第一章：

1、  决策的概念、特征、过程（Simon的观点）、分类、模式

1)       概念：决策是经过周密的推断和分析后在众多替代方案中选择出最佳的方案。P6

2)       特征：每一个决策都以决策陈述、一批代替方案和一套决策准则。P7

3)       过程：每个决策都必须经过4个阶段：信息、设计、选择和实现。P10

A.       情报阶段：包括找出、识别和确切地表述需要做出决策的问题或情况。

B.       设计阶段：用于创立、发展和分析可能的行动方案。

C.       选择阶段：对在设计阶段开发的各项替代方案进行评估，从其中选择一项满意的行动方案。

D.       实施阶段：使一个推荐方案付诸实施

4)       分类：P14

1按决策性质的重要性（Anthony的控制类型）：战略决策、策略决策、执行决策

2按Simon决策阶段的结构化：结构化决策、非结构化决策、半结构化决策

3按决策与其他决策的依赖程度：独立决策、非独立决策

4按决策的对象和范围：宏观决策、微观决策

5按决策所用信息的性质：定性决策、定量决策、迷糊决策

6按决策环境：确定型决策、风险型决策

5)       模式：P20

1  R模式，即理性模式

这种决策模式可用来解决重复发生的问题，即 Simon称之为“程序化”的问题，R模式是管理信息系统支持的主要对象。

2  B模式，即有限理性模式

（1）由于承认决策过程中存在着系统的非确定性和决策效果的模糊性，所以B模式比R模式更突出管理者“判断”的作用。

（2）B模式是典型的半结构化决策模式，是DSS支持的主要对象。

3  F模式，即有效理性模式

它的特点不仅认为决策过程需要复杂的信息，而且还强调决策过程受动态的社会环境条件所约束；同时还承认管理者不仅只有有限的处理能力，并且可能带有偏见。

4  N模式，即非理性模式

依据该模式，决策是由一些相对独立的“流”聚集而成，并获得结果或解释的，因而决策行为的合理性是基于管理者行为的信念系统，是“事后”被解释的。

2.     DSS的理论基础

信息论、计算机技术、管理科学和运筹学、信息经济学、行为科学、人工智能、专家系统。

第二章：

1、  DSS的产生发展、概念特点

1)       DSS的发展的三个阶段：

A.       数据库阶段

   数据库阶段是DSS发展的初始阶段，它以数据库为基础，构成了传统决策支持系统 。

B.       数据仓库阶段

   数据仓库阶段是DSS发展的中期阶段

C.       商务智能阶段

它是以智能DSS的结构为基础所形成的系统。

2)       概念：决策支持系统具有交互式计算机系统的特征，帮助决策者利用数据和模型去解决半结构化问题。

3)       特征：

A.       用于半结构化或者非结构化的决策领域

B.       用来辅助决策者，而不是取代决策者

C.       交互式的，用户友好

D.       着重于决策指定过程的效果，而不是效率。

E.       使用基础的数据和模型

F.       6.强调对环境及用户决策方法改变的灵活性及适应性

G.       7.强调对环境及用户决策方法改变的灵活性及适应性

2、  DSS和MIS的区别联系、分类：

1)       DSS与MIS的联系

DSS是从MIS的基础上发展起来的，都是以数据库系统为基础，都需要进行数据处理，也都能在不同程度上为用户提供辅助决策信息。

2)       DSS与MIS的不同

MIS是面向中低层管理人员，为管理服务的系统，DSS是面向高层人员，为辅助决策服务的系统。MIS按事务功能(生产，销售，人事)综合多个事务处理的EDP，一般要经常维护数据，DSS是通过多个模型的组合计算辅助决策，一般只使用数据

3)       分类：文件抽屉，数据分析系统，信息分析系统，会计模型系统，表达模型系统，最佳模型系统，建议模型系统。

3、  了解GDSS、IDSS、I3DSS

群决策支持系统(GDSS)：两人或多人召集在一起，讨论实质性问题，提出解决某一问题的若干方案（或称设计解决问题的策略），评价这些策略各自的优劣，最后作出决策，这样的决策过程称为群决策。

IDSS是DSS和AI（人工智能）相结合的产物，其设计思想应着重研究把AI的知识推理技术和DSS的基本功能模块有机地结合起来。

智能型、交互型和集成化决策支持系统(intelligent, interactive and integrated DSS，IIIDSS也称I3DSS)是面向决策者、面向决策过程的综合性决策支持系统的一个功能框架。

第三章：

1.       两种主要的DSS基本结构：三部件及三系统之间的比较分析

 

 

 

 

 

 

三系统：DSS是由语言系统LS、问题处理系统PPS和知识系统 KS三部分组成

三部件：数据库，模型库，知识库

2.       DSS的技术层次

专用决策支持系统（SDSS），决策支持系统生成器（DSSG），决策支持系统工具（DSST）

3.       几种DSS的逻辑结构形式

三角式结构，串联结构，熔合式结构，以数据库为中心的结构。

第四章：

1.       模型库系统的构成

（课件）模型库，模型库管理系统，模型字典

（书上）模型库、建模系统、模型库使用维护系统、模型库管理系统构成

2.       模型的概念和特点、描述性模型和规范性模型之间的区别联系。

1)     概念：模型是以某种形式（如数学表达式、工作流程）对一个系统的本质属性的描述，以揭示系统的功能、行为及其变化规律

2)     特点：1．模型是现实世界的抽象。 2．使用简单。  3．节约时间。 4．降低费用。 5．运用模型便于进行灵敏度分析。 6．模型有助于学习和练习。

3.       模型程序组合的几种形式

 

 

 

 

 

4.       模型在计算机的表示方法和存储形式

1)       模型的程序表示（模型的程序表示方法适用于描述结构化的计算模型），

2)       模型的数据表示（模型的数据抽象可表示范围比较宽的经济学模型和优化模型。），

3)       语句表示（语句模型具有更大的灵活性，但功能比较单一），

4)       模型的逻辑表示（模型的逻辑表示对于描述含有定性、定量、半结构化和非结构化的决策模型具有十分重要的意义。）

 

5.       图形化建模技术中的结构化建模

在结构化建模中，一个模型图由三层具有不同抽象程度的图结构所构成：基本结构层，属类结构层，模块结构层。

PPT上第四章46页含例子

6.       了解模型字典

模型字典：模型字典用来存放有关模型的描述信息（如限制、约束、参数模型等）和模型的数据抽象。例如：（l）模型的内容；（2）模型的功能和用途；（3）模型的编码；（4）模型在模型库中存放的位置；（5）模型来源、出处；（6）模型的变量数和维数；（7）模型使用的算法程序及在方法库的位置 等。

模型字典中有关模型模块的详细说明可作为用户和系统人员查询模型库内容之用。

7.       模型库和模型软件包的区分（都是有模型组成的）

1)       模型软件包是多个软件组织在一起的形式，这种组织形式是一种松散的集合。组织结构松散、形式简单，各程序模型相互独立，适合于模型之间无关系的组织结构形式，各数据模型的数据各自封闭，一个模型程序的数据不可能使用另一个模型中的数据。当模型之间关系比较紧密，各模型的数据需要共享时，关键包便不再适用了。

2)       模型库具有动态性和组合性，而实现的基础是将模型集合理地分类。在逻辑上模型库应是各种模型的集合，由模型库管理系统进行管理，每个模型都具有辅助决策能力，多个模型能有效地组织成系统，多个模型的连接需要利用共享的数据库。

第五章：

1、DSS数据库和MIS数据库的区别与联系

1)       区别：MIS数据库注重细节，数据量小，知识管理，细节数据，操作量小，更新速度快，直接面向应用，设计组织内部的数据，相对单一。

DSS数据库具有析取数据的能力，数据更新周期慢，涉及组织内外部的数据，数据量大，多重数据来源，存取能力强，响应时间快，以MIS DB为基础，使用者关心的不是具体的业务数据本身，而是这些数据表现出来的整体趋势或变化趋势。

2)       联系：

 

2、  DSS数据库的设计方案

1)     数据来源：内部数据，外部数据，个人数据。

2)     三种设计方案：

A.       一是与业务管理数据库相结合构成一个统一型的数据库。由于要考虑DSS的要求，这种数据库的数据将呈现关系复杂的多样性特征，特别要实现决定哪些数据采用何种组织方式和结构，以及采用何种存取方法，几乎是不可能的。这种方法很难取得成功。

B.       不考虑已有的业务管理数据库，而建立独立的DSS数据库。这在技术上容易实现，对专用DSS的适应性也较好，但同一数据可能在不同数据库重复存储，使得冗余度增加和产生数据的不一致性，也没有充分利用现有业务数据库这一宝贵资源。

C.       从已有业务管理数据库中析取、加工成决策所需的数据以形成DSS数据库。这种设计方案，既可以对析取、加工的内部数据根据与决策者要求相近的结构来存储和访问，又不会过多地增加DSS方面设计数据库的负担，从外部纳入特定的数据也比较容易。

3、  方法库的优点

方法库系统主要是一个软件系统,它综合了数据库和程序库,它为求解模型提供算法,可使DSS更有活力.

（1）提供各种通用计算、分析、加工处理的能力。

（2）提高模型运行的效率。用户可以从模型库中调出所需要的模型，同时从方法库中调出相应的方法程序，通过联结，有效地完成模型的运算和分析。

（3）实现软件资源的共享。由于建立了方法库，对于模型库中的模型，就无需考虑每一个模型都配置一个或多个算法，而是各种模型共享一类方法程序，或一类模型共享多个方法程序。

4、  知识表示技术（谓词逻辑、框架、产生式规则、语义网络）、知识推理技术（正反推理、与或推理树）

1） 一阶谓词逻辑

ü       量词：" 、  $ ，分别为全称量词和存在量词

ü       例子：“所有的机器人都是灰色的”

（ " x） [ ROBOT (x)=> COLOR (x, GRAY)]

2）  语义网络：当知识涉及有互联特性的对象和群族时,用语义网络表示法 更有效。语义网络是一种采用网络的形式表示人类知识的方法。语义网络是一个由节点和边组成的带标识的一种有向图，其节点表示事物、对象、概念、行为、性质、状态等；有向边表示节点之间的某种联系或关系。

3）  框架表示法是在框架理论的基础上发展起来的一种结构化知识表示方法。 但在框架表示法中,事物之间的相互关系是基于共享特性而不是层次关系。

框架由一组描述物体的各个方面的槽（属性）所组成。每个槽（属性）又可包含若干侧面所组成，每个侧面都有自己的名字和填入的值。框架适合表达结构性的知识。

下面是一个描述“教师”的框架：

    框架名：<教师>

    类属：<知识分子>

    工作： (教学，科研)

    性别：(男，女)

    学历：(中师，高师)

    类型：(<小学教师>，<中学教师>，<大学教师>)

4）  产生式规则

正、反向推理过程

A.      正向推理

逐条搜索规则库，对每一条规则的前提条件，检查事实库中是否存在。前提条件中各子项，若在事实库中不是全部存在，放弃该条规则。若在事实库中全部存在，则执行该条规则，把结论放入事实库中。反复循环执行上面过程，直至推出目标，并存入事实库中为止。属条件驱动的推理。

B.      反向推理

逆向推理是从目标开始，寻找以此目标为结论的规则，并对该规则的前提进行判断，若该规则的前提中某个子项是另一规则的结论时，再找以此结论的规则。重复以上过程，直到对某个规则的前提能够进行判断。按此规则前提判断（“是”或“否”）得出结论的判断，由此回溯到上一个规则的推理，一直回溯到目标的判断。目标驱动。

C.       推理树（知识树），即“与或”推理树

若有规则集如下，画出“与、或”推理树 A∨（B∧C）→G （I∧J）∨K→A X∧F→J L→B　 M∨E→C W∧Z→M 、P∧Q→E

D.       不确定性推理

(1) 事实的不确定性 (2) 规则的不确定性 (3)推理的不确定性

可信度的计算公式

1)  前提中AND（与）连接时

　　IF  E₁∧E₂∧...∧E_N  THEN  H      CF(R)

　　结论H的可信度为：CF(H)＝CF(R)´ MIN{CF(E₁)，CF(E₂)…CF(E_N)}  

2) 前提中OR（或）连接时:

　　IF   E₁ OR E₂    THEN    H   CF(R)

 转化成等价的两条规则，即IF　E₁　THEN　H　CF(R)   IF　E₂　THEN　H　CF(R)

则结论H的可信度计算分别有：

　　CF1(H)＝CF(R₁) ´CF(E₁)

　　CF2(H)＝CF(R₂) ´CF(E₂)

合并为：CF(H)＝CF1(H)+CF2(H)－CF1(H) ´CF2(H)

Ø       不确定性推理和确定性推理的区别

例如，有两条相同结论的规则

　　R₁：A→G；　　R₂：B∧C→G

对于确定性推理过程为：

先引用规则R₁，提问A？当回答为yes时，推得结论G成立，即yes，这样就不再搜索R₂对结论G进行推理。

对于不确定性推理时，该两规则均含可信度。

R₁：A→G　  CF(0.8)；　R₂：B∧C→G　  CF(0.9)

推理时，先引用规则R₁，提问A？当回答为yes时，还须给定可信度，设为CF(0.7），求得G的可信度为：CF1(G)＝0.8´0.7＝0.56

由于G的可信度不为1，还必须对结论G的其它规则进行推理。再引用规则R₂，提问B和C？

R₂：B∧C→G　  CF(0.9)

　　设回答B为yes，CF(0.7)，回答C为yes，CF(0.8)，计算G的可信度为：CF2(G)＝0.9´MIN{0.7，0.8}＝0.63

合并G的可信度为：

CF(G)＝CF1(G)+CF2(G)－CF1(G)×CF2(G)

           ＝0.56+0.63－0.56×0.63＝0.84

 

 

 

 

 

 

 

 

 

R3: J∧K→B                        CF(0.8)     R41: P→C                          CF(0.9)     R42: Q→C                          CF(0.9)     R51: F→D                          CF(0.6)     R52: R∧S→D                       CF(0.6) 第二步：用知识树推理

例：有如下规则集和可信度： 　　R1：A∧B∧C→G                  CF(0.8） 　　R2：D∨E→A           CF(0.7） 　　R3：J∧K→B           CF(0.8） 　　R4：P∨Q→C           CF(0.9） 　　R5：F∨（R∧S）→D         CF(0.6） 已知事实及可信度 　　F(0.4)，R(0.5)，S(0.6)，E(0)，J(0.4)，K(0.6)，P(0)，Q(0.4)。     对目标G进行推理求解。 解： 第一步：把规则分解为只含AND(∧)连接的规则，消去OR(∨)连接的规则：     R1 : A∧B∧C→G                   CF(0.8)     R21: D→A                          CF(0.7)     R22: E→A                          CF(0.7)

 

 

 

 

 

 

 

 

 

 

 

 

 

 

5、  了解知识获取

知识获取通常是由知识工程师与专家系统中的知识获取机构共同完成的。知识工程师负责从领域专家那里抽取知识，并用适当地模式把知识表示出来，而专家系统中的知识获取机构负责把知识转换为计算机可存储的内部形式，然后把它们存入知识库。在存储的过程中，要对知识进行一致性、完整性检测。

（1）主动式知识获取：知识处理系统根据领域专家给出的知识或资料，利用诸如归纳程序之类工具软件直接自动获取或产生知识并装入知识库中，亦称直接获取

（2）被动式知识获取：间接通过一个中介人授给知识处理系统，亦称间接获

知识获取方式有三种：

人工移植：在这种方式中，知识获取分两步走，首先, 利用知识工程师熟悉知识表示和组织，用确定的知识表示语言描述从领域专家或有关的技术文献处获取非模式化知识，然后模式化后由知识工程师用某种知识编辑软件(知识编译器)将获取的知识输人到知识库中。

 

 

 

机器学习：机器通过学习，获取知识，进行知识积累，对知识库进行更新。机器学习有示教式学习和自学式学习。系统不仅可以直接与领域专家对话，而且还能从系统自身的运行实践中总结、归纳出新的知识，发现知识中可能存在的错误，不断自我完善，建立起性能优良、知识完善的知识库。

 

 

 

机器感知：通过机器的视觉、听觉等途径，直接感知外部世界，输人自然信息，获取感性和理性知识。为达到这一目的，机器应具备如下能力：具有识别语音、文字、图像的能力；具有理解、分析、归纳能力。

 

 

 

第六章：

1、  数据仓库的由来、概念，与数据库的主要区别

定义1  数据仓库是面向主题的、集成的、随时间变化的、历史的、稳定的、支持决策制定过程的数据集合。

定义2  数据仓库是作为DSS基础的分析型DB，用来存放大容量的只读数据，为制定决策提供所需的信息。

定义3  数据仓库是与操作型系统相分离的、基于标准企业模型集成的、带有时间属性的。即与企业定义的时间区段相关，面向主题且不可更新的数据集合。

区别：

1)     数据库是面向业务的，使用者是企业的一般业务人员，进行企业日常的数据处理和维护工作；

2)     数据仓库是面向决策的，使用者是企业的高层管理人员，它也是使用关系数据库，但数据仓库并不负责处理业务，而是把企业运行数据收集以后用于分析和决策，它的数据来源是企业的业务数据库，甚至Excel表格或文本文件；

3)     数据库注重的是企业运行的当前数据，任务是收集和记录企业的原始业务数据；而数据仓库面对的是非即时性的历史数据，任务是通过从企业的业务数据中提取业务数据。

2、  数据集市(DM)

数据集市（data  marts）通常是指较为小型化、针对特定目标且建设成本较低的一种数据仓库。数据集市可分为两种，独立的数据集市和非独立的数据集市。前者是根据操作数据独立形成的，后者是从中央数据仓库派生出来的。

3、  联机分析处理技术（多维数据分析）

联机分析处理技术（OLAP）是针对特定问题的联机数据访问和分析。通过对转换后信息的很多种可能的观察和形式进行快速，一致和交互的存取，实现对数据进一步的观察。

4、  数据挖掘的概念（P227）、与知识发现的区别联系、分类

数据挖掘是一个决策支持过程，主要基于AI，统计学等技术，自动分析企业原有技术，做出归纳性推理，挖掘潜在模式，预测顾客行为，帮助决策者调整市场策略，进行正确决策。

综合书上其他六个定义，可以定义数据挖掘为将不同的数据源中的数据，通过一定的工具与方法寻找出有价值的知识的数据分析方法。

数据仓库与数据挖掘之间的关系，它将数据仓库，OLAP，数据挖掘融合在一起，构成企业决策分析环境。（P241）

与知识发现的区别（百度）：知识发现输出的是规则，数据挖掘输出的是模型。

与知识发现的共同点（百度）：

（1）输入的都是学习集

（2）目的都是尽可能多的自动化数据挖掘过程。 

（3）数据挖掘过程并不能完全自动化，只能半自动化。

数据挖掘的类型：直接数据挖掘、间接数据挖掘、描述式数据挖掘、预测式数据挖掘。

5、  数据挖掘和联机分析处理、数据仓库之间的联系

 

 

 

 

 

 

①从数据仓库的观点，数据挖掘可以看作是联机分析处理的高级阶段。但是作为更高级的数据分析技术，数据挖掘比数据仓库的汇总型分析处理要详细和深入得多。②从数据仓库中直接得到进行数据挖掘的数据有许多好处。数据仓库的数据清理和数据挖掘的数据清理差不多。③数据挖掘库可能是数据仓库的一个逻辑上的子集，而不一定非得是物理上单独的数据库。当然，为了数据挖掘，也不必非得建立一个数据仓库。

6、  数据仓库的设计思路

1)       收集和分析业务需求

2)       建立数据模型和数据仓库的物理设计

3)       定义数据源

4)       选择数据仓库技术和平台

5)       从操作型数据库中提取、转换和净化数据并加载到数据仓库

6)       选择访问和报表工具。

7)       选择数据库连接软件

8)       选择数据分析和数据展示软件

9)       更新数据仓库

第七章：

1、DSS开发的特点

1)     交互设计。突破传统系统开发生命周期的概念，强调分析和设计的动态性。

2)     用户的参与。即用户不仅是参与者，而且还是系统的主要设计者和管理者。

3)     结合决策风格。

4)     开发时间。尽可能缩短交互设计的每一次的循环时间。

5)     基于生成系统的积木式设计。

6)     学习和创造。

2、理解DSS的开发过程（综合部件、模型部件、数据部件的集成）

1)      DSS的初步设计

①     对于复杂的决策问题，将其分解成多个子问题并进行功能分析；同时，对各子问题之间的关系以及它们之间的处理顺序进行问题综合设计。

②      对各子问题的模型设计与选择。

③      对各子问题的数据设计。考虑数据提供辅助决策的需求、为模型计算提供所需要的数据。

2)      DSS的详细设计

①     对数据的详细设计包括数据文件设计和数据库的设计。

②      对模型的详细设计包括模型算法设计和模型库的设计。对模型程序文件的组织和存贮是模型库设计的主要任务。

3)       各部件编制程序

①       数据部件的处理

②       模型部件的处理

③       综合部件的处理：编制DSS总控详细流程图，选用合适的计算机语言，或者自行设计DSS语言来编制程序。

4)       开发流程：

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

DSS详细设计

DSS系统分析

DSS初步设计

各部件编制程序

DSS集成

3、ROMC方法

1)      含义：是一种基于分解决策过程基本活动的方法，其基本思想是建立起DSS的要求和能力之间的关系，并力求减小它们之间的差异。侧重于对开发过程的表述（Representations）、操作（Operations）、记忆辅助（Memory Aids）、控制机制（Control Mechanisms）的分析与理解。为了满足DSS的3个主要领域（战略规划、运筹规划和作业安排）所提出的基本要求，从而为DSS的部件设计提供的一种规范的分析方法。

2)      原理：

（1）         表述:使问题概念化。用描述信息的概念化模型来表达决策过程中活动的内容。

（2）         操作

a)      表达进行加工。

b)      把表述所形成的概念模式变成相应的动作。

c)      采用Simon决策过程的分析、设计、选择这种规范模型帮助对决策的操作进行分类。

（3）         记忆辅助

a)      表达与加工的存贮支持。

b)      包含机构内部和外部信息源的数据库

c)      数据库的视图可显示表述的内容并保存由操作所产生的中间结果的工作空间

（4）         控制机制

a)      控制、协调整个系统。

b)      主要功能是指导决策者如何使用DSS，也让决策者能够获得风格、技能和知识以便有效地利用DSS。

c)      具体形式有3种：让用户较方便地使用控制方法的机制、帮助决策者掌握DSS的操作方法、帮助决策者改变其操作的能力。

3)      主要特点：过程独立的；依赖表达式作为联系DSS各部分的纽带；提供了DSS分析和设计的框架，但方法本身并没有提供实现DSS结构的具体技术。

 

 

 

 

 

 

 

 

 

 

 

 

实例

否

是

识别决策过程的基本活动

分析每一活动的表述，操作，记忆辅助和控制机制，然后进行综合

快速形成系统

支付费用

修改，扩展系统

用户满意意

开始

表示方法	记忆辅助	操作	控制辅助
文件列表； 图表； 研究报告； 模拟输出； 过程构成语言的语法	为每一个表示方法提供工作空间；表示方法程序库；数据库、文件数据、研究数据、股票数据	对图形的一组操作；对股票清单上的一组操作； 对研究报告的一组操作；一组模拟操作；一组构造过程操作	用菜单显示操作； 为系统决策提供训练指导，提供帮助