第6章 决策支持系统与人工智能
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
数据仓库中的数据是一段时间上如一季度）的表现； 仓中数据具有相同的键结构、其中包含时间因素； 在记录周期内，仓中数据一旦记录后则不能更新；
非活性——仓中数据不能修改、删除，只有 整理、初始化数据时才能修改，通常使用仓 中数据不会影响。
2018/10/28 课件编写： 肖洪生 8
2、数据仓库结构——仓中数据分为如下几个层次
对明确的决策信息，通过查询、联想机分 析分析或其它分析工具获取知识； 对隐藏在大量数据中的关系、趋势等信息， 则需要通过数据挖掘来获取。
2018/10/28 课件编写： 肖洪生 11
（1）数据挖掘过程——数据准备、挖掘操作、结果表达 数据准备
5、DSS的框架结构
• Data Base、Model Base——两库结构； 见图6.1 • 智能DSS框架，见图6.2
2018/10/28
课件编写： 肖洪生
5
数据库DB
模型库MB
数据库管理系统 DBMS
模型库管理系统 MBMS
用户接口
用 户
图6.1 DDM框架结构——两库结构
2018/10/28 课件编写： 肖洪生 6
2018/10/28
课件编写： 肖洪生
2
对DSS的理解有几种观点；
广义DSS——多学科交叉、高技术手段运用，解决半决策化问题，强 调“人——机”交互，收集信息数据，帮助决策层制定目标、建立模 型、方案分析、比较、优化等； 狭义DSS——利用数据、模型、方法、知识推理进行半结构化决策的 “人——机”系统； “支持”不是代替，仅起辅助作用。
2018/10/28
课件编写： 肖洪生
10
5、数据挖掘（Data
Mining——DM）技术应用
• DM——从大量的数据中抽取有效的、新颖的、潜 在有用的知识的过程 • DM的目的——提高市场决策能力，检测异常模式、 在过去的经验基础上预测未来； • 传统决策——知识库、规则是人为外部输入的； DM中，从系统内部获取知识——从大量 数据中挖掘出来的；
2018/10/28 课件编写： 肖洪生 3
3、DSS与MIS的区别
DSS与MIS的联系——MIS是DSS的基础，MIS主要面对结构 化决策，DSS主要面对半结构化决策； DSS与MIS的区别——DSS主要面对中、高决策层，进行半结构化
决策，与MIS在如下几个方面有区别：
• • • •
MIS用于日常业务，DSS用于管理目标与决策； MIS追求过程最优，DSS追求可行方案，不要求最优； MIS要求工作环境稳定，保障日常业务正常； MIS强调系统、客观、科学、最优，DSS强 调经验、判断、创造； • MIS是数据驱动、DSS是模型与用户共同驱动； • MIS希望尽量少的人为干扰，DSS要求更多的 “人——机”会话，强调“人”的作用； • MIS体现全局、整体，DSS体现决策人的需要。
2、DSS的特点
面向决策层——帮助决策层惧资料，进行分析、 设计；决策人员起主导作用，DSS要考虑用户的 特点，如行业要求、决策人员的知识背景、爱好等； DSS主要解决半结构化决策问题； “支持”而不代替； 模型与用户共同驱动——根据历史数据、当前数 据，对未来进行基于知识的推理， 同时积累；DSS 的基础是数据库、模型库、方法库、知识库； 强调“人——机”交互； 推理规则；
2018/10/28 课件编写： 肖洪生 4
4、DSS的发展
• 智能化DSS——知识工程+人工智能+专家系统，为处 理不确事实上性领域的问题提供技术保证； • 群体DSS——从个体DSS发展到群体DSS，操作环境升 级，比个体DSS在决策更为优越； • 行为导向DSS——利用“行为科学”来引导、支持决 策者，而不仅仅用信息科学来支持决策，这是今后 DSS发展的主要方向。
模型设计
数据 采集
DB DBMS
MB MBMS
KB KBMS
知识 获取
处理控制系统
分析评价系统
自动推理机
智能化用户接口
用户
2018/10/28
图6.2 智能DSS框架结构
7ห้องสมุดไป่ตู้
课件编写： 肖洪生
6.2 数据仓库与数据挖掘
1、数据仓库定义与特征——对历史数据进行集成化收集
与处理的信息机构；这些历史数据可以从多个信息系统环 境中收集并整理，对决策起辅助任作用其特征是： 面向主题——按企业关心的主题进行数据收集与整理； 集成化——从不同数据环境中收集的数据，能按内容进行 格式统一，如名字转换、度量统一、结构编码 与物理属性一致处理等； 时变性——体现在如下几方面
2018/10/28
课件编写： 肖洪生
9
3、数据流程 • 从操作环境进入数据仓库——当前详细层； • 从低到高，数据被概略化，或取走、或删除； • 提练数据进入中、高层后，其余按时间推移进入 历史数据详细层； 当前详细数据——轻度概略——高度概略——外界 引用，过时数据进入历史详细数据层。 4、数据仓库的使用 • 高层数据被使用的频率高； • 历史数据使用频率低；
• 当前详细数据——当前发生、用户感兴趣的数据。处于仓 库底层，数量庞大；管理复杂； • 历史详细数据——统一格式存储（外存）、存取频率低， 但与当前数据详细水平相当； • 轻度概略数据——从当前详细数据中提练出来的数据，与 时间段、内容、属性有关； • 高度概略数据——高度压缩、容易存取 的数据，在仓库最上层，常被外界引用。 • 超数据——操作环境不能直接提取的数 据，由超数据进行转换、引导。
第6章 决策支持系统与人工智能
• 学时：2 • 重点：决策支持系统的概念 数据仓库与数据挖掘技术 专家系统与人工智能 ·难点：数据仓库与数据挖掘
2018/10/28
课件编写： 肖洪生
1
6.1 决策支持系统
Decision Support System——DSS 1、概念
MIS在事务管理层能很好地满足实际需要； 决策则要从制定目标、收集信息、方案探索与比较多 个方面进行，MIS难以满足要求； 结构化决策是：目标、规则均明确，MIS可有效支持 决策各个阶段的工作； 半结构化决策是：目标不清晰、多目标 冲突，方案选择规则不清楚，MIS不能 完全支持决策问题。 实际中，半结构决策问题较多。
非活性——仓中数据不能修改、删除，只有 整理、初始化数据时才能修改，通常使用仓 中数据不会影响。
2018/10/28 课件编写： 肖洪生 8
2、数据仓库结构——仓中数据分为如下几个层次
对明确的决策信息，通过查询、联想机分 析分析或其它分析工具获取知识； 对隐藏在大量数据中的关系、趋势等信息， 则需要通过数据挖掘来获取。
2018/10/28 课件编写： 肖洪生 11
（1）数据挖掘过程——数据准备、挖掘操作、结果表达 数据准备
5、DSS的框架结构
• Data Base、Model Base——两库结构； 见图6.1 • 智能DSS框架，见图6.2
2018/10/28
课件编写： 肖洪生
5
数据库DB
模型库MB
数据库管理系统 DBMS
模型库管理系统 MBMS
用户接口
用 户
图6.1 DDM框架结构——两库结构
2018/10/28 课件编写： 肖洪生 6
2018/10/28
课件编写： 肖洪生
2
对DSS的理解有几种观点；
广义DSS——多学科交叉、高技术手段运用，解决半决策化问题，强 调“人——机”交互，收集信息数据，帮助决策层制定目标、建立模 型、方案分析、比较、优化等； 狭义DSS——利用数据、模型、方法、知识推理进行半结构化决策的 “人——机”系统； “支持”不是代替，仅起辅助作用。
2018/10/28
课件编写： 肖洪生
10
5、数据挖掘（Data
Mining——DM）技术应用
• DM——从大量的数据中抽取有效的、新颖的、潜 在有用的知识的过程 • DM的目的——提高市场决策能力，检测异常模式、 在过去的经验基础上预测未来； • 传统决策——知识库、规则是人为外部输入的； DM中，从系统内部获取知识——从大量 数据中挖掘出来的；
2018/10/28 课件编写： 肖洪生 3
3、DSS与MIS的区别
DSS与MIS的联系——MIS是DSS的基础，MIS主要面对结构 化决策，DSS主要面对半结构化决策； DSS与MIS的区别——DSS主要面对中、高决策层，进行半结构化
决策，与MIS在如下几个方面有区别：
• • • •
MIS用于日常业务，DSS用于管理目标与决策； MIS追求过程最优，DSS追求可行方案，不要求最优； MIS要求工作环境稳定，保障日常业务正常； MIS强调系统、客观、科学、最优，DSS强 调经验、判断、创造； • MIS是数据驱动、DSS是模型与用户共同驱动； • MIS希望尽量少的人为干扰，DSS要求更多的 “人——机”会话，强调“人”的作用； • MIS体现全局、整体，DSS体现决策人的需要。
2、DSS的特点
面向决策层——帮助决策层惧资料，进行分析、 设计；决策人员起主导作用，DSS要考虑用户的 特点，如行业要求、决策人员的知识背景、爱好等； DSS主要解决半结构化决策问题； “支持”而不代替； 模型与用户共同驱动——根据历史数据、当前数 据，对未来进行基于知识的推理， 同时积累；DSS 的基础是数据库、模型库、方法库、知识库； 强调“人——机”交互； 推理规则；
2018/10/28 课件编写： 肖洪生 4
4、DSS的发展
• 智能化DSS——知识工程+人工智能+专家系统，为处 理不确事实上性领域的问题提供技术保证； • 群体DSS——从个体DSS发展到群体DSS，操作环境升 级，比个体DSS在决策更为优越； • 行为导向DSS——利用“行为科学”来引导、支持决 策者，而不仅仅用信息科学来支持决策，这是今后 DSS发展的主要方向。
模型设计
数据 采集
DB DBMS
MB MBMS
KB KBMS
知识 获取
处理控制系统
分析评价系统
自动推理机
智能化用户接口
用户
2018/10/28
图6.2 智能DSS框架结构
7ห้องสมุดไป่ตู้
课件编写： 肖洪生
6.2 数据仓库与数据挖掘
1、数据仓库定义与特征——对历史数据进行集成化收集
与处理的信息机构；这些历史数据可以从多个信息系统环 境中收集并整理，对决策起辅助任作用其特征是： 面向主题——按企业关心的主题进行数据收集与整理； 集成化——从不同数据环境中收集的数据，能按内容进行 格式统一，如名字转换、度量统一、结构编码 与物理属性一致处理等； 时变性——体现在如下几方面
2018/10/28
课件编写： 肖洪生
9
3、数据流程 • 从操作环境进入数据仓库——当前详细层； • 从低到高，数据被概略化，或取走、或删除； • 提练数据进入中、高层后，其余按时间推移进入 历史数据详细层； 当前详细数据——轻度概略——高度概略——外界 引用，过时数据进入历史详细数据层。 4、数据仓库的使用 • 高层数据被使用的频率高； • 历史数据使用频率低；
• 当前详细数据——当前发生、用户感兴趣的数据。处于仓 库底层，数量庞大；管理复杂； • 历史详细数据——统一格式存储（外存）、存取频率低， 但与当前数据详细水平相当； • 轻度概略数据——从当前详细数据中提练出来的数据，与 时间段、内容、属性有关； • 高度概略数据——高度压缩、容易存取 的数据，在仓库最上层，常被外界引用。 • 超数据——操作环境不能直接提取的数 据，由超数据进行转换、引导。
第6章 决策支持系统与人工智能
• 学时：2 • 重点：决策支持系统的概念 数据仓库与数据挖掘技术 专家系统与人工智能 ·难点：数据仓库与数据挖掘
2018/10/28
课件编写： 肖洪生
1
6.1 决策支持系统
Decision Support System——DSS 1、概念
MIS在事务管理层能很好地满足实际需要； 决策则要从制定目标、收集信息、方案探索与比较多 个方面进行，MIS难以满足要求； 结构化决策是：目标、规则均明确，MIS可有效支持 决策各个阶段的工作； 半结构化决策是：目标不清晰、多目标 冲突，方案选择规则不清楚，MIS不能 完全支持决策问题。 实际中，半结构决策问题较多。