2 问题求解与系统集成

11. 5. 3 IPDSS中的问题求解系统

11. 6 混合式炼厂生产调度专家系统

11. 6. 1 炼厂生产作业计划

11. 6. 2 过程系统运行优化方法综述

11. 6. 3 混合式炼厂生产调度专家系统

第12章 企业管理决策支持系统(EMDSS)

12. 1 工业企业管理的决策问题

12. 1. 1 工业企业概述

12. 1. 2 工业企业的生产经营决策

l2. 1. 3 计算机在工业企业管理中的应用

12. 2 企业管理决策支持系统

12. 2. 1 企业管理决策支持系统(EMDSS)的结构

12. 2. 2 EMDSS的软件开发过程

12. 3 EMDSS人机界面的开发

12. 3. 1 界面的汉化

l2. 3. 2 窗口和下拉菜单

12. 3. 3 指定位置西文信息输入显示

l2. 3. 4 EMDSS中的图形及输出

12. 4 EMDSS数据库及其管理系统的开发

12. 4. 1 EMDSS数据库概述

12. 4. 2 EMDSS数据库系统

12. 4. 3 EMDSS的数据库管理系统

12. 5 模型库的推理过程及实现

12. 5. 1 投入产出模型

12. 5. 2 投入产出表格式的数据库类型转换

l2. 5. 3 盈亏平衡模型及盈亏平衡图

第13章 PLATINUM tecllH010gy数据仓库

l3. 1 PLATINUM数据仓库解决方案

13. 1. 1 PLATINUM数据仓库设计原则

13. 1. 2 PLATINUM数据仓库结构

13. 1. 3 建立数据仓库的过程

13. 1. 4 PLATINUM数据仓库解决方案主要工具

13. 2 PLATINUM系统管理解决方案

13. 2. 1 安全性管理解决方案——AutoSecureACX和AutoSecureSSO

13. 2. 2 网络存储管理解决方案

l3. 2. 3 企业作业管理解决方案

13. 2. 4 软件分发管理解决方案

13. 3 PLATINUM应用开发生命周期解决方案

l3. 3. 1 大型应用开发的基本流程

13. 3. 2 PLATINUM应用开发解决方案

13. 3. 3 分析设计工具(paradignlplus)

13. 3. 4 数据库服务器编程工具集(SQL—Station)

13. 3. 5 针对策杂业务的开发工具(AionDS)

13. 3. 6 应用系统溯试工具集(FinalExam)

13. 3. 7 应用开发管理工具(ccc／Harvest)

13. 4 PLATINUM technology ProVision集成化系统及数据库管理

13. 4. 1 ProVision产品特色

13. 4. 2 ProVision产品结构

13. 4. 3 ProVision产品优势

第14章 Bos5ness Objects决策支持系统工具

14. 1 BuSiness Objects. 概述

14. 2 Business Objects的特点和应用对象

14. 3 Business Objects的主要功能

14. 4 Business Objects的优点

14. 5 Business Objects能帮助企业实现科学决策

14. 6 Business Objects在银行系统的应用

14. 7 Business Objects 4. O——数据库前端决策支持工具参考文献