高级搜索  |  搜索帮助
最近的浏览历史
购买此书的人还购买过
书  名:决策支持系统(DSS)理论与方法(第4版)
  • 作  者: 高洪深
  • 出版时间: 2009-09-01
  • 出 版 社: 清华大学出版社
  • 字  数: 407 千字
  • 印  次: 4-1
  • 印  张: 17
  • 开  本: 16开
  • ISBN: 9787302202394
  • 装  帧: 平装
  • 定  价:¥29.00
电子书价:¥20.30 折扣:70折 节省:¥8.70 vip价:¥20.30 电子书大小:16.23M
配套资源下载:
  • 名称
  • 说明
  • 权限
  • 文件大小
  • 点击图标下载
  • 图书样章
  • 所有用户
  • 256K
  • 图书课件
  • 教师
共有商品评论0条 查看评论摘要
内容简介
  本书在体例和内容上对第3版做了重大的调整和修改,第4版主要对DSS的理论与方法做了全面的论述与阐释,而DSS的最新案例将在配套的《决策支持系统(DSS)案例集》 (ISBN 978-7-302-20724-5)中作系统介绍。
全书共分10章,第1章主要介绍DSS的产生与发展,充分论述了DSS的理论基础以及同相关学科的关系,还重点介绍了新一代DSS和基于数据仓库的决策支持系统的发展状况和最新研究动态;第2章和第3章阐述了DSS的基本概念和典型的DSS构造及系统结构;第4章~第7章主要介绍数据库及其管理系统、数据开采技术、数据仓库技术,以及数据仓库的数据建模和元数据;第8章主要介绍DSS的重要组成部分--模型库及其管理系统;第9章和第10章论述了知识发现方法和知识库系统。
本书可以作为高等院校的计算机应用、系统工程、经济管理、自动控制等专业的研究生和高年级本科生教材;也可以作为DSS研究与开发人员的研究参考书;还可以供不同层次的经济与行政管理和企事业单位的有关领导、管理人员和科技人员使用。
前言
  第4版前言
本书是在第3版的基础上对体例、内容和形式上做了重大的调整、修改和补充。
首先,在第3版的基础上做了认真的修正和校对,集中论述和阐释决策支持系统(DSS)的理论与方法。提高了理论水平,强化了专著特色。
限于篇幅,本书将第3版的案例部分删除,其中案例经过重新整合,添加经典、成熟和最新的应用案例后另行出版为《决策支持系统(DSS)案例集》 (ISBN 978-7-302-20724-5) ,供读者与本书配套学习使用。
本书第1版刚刚问世时,就有很多高等学校的老师和同学将它作为教材使用。随着DSS学科理论与方法的不断发展和走向成熟,本书的第2版和第3版相继出版,把它作为教材的高等学校的老师和同学也越来越多,在这期间,不少的老师和同学与作者和出版社联系,希望能出版与本教材相适应的电子课件。本书将满足读者的这一迫切要求,在清华大学出版社网站的本书相应页面提供配套电子课件,供广大老师和同学学习使用。
清华大学出版社对本书的策划、出版给予了有力支持并提出了宝贵意见,在此表示衷心的感谢。各高校的广大师生和社会读者对本书出版寄予热切期望,并在使用中不断提出宝贵意见和建议,对此,一并向他们致以由衷的感谢和最良好的祝愿。


高洪深
2009年8月于北京

第3版前言
本书的第2版已经出版了4年,在这期间,决策支持系统无论在理论上,还是在实践开发与应用上都获得了长足的发展。作者已完成了国家和北京市关于决策支持系统和数据挖掘的自然科学基金项目,取得了相应的理论与应用研究成果;国内外的其他有关专家、学者在这个领域里也取得了一批重要成果。按照与时俱进的科学发展观,应及时将这些比较成熟的研究成果纳入到这本专著中,让广大读者了解本领域的最新知识和研究成果,这就是出版本书第3版的原因。
本书的第1版是1996年出版的,第2版还包括1996年以前开发的两个案例,即第11章某石油冶炼厂生产经营决策支持系统和第12章企业管理决策支持系统,显然,无论在理论、方法上,还是在应用上都过时了,不实用了。而第3版所新加的3个案例: 第11章信用担保决策支持系统,第12章证券行业数据仓库系统,第13章数据挖掘应用案例,完全是在最新的理论、方法、工具和最新的计算机平台开发研制出来的,所使用的计算机硬件系统和系统软件远远不是1996年所能比拟的。而且第3版又将目前国内外最新的理论与方法的研究成果(包括作者本人的研究成果)吸收到本书中来,对第2版做重要的修订和补充,使得本书在理论与方法的创新上,在实践开发与应用上都具有很高的学术价值,在决策支持系统这个学科领域代表了21世纪初的水平。第3版的出版将会受到更多的读者欢迎,而且在理论和实践上将会大大促进决策支持系统学科的发展。
第3版参考了国内外有关学者的最新论著和研究成果,吸收了他们的学术观点和研究精华,并将他们一一列在了“参考文献”中,尤其是中南大学陈晓红教授的科研成果为本书增色不少。在此,向他们致以崇高的敬意。

高洪深
2005年1月于北京

第2版前言
《决策支持系统(DSS) --理论·方法·案例》的第2版是应广大读者的迫切要求,也是DSS发展到一个新的水平的必然产物。
众所周知,传统的决策支持系统主要是以模型库系统为主体的,通过定量分析进行辅助决策。其模型已由数学模型扩大到广义模型,这些广义模型包括数据处理模型、图形模型、知识模型等。DSS的本质就是将各种类型的广义模型有机地结合起来,构成解决问题的模型体系,对数据库中的数据进行处理而形成对决策问题的信息支持。
数据仓库和OLAP (online analytical processing)新技术的迅速发展,在美国到20世纪90年代中期数据仓库已成为仅次于Internet之后的又一技术热点,它对计算机辅助决策起到了很大的推动作用。数据仓库和OLAP都是数据驱动,这门新技术为决策支持系统开辟了新途径,使计算机辅助决策能力上了一个新台阶。
数据仓库和OLAP这些新技术尽管和传统的模型库对决策的支持是两种不同的形式,但它们可以相互补充、相互结合、互相渗透。把数据仓库、OLAP、数据开采、模型库、知识库系统结合起来形成的综合集成决策支持系统,是更高级形式的决策支持系统,这是DSS未来发展的方向和重点研究的课题。
鉴于上述原因,本书的再版对第1版进行了全面的、系统的、重大的修改。对于经过实践证明已过时的内容不惜全部删除,并以6章(第5、6、7、9、13、14章)的内容系统地介绍了数据仓库技术、数据开采技术、知识发现方法(KDD)和典型的案例。
本书第2版参考了国内外有关学者的最新论著和研究成果,吸收了他们的学术观点和研究精华,并将他们一一列在了参考文献中。为了突出他们在某个方面的成果,在著作中都将他们的名字列在其中。借此机会,我向这些学者、专家、教授致以崇高的敬意和良好的祝愿。
在本书的写作过程中,得到了我的学生、朋友和家人多方面的帮助,在这里我对所有帮助过我的人深表谢意。

高洪深
2000年5月于北京

第1版前言
决策支持系统(DSS)是信息系统研究的最新发展阶段。自美国麻省理工学院的Michael S.Scott Morton和Peter G.W.Keen 于20世纪70年代首次提出“Decision Support System”以来,在短短的20年里,各国学者对DSS的理论研究与开发应用进行了卓有成效的工作。目前,DSS已成为系统工程与计算机应用领域中的重要研究课题。
但是,DSS的发展道路并不平坦,其中也有过低谷。DSS发展到今天,当我们从低谷走向高潮时,纵览群学科的发展,才觉得DSS这门学科既有深刻的潜在意义,也有广阔的发展前景。因为DSS是一个融计算机技术、信息技术、人工智能、管理科学、决策科学、心理学、行为科学和组织理论等学科与技术于一体的技术集成系统,由于这些学科的不断发展,尤其是计算机技术和信息技术的巨大进步,可以预言,DSS作为新的交叉学科,将会随着它们的迅速发展而产生突破性的进展。
通过国内外学术界广大专家、学者的不断探索和研究,经过二十多年的应用、发展和完善,DSS的概念内涵和理论基础以及与其他相关技术的关系已经明朗并走向成熟。本书在此基础上充分论述了DSS理论基础的多学科综合性和实际应用的工程特点,它包括信息论、计算机技术、管理科学(MS)和运筹学(OR)、信息经济学、行为科学和人工智能等理论;并从理论上和实践上阐明DSS与几个重要的相关技术的关系;例如,DSS与MS和OR的关系;DSS与MIS(管理信息系统)的关系;DSS与ES(专家系统)的关系,等等。同时系统和科学地阐述决策支持系统的一些基本概念,例如DSS领域里的一些热点问题: 关于结构化、半结构化和非结构化问题;决策支持和DSS定义;DSS的构造和系统结构问题。本书吸收了国内外的最新观点,并提出作者本人的独到见解。本书以一节的篇幅概述了新一代DSS的发展状况和最新研究动态,这些新一代DSS是: 群决策支持系统(GDSS);分布式决策支持系统(DDSS);智能决策支持系统(IDSS);决策支持中心;战略决策支持系统;IIIDSS,等等。
几乎所有的DSS研究和开发都强调DSS对决策者的支持效用,其中最关键的部分就是人机界面的作用。有的人认为人机界面的设计是DSS成败的重要因素。因此本书用一章的篇幅介绍人机界面。它从国内外DSS人机界面的研究现状和所存在的问题出发,介绍了人机界面的最新设计方法、交互形式、界面汉化等问题;并论述多媒体技术对DSS人机界面的支持,多媒体技术可以改变DSS与决策者的交互形式,使人机关系产生质的飞跃,特别是可视听技术在DSS人机界面的开发与应用,将使DSS的研究登上新的高度,不过目前DSS在这方面的研究与应用尚属少见。在数据库及其管理系统一章充分表述DSS不同于MIS系统的特点。它要支持模型库,并要和知识库有机地结合起来;并介绍了多媒体数据库,指出多媒体数据库的关键技术所在。这些技术主要包括: 多媒体信息的检索与查询及其他处理;多媒体信息的再现及良好的用户界面;数据的存储管理与压缩/解压缩技术;分布式环境与并行处理等;并对语义数据模型和面向对象的数据模型进行了概括的论述。总之,多媒体数据库的引入将使DSS发生划时代的变化。模型库及其管理系统是DSS发展的关键技术,首先要开发面对用户的模型体系,可以将若干模型或模型部件有机地结合起来,更方便地建造新模型或模型部件,解释模型输出等。然后介绍模型生成技术;模型管理的人工智能方法;模型管理和数据管理相结合的第四代模型管理系统的结构。并介绍了作者在开发DSS所采用的基于人工神经网络的非线性预测模型的研究成果。本成果提出了基于神经网络的非线性预测模型的若干技术处理方法,实现了加快网络收敛速度和提高模型预测精度的目的,并就非等权移动平均模型和非线性回归模型进行了深入的探讨。前者提出了基于神经网络的权值和变量个数的确定方法,后者提出了基于神经网络的非线性回归模型及学习算法。仿真实验表明具有较高的适应能力和预测精度。
本书的另一特色就是引入了3个比较典型的DSS开发应用案例,它们都是近几年国内有关专家和作者本人的研究成果,基本上反映了我国20世纪90年代初DSS的开发与应用状况。
《决策支持系统(DSS)--理论·方法·案例》这本专著在许多著名科学家的积极支持下终于与读者见面了。在本书出版的过程中,在国内外享有盛誉的著名科学家、中国科学院院士、上海交通大学张钟俊教授,中国工程院院士、中国科学院系统科学研究所许国志研究员,我国著名经济学家、国务院发展研究中心顾问马宾研究员,国务院学位委员会委员、航天部710所副所长于景元研究员,中国科学院系统科学研究所朱广田研究员等给予了大力支持和热情的帮助,为本书的出版提出了许多宝贵意见。在此同时,本书又获得了清华大学出版社和广西科技出版社计算机学术著作出版基金专家委员会的肯定,使之列入该基金资助出版的专著。本书的正式出版使我感到非常欣慰,非常高兴,我没有辜负上述这些科学家在科学研究和学术活动中对我的有力支持和热切期望,在此我对他们表示由衷的感谢。
本书的问世,不仅仅是作者本人的努力结果,而且还凝结了许多人的心血,在热情指导和帮助过我的老师、学生、朋友中间应该特别提到刘传栋和陈林龙二位博士,他们的出色工作为本书增色不少,借此机会,我向他们致以衷心的感谢和最良好的祝愿。
由于作者水平有限,书中错误或不妥之处在所难免,诚恳希望同行和读者们批评指正。

高洪深
1995年11月于北京
目录
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、运筹学的关系10
1.3.3 DSS与MIS的关系11
1.4 新一代DSS的发展12
1.4.1 群决策支持系统12
1.4.2 分布式决策支持系统13
1.4.3 智能决策支持系统14
1.4.4 决策支持中心15
1.4.5 战略决策支持系统16
1.4.6 IIIDSS17
1.5 数据仓库与决策支持系统18
1.5.1 新型的决策支持技术--数据仓库和联机分析处理18
1.5.2 综合决策支持系统18
1.5.3 基于数据仓库的决策支持系统20
第2章 决策支持系统的基本概念21
2.1 结构化、半结构化和非结构化问题21
2.1.1 概述21
2.1.2 决策问题的性质和层次22
2.2 决策支持与DSS的定义24
2.2.1 决策支持24
2.2.2 决策支持分类24
2.2.3 决策风格26
2.2.4 DSS的定义26
2.3 DSS的概念模式27
2.3.1 系统分析28
2.3.2 专用DSS29
2.3.3 DSS工具29
2.3.4 DSS生成器30
2.3.5 累接设计30
2.3.6 ROMC分析方法32
2.3.7 系统的柔性34
2.3.8 系统的集成化34
第3章 DSS的构造与系统结构36
3.1 引言36
3.1.1 DSS的基本部件36
3.1.2 目标37
3.1.3 功能38
3.2 DSS的人机界面和问题处理系统38
3.2.1 人机界面38
3.2.2 问题处理系统39
3.2.3 自然语言理解41
3.3 DSS的库系统43
3.3.1 数据库系统43
3.3.2 模型库系统44
3.3.3 知识库系统45
3.3.4 方法库系统46
3.4 DSS的系统结构47
3.4.1 三角式结构47
3.4.2 串联结构48
3.4.3 熔合式结构48
3.4.4 以数据库为中心的结构49
3.4.5 四库三功能的系统结构49
3.4.6 智能DSS的结构50
3.5 DSS的体系结构与分析52
3.5.1 DSS体系的分析52
3.5.2 环境特征53
3.5.3 系统的部件53
3.5.4 资源54
3.5.5 环境和资源的关系55
第4章 数据库及其管理系统57
4.1 基本概念57
4.1.1 数据库系统的定义及其特点57
4.1.2 DSS数据库系统的设计特点58
4.2 数据的组织与描述59
4.2.1 实体模型59
4.2.2 数据模型60
4.2.3 数据模型的设计60
4.3 DSS的数据库设计63
4.3.1 数据库的概念设计64
4.3.2 数据库的逻辑设计66
4.3.3 数据库的物理设计68
4.3.4 数据库系统语言69
4.4 DSS数据库技术的发展70
4.4.1 数据库与知识库的结合方式70
4.4.2 数据库技术支持模型库71
4.4.3 DSS中数据库单元设计72
4.4.4 DSS数据库技术的发展分析72
4.5 多媒体数据库73
4.5.1 多媒体数据库的特点与功能73
4.5.2 多媒体数据库及其管理系统的关键技术74
4.5.3 数据模型技术75
第5章 数据开采技术78
5.1 数据开采技术研究背景及现状78
5.1.1 引言78
5.1.2 研究背景及意义78
5.1.3 国内外研究现状79
5.2 数据开采技术基本概念80
5.2.1 数据开采的定义80
5.2.2 数据开采的过程及分类81
5.2.3 数据开采的内容和本质84
5.2.4 基于数据仓库的数据开采技术85
5.3 数据开采方法86
5.3.1 分类87
5.3.2 聚类87
5.3.3 神经网络88
5.3.4 关联规则开采方法89
5.3.5 决策树90
5.3.6 多层次数据汇总归纳91
5.3.7 空间数据库的数据开采91
5.3.8 数据开采的其他方法92
5.4 数据开采--云模型方法93
5.4.1 定性和定量互换模型--云模型93
5.4.2 发现状态空间理论94
5.4.3 用云模型从空间数据库中发掘关联规则96
5.5 模糊数据开采方法98
5.5.1 数据仓库的引入98
5.5.2 模糊数据开采方法99
5.5.3 FDM应用范例100
5.6 数据开采的智能方法102
5.6.1 从数据库发现知识102
5.6.2 数据开采与DBMS和联机分析处理的区别与联系103
5.6.3 数据开采的方法和实施过程104
5.6.4 智能算法105
5.7 数据开采工具及发展方向107
5.7.1 数据开采的工具107
5.7.2 数据开采的发展方向107
5.8 SAS的数据开采方法109
5.8.1 数据开采提供决策支持109
5.8.2 数据开采的方法论--SEMMA110
第6章 数据仓库技术114
6.1 数据仓库概述114
6.1.1 数据仓库的定义114
6.1.2 数据仓库查询系统的特点114
6.1.3 OLTP与OLAP的特点115
6.1.4 详细数据与小结数据115
6.1.5 数据仓库与数据集市117
6.1.6 数据仓库引擎的选择118
6.2 数据仓库的结构框架119
6.2.1 框架的概念和重要性119
6.2.2 通用框架结构122
6.2.3 数据源块123
6.2.4 数据仓库结构块123
6.2.5 数据站场结构块125
6.2.6 数据仓库的存取和使用模块125
6.2.7 数据管理层模块126
6.2.8 运输层模块127
6.2.9 基础结构层模块127
6.3 数据仓库系统及其开发过程128
6.3.1 数据仓库系统128
6.3.2 数据仓库的开发过程129
6.4 数据仓库管理系统中的关键技术130
6.4.1 引言130
6.4.2 系统结构131
6.4.3 系统主要模块及关键技术132
6.5 可视数据仓库135
6.5.1 引言135
6.5.2 可视数据仓库的功能136
6.5.3 数据仓库规模化的体系结构136
6.5.4 可视数据仓库的管理136
6.5.5 IBM可视数据仓库解决方案137
6.6 SAS数据仓库的结构与功能138
6.6.1 SAS数据仓库的体系结构138
6.6.2 SAS数据仓库的功能141
6.6.3 SAS数据仓库有助于数据开采143
第7章 数据仓库的数据建模和元数据144
7.1 数据仓库的数据概念模型144
7.2 数据仓库的数据组织145
7.2.1 数据仓库的数据组织方式145
7.2.2 多维数据库的组织方式145
7.2.3 OLAP的数据组织147
7.3 数据源建模147
7.4 数据仓库建模147
7.4.1 星状模型148
7.4.2 雪花模型149
7.4.3 混合模型150
7.5 元数据的概念150
7.6 元数据在数据仓库中的重要性152
7.6.1 元数据在数据仓库开发期间的重要性153
7.6.2 数据源抽取154
7.6.3 数据求精与重构工程155
7.6.4 访问与使用156
7.7 元数据的管理功能156
7.7.1 数据仓库内容的描述156
7.7.2 定义数据抽取和转换157
7.7.3 基于商业事件的抽取调度158
7.7.4 描述数据同步需求159
7.7.5 衡量数据质量指标159
7.7.6 数据仓库信息的目录160
7.7.7 信息目录的现状162
7.7.8 元数据的数据字典和纲目库163
7.8 元数据的标准化和商品化163
7.8.1 元数据的标准化163
7.8.2 元数据的商品化164
第8章 模型库及其管理系统165
8.1 模型与模型库的基本概念165
8.1.1 模型概念165
8.1.2 模型特点165
8.1.3 模型群和模型体系166
8.1.4 模型库168
8.2 模型生成技术171
8.2.1 传统建模方法及其缺陷171
8.2.2 模型生成技术172
8.2.3 模型生成的一般步骤173
8.2.4 模型的动态生成174
8.3 模型管理技术176
8.3.1 模型管理系统176
8.3.2 模型管理技术的发展过程176
8.3.3 模型管理系统的主要研究内容177
8.4 模型管理和数据管理的结合与结构179
8.4.1 引言179
8.4.2 模型管理和数据管理的结合179
8.4.3 第四代模型管理系统的结构180
第9章 知识发现方法183
9.1 数据开采和知识发现的区别与联系183
9.2 知识发现概念184
9.2.1 知识发现定义184
9.2.2 KDD的特点185
9.2.3 知识发现的一般过程186
9.2.4 知识发现的研究方向186
9.3 知识发现方法187
9.3.1 知识发现方法和算法187
9.3.2 实用的知识发现工具和应用系统192
9.4 基于数据库中的知识发现195
9.4.1 引言195
9.4.2 KDD处理过程195
9.4.3 数据开采的目标及方法196
9. 4. 4 数据库中的知识发现198
9. 4. 5 KDD系统简介及其WWW地址198
9. 5 基于数据库中的自动发现广义序贯模式200
9. 5. 1 引言200
9.5.2 广义序贯模式的有关概念201
9. 5.3 广义序贯模式的发现算法202
第10章 知识库系统206
10.1 基本概念206
10.1.1 数据206
10.1.2 信息206
10.1.3 知识206
10.1.4 知识的分类207
10.1.5 知识的属性208
10.1.6 推理方法208
10.1.7 知识库209
10.2 知识表示方法209
10.2.1 一阶谓词逻辑209
10.2.2 语义网络表示215
10.2.3 产生式规则218
10.2.4 框架理论221
10.3 知识库的建立223
10.3.1 DSS知识库的特点223
10.3.2 设计知识库系统的原则224
10.3.3 知识库的开发步骤225
10.4 问题处理系统226
10.4.1 PPS在DSS中的地位226
10.4.2 问题处理系统的分类227
10.4.3 PPS的工作过程228
10.4.4 问题处理系统的功能231
10.5 问题求解系统236
10.5.1 问题分析的基本方法236
10.5.2 求解途径240
10.6 推理机243
10.6.1 基本概念243
10.6.2 自动机245
10.6.3 形式语言245
参考文献249
Copyright(C)清华大学出版社有限公司,All Rights Reserved 京ICP备10035462号 联系我们