论文部分内容阅读
以数据仓库和数据挖掘为代表的决策支持新技术的出现,为决策管理人员从数据中获取决策信息和知识提供了新的思路和方法,拓宽了管理决策人员更深层次的信息分析途径。本文主要在对传统智能决策支持系统的研究基础上,利用层次模型研究并分析了智能决策支持系统开发的层次模型,提出数据驱动的综合智能决策支持系统(Integrated Intelligent Decision Support System based on Data-Driven, IIDSS/DD)体系框架,通过分析数据挖掘特征,给出数据挖掘框架和数据挖掘模型,对数据驱动的决策支持技术、数据驱动的综合智能决策支持系统及其生成器(Integrated Intelligent Decision Support System generator based on Data-Driven, IIDSSG/DD)的设计等方面的理论、技术和方法进行深入的研究探讨,并结合具体企业的管理决策,开发了专用决策支持系统用于企业的决策分析。 论文的主要工作和创新点主要包括以下几方面: 1.智能决策支持系统(IDSS)开发的层次模型研究是描述、开发和评价数据驱动的综合智能决策支持系统的理论基础。首先,针对IDSS开发的过程和特点,将IDSS开发划分为四个层次,即应用层、任务层、逻辑层和物理层。对于不同开发层次(应用层、任务层、逻辑层和物理层)分别进行了描述和分析。其次,为提高系统资源的有效集成,对任务层实现方法中的资源接口层进行详细的设计,利用相关技术规范了四种系统资源(数据、模型、知识和实例)的BNF接口语法,规范了系统资源接口标准。最后,在此基础上对数据驱动的综合智能决策支持系统体系结构进行了研究,通过将数据仓库和数据挖掘等新技术的引入和相关组件技术的使用,使得该体系结构具有良好的通用集成性和可扩展性,支持多种决策支持技术。 2.研究了数据驱动的决策支持技术,包括数据仓库技术和数