決策支持系統(tǒng)與人工智能課件

第6章決策支持系統(tǒng)與人工智能學(xué)時(shí)：2重點(diǎn)：決策支持系統(tǒng)的概念數(shù)據(jù)倉(cāng)庫(kù)與數(shù)據(jù)挖掘技術(shù)專家系統(tǒng)與人工智能·難點(diǎn)：數(shù)據(jù)倉(cāng)庫(kù)與數(shù)據(jù)挖掘2023/7/31課件編寫：肖洪生6.1決策支持系統(tǒng)

DecisionSupportSystem——DSS1、概念MIS在事務(wù)管理層能很好地滿足實(shí)際需要；決策則要從制定目標(biāo)、收集信息、方案探索與比較多個(gè)方面進(jìn)行，MIS難以滿足要求；結(jié)構(gòu)化決策是：目標(biāo)、規(guī)則均明確，MIS可有效支持決策各個(gè)階段的工作；半結(jié)構(gòu)化決策是：目標(biāo)不清晰、多目標(biāo)沖突，方案選擇規(guī)則不清楚，MIS不能完全支持決策問(wèn)題。實(shí)際中，半結(jié)構(gòu)決策問(wèn)題較多。2023/7/32課件編寫：肖洪生對(duì)DSS的理解有幾種觀點(diǎn)；廣義DSS——多學(xué)科交叉、高技術(shù)手段運(yùn)用，解決半決策化問(wèn)題，強(qiáng)調(diào)“人——機(jī)”交互，收集信息數(shù)據(jù)，幫助決策層制定目標(biāo)、建立模型、方案分析、比較、優(yōu)化等；狹義DSS——利用數(shù)據(jù)、模型、方法、知識(shí)推理進(jìn)行半結(jié)構(gòu)化決策的“人——機(jī)”系統(tǒng)；“支持”不是代替，僅起輔助作用。2、DSS的特點(diǎn)面向決策層——幫助決策層懼資料，進(jìn)行分析、設(shè)計(jì)；決策人員起主導(dǎo)作用，DSS要考慮用戶的特點(diǎn)，如行業(yè)要求、決策人員的知識(shí)背景、愛好等；DSS主要解決半結(jié)構(gòu)化決策問(wèn)題；“支持”而不代替；模型與用戶共同驅(qū)動(dòng)——根據(jù)歷史數(shù)據(jù)、當(dāng)前數(shù)據(jù)，對(duì)未來(lái)進(jìn)行基于知識(shí)的推理，同時(shí)積累；DSS的基礎(chǔ)是數(shù)據(jù)庫(kù)、模型庫(kù)、方法庫(kù)、知識(shí)庫(kù)；強(qiáng)調(diào)“人——機(jī)”交互；推理規(guī)則；2023/7/33課件編寫：肖洪生3、DSS與MIS的區(qū)別DSS與MIS的聯(lián)系——MIS是DSS的基礎(chǔ)，MIS主要面對(duì)結(jié)構(gòu)化決策，DSS主要面對(duì)半結(jié)構(gòu)化決策；DSS與MIS的區(qū)別——DSS主要面對(duì)中、高決策層，進(jìn)行半結(jié)構(gòu)化決策，與MIS在如下幾個(gè)方面有區(qū)別：MIS用于日常業(yè)務(wù)，DSS用于管理目標(biāo)與決策；MIS追求過(guò)程最優(yōu)，DSS追求可行方案，不要求最優(yōu)；MIS要求工作環(huán)境穩(wěn)定，保障日常業(yè)務(wù)正常；MIS強(qiáng)調(diào)系統(tǒng)、客觀、科學(xué)、最優(yōu)，DSS強(qiáng)調(diào)經(jīng)驗(yàn)、判斷、創(chuàng)造；MIS是數(shù)據(jù)驅(qū)動(dòng)、DSS是模型與用戶共同驅(qū)動(dòng)；MIS希望盡量少的人為干擾，DSS要求更多的“人——機(jī)”會(huì)話，強(qiáng)調(diào)“人”的作用；MIS體現(xiàn)全局、整體，DSS體現(xiàn)決策人的需要。2023/7/34課件編寫：肖洪生4、DSS的發(fā)展智能化DSS——知識(shí)工程+人工智能+專家系統(tǒng)，為處理不確事實(shí)上性領(lǐng)域的問(wèn)題提供技術(shù)保證；群體DSS——從個(gè)體DSS發(fā)展到群體DSS，操作環(huán)境升級(jí)，比個(gè)體DSS在決策更為優(yōu)越；行為導(dǎo)向DSS——利用“行為科學(xué)”來(lái)引導(dǎo)、支持決策者，而不僅僅用信息科學(xué)來(lái)支持決策，這是今后DSS發(fā)展的主要方向。5、DSS的框架結(jié)構(gòu)DataBase、ModelBase——兩庫(kù)結(jié)構(gòu)；見圖6.1智能DSS框架，見圖6.22023/7/35課件編寫：肖洪生數(shù)據(jù)庫(kù)DB模型庫(kù)MB模型庫(kù)管理系統(tǒng)MBMS用戶接口用戶數(shù)據(jù)庫(kù)管理系統(tǒng)DBMS圖6.1DDM框架結(jié)構(gòu)——兩庫(kù)結(jié)構(gòu)2023/7/36課件編寫：肖洪生數(shù)據(jù)采集知識(shí)獲取用戶模型設(shè)計(jì)DBDBMSMBMBMSKBKBMS處理控制系統(tǒng)分析評(píng)價(jià)系統(tǒng)自動(dòng)推理機(jī)智能化用戶接口圖6.2智能DSS框架結(jié)構(gòu)2023/7/37課件編寫：肖洪生6.2數(shù)據(jù)倉(cāng)庫(kù)與數(shù)據(jù)挖掘1、數(shù)據(jù)倉(cāng)庫(kù)定義與特征——對(duì)歷史數(shù)據(jù)進(jìn)行集成化收集與處理的信息機(jī)構(gòu)；這些歷史數(shù)據(jù)可以從多個(gè)信息系統(tǒng)環(huán)境中收集并整理，對(duì)決策起輔助任作用其特征是：面向主題——按企業(yè)關(guān)心的主題進(jìn)行數(shù)據(jù)收集與整理；集成化——從不同數(shù)據(jù)環(huán)境中收集的數(shù)據(jù)，能按內(nèi)容進(jìn)行格式統(tǒng)一，如名字轉(zhuǎn)換、度量統(tǒng)一、結(jié)構(gòu)編碼與物理屬性一致處理等；時(shí)變性——體現(xiàn)在如下幾方面數(shù)據(jù)倉(cāng)庫(kù)中的數(shù)據(jù)是一段時(shí)間上如一季度）的表現(xiàn)；倉(cāng)中數(shù)據(jù)具有相同的鍵結(jié)構(gòu)、其中包含時(shí)間因素；在記錄周期內(nèi)，倉(cāng)中數(shù)據(jù)一旦記錄后則不能更新；非活性——倉(cāng)中數(shù)據(jù)不能修改、刪除，只有整理、初始化數(shù)據(jù)時(shí)才能修改，通常使用倉(cāng)中數(shù)據(jù)不會(huì)影響。2023/7/38課件編寫：肖洪生2、數(shù)據(jù)倉(cāng)庫(kù)結(jié)構(gòu)——倉(cāng)中數(shù)據(jù)分為如下幾個(gè)層次當(dāng)前詳細(xì)數(shù)據(jù)——當(dāng)前發(fā)生、用戶感興趣的數(shù)據(jù)。處于倉(cāng)庫(kù)底層，數(shù)量龐大；管理復(fù)雜；歷史詳細(xì)數(shù)據(jù)——統(tǒng)一格式存儲(chǔ)（外存）、存取頻率低，但與當(dāng)前數(shù)據(jù)詳細(xì)水平相當(dāng)；輕度概略數(shù)據(jù)——從當(dāng)前詳細(xì)數(shù)據(jù)中提練出來(lái)的數(shù)據(jù)，與時(shí)間段、內(nèi)容、屬性有關(guān)；高度概略數(shù)據(jù)——高度壓縮、容易存取的數(shù)據(jù)，在倉(cāng)庫(kù)最上層，常被外界引用。超數(shù)據(jù)——操作環(huán)境不能直接提取的數(shù)據(jù)，由超數(shù)據(jù)進(jìn)行轉(zhuǎn)換、引導(dǎo)。2023/7/39課件編寫：肖洪生3、數(shù)據(jù)流程從操作環(huán)境進(jìn)入數(shù)據(jù)倉(cāng)庫(kù)——當(dāng)前詳細(xì)層；從低到高，數(shù)據(jù)被概略化，或取走、或刪除；提練數(shù)據(jù)進(jìn)入中、高層后，其余按時(shí)間推移進(jìn)入歷史數(shù)據(jù)詳細(xì)層；當(dāng)前詳細(xì)數(shù)據(jù)——輕度概略——高度概略——外界引用，過(guò)時(shí)數(shù)據(jù)進(jìn)入歷史詳細(xì)數(shù)據(jù)層。4、數(shù)據(jù)倉(cāng)庫(kù)的使用高層數(shù)據(jù)被使用的頻率高；歷史數(shù)據(jù)使用頻率低；2023/7/310課件編寫：肖洪生5、數(shù)據(jù)挖掘（DataMining——DM）技術(shù)應(yīng)用DM——從大量的數(shù)據(jù)中抽取有效的、新穎的、潛在有用的知識(shí)的過(guò)程DM的目的——提高市場(chǎng)決策能力，檢測(cè)異常模式、在過(guò)去的經(jīng)驗(yàn)基礎(chǔ)上預(yù)測(cè)未來(lái)；傳統(tǒng)決策——知識(shí)庫(kù)、規(guī)則是人為外部輸入的；DM中，從系統(tǒng)內(nèi)部獲取知識(shí)——從大量數(shù)據(jù)中挖掘出來(lái)的；對(duì)明確的決策信息，通過(guò)查詢、聯(lián)想機(jī)分析分析或其它分析工具獲取知識(shí)；對(duì)隱藏在大量數(shù)據(jù)中的關(guān)系、趨勢(shì)等信息，則需要通過(guò)數(shù)據(jù)挖掘來(lái)獲取。2023/7/311課件編寫：肖洪生（1）數(shù)據(jù)挖掘過(guò)程——數(shù)據(jù)準(zhǔn)備、挖掘操作、結(jié)果表達(dá)數(shù)據(jù)準(zhǔn)備集成：從多庫(kù)環(huán)境中進(jìn)行數(shù)據(jù)合并，解決語(yǔ)義模糊，處理遺漏、清洗臟數(shù)據(jù)；選擇：辨別需要的數(shù)據(jù)，縮小處理范圍、提高質(zhì)量；預(yù)處理：克服局限性；數(shù)據(jù)挖掘假設(shè)：系統(tǒng)產(chǎn)生假設(shè)——發(fā)現(xiàn)型的數(shù)據(jù)挖掘；用戶靠經(jīng)驗(yàn)產(chǎn)生假設(shè)——驗(yàn)證型數(shù)據(jù)挖掘；選擇合適工具；挖掘知識(shí)的操作；證實(shí)發(fā)現(xiàn)的知識(shí)；2023/7/312課件編寫：肖洪生結(jié)果表達(dá)和解釋對(duì)提取的信息進(jìn)行分析，區(qū)分出最有價(jià)值的信息，通過(guò)決策支持工具交給決策者。不能決策所用時(shí)，重新進(jìn)行挖掘。（2）數(shù)據(jù)挖掘典型的分析方法——問(wèn)題類型、規(guī)模不同，采用不同的分析方法關(guān)聯(lián)分析——同一事件中的不同項(xiàng)的關(guān)聯(lián)性：如：超市中，有70%的顧客買牙膏，其中有90%的顧客同時(shí)會(huì)買牙刷！記為：牙膏=>牙刷或：關(guān)聯(lián)規(guī)則A=>B

可信度C=同時(shí)買A、B的人數(shù)/只買A的人數(shù)；支持度S=同時(shí)購(gòu)買A或B的人數(shù)/總顧客人數(shù)；則：A=>B關(guān)聯(lián)規(guī)則是C=90%，S=70%；2023/7/313課件編寫：肖洪生序列分析——搜尋事件之間在時(shí)間上的關(guān)聯(lián)性如：超市中，有60%的顧客買A商品后，過(guò)一段時(shí)間有80%的顧客會(huì)再買B商品可信度C=先買A、后買B的人數(shù)/只買A的人數(shù)；支持度S=先后購(gòu)買A或B的人數(shù)/總顧客人數(shù)；則：A=>B序列模式C=80%，S=60%；分類分析

對(duì)數(shù)據(jù)庫(kù)中記錄分類并標(biāo)記，組成訓(xùn)練集；對(duì)訓(xùn)練集進(jìn)行分析，求出分類規(guī)則，再用此規(guī)則對(duì)其它數(shù)據(jù)庫(kù)中所有記錄進(jìn)行分類；聚類分析根據(jù)一定的分類規(guī)則,劃分記錄集,將數(shù)據(jù)庫(kù)中每條記錄聚集在相應(yīng)的集合之中.2023/7/314課件編寫：肖洪生（3）數(shù)據(jù)挖掘常用的技術(shù)——人工智能為基礎(chǔ)、數(shù)據(jù)庫(kù)、數(shù)理統(tǒng)計(jì)等決策樹——將訓(xùn)練集劃分成一組規(guī)則，從一個(gè)集合逐步劃分成多層次的子集，開成樹形結(jié)構(gòu)；人工神經(jīng)網(wǎng)絡(luò)——模仿生物神經(jīng)網(wǎng)絡(luò)，對(duì)非線性數(shù)據(jù)快速擬合；屬于非線性預(yù)測(cè)模型；遺傳算法——基于生物進(jìn)化的概念，設(shè)計(jì)一系列過(guò)程進(jìn)行優(yōu)化，通過(guò)基因組合、交叉、變異和自然選擇的方式進(jìn)行；簡(jiǎn)單貝葉斯——獨(dú)立事件概率統(tǒng)計(jì)，僅適用于分類問(wèn)題；對(duì)無(wú)條件數(shù)據(jù)限制其輸入；模糊和粗集——用此理論進(jìn)行數(shù)據(jù)查、排序、分類。2023/7/315課件編寫：肖洪生（4）數(shù)據(jù)挖掘的應(yīng)用——政府決策、商業(yè)經(jīng)營(yíng)、企業(yè)戰(zhàn)略決策等，如：金融決策——用神經(jīng)網(wǎng)絡(luò)或統(tǒng)計(jì)回歸模型預(yù)測(cè)，對(duì)各種投資方向的有關(guān)數(shù)據(jù)進(jìn)行分析，選擇最佳投資方向；保險(xiǎn)決策——以數(shù)據(jù)倉(cāng)庫(kù)為基礎(chǔ)，聯(lián)機(jī)分析處理、數(shù)據(jù)挖掘?yàn)楣ぞ?，預(yù)測(cè)顧客保險(xiǎn)模式，建成保險(xiǎn)決策支持系統(tǒng)?！?023/7/316課件編寫：肖洪生6、基于數(shù)據(jù)倉(cāng)庫(kù)的DSS的結(jié)構(gòu)MIS在結(jié)構(gòu)化事務(wù)處理方面非常成功，對(duì)半結(jié)構(gòu)化決策力不從心。DSS主要提供對(duì)半結(jié)構(gòu)化、非結(jié)構(gòu)化決策的人機(jī)交互系統(tǒng)，支持決策，有效地彌補(bǔ)MIS的不足；傳統(tǒng)的DSS與MIS建立在相同的數(shù)據(jù)基礎(chǔ)上，難以快速、有效、科學(xué)地支持決策；數(shù)據(jù)倉(cāng)庫(kù)在數(shù)據(jù)庫(kù)的基礎(chǔ)上，將異庫(kù)、異地?cái)?shù)據(jù)源提供的數(shù)據(jù)進(jìn)行整合——集成、存儲(chǔ)、提取、維護(hù)，以支持高層決策。2023/7/317課件編寫：肖洪生1、現(xiàn)有DSS的結(jié)構(gòu)與不足現(xiàn)有DSS的結(jié)構(gòu)如下圖6.3、6.4所示：人機(jī)交互系統(tǒng)模型庫(kù)管理系統(tǒng)、模型庫(kù)數(shù)據(jù)庫(kù)管理系統(tǒng)、數(shù)據(jù)庫(kù)用戶圖6.3傳統(tǒng)DSS結(jié)構(gòu)人機(jī)交互系統(tǒng)模型庫(kù)管理系統(tǒng)、模型庫(kù)知識(shí)庫(kù)管理系統(tǒng)推理機(jī)、知識(shí)庫(kù)圖6.4引入知識(shí)推理的DSS結(jié)構(gòu)用戶數(shù)據(jù)庫(kù)管理系統(tǒng)、數(shù)據(jù)庫(kù)2023/7/318課件編寫：肖洪生現(xiàn)有DSS的不足主要體現(xiàn)在：加工能力差——處理能力強(qiáng)，分析能力差；數(shù)據(jù)質(zhì)量差——日常原始數(shù)據(jù)，散亂、格式不統(tǒng)一，訪問(wèn)效率低；技術(shù)支持與相應(yīng)工具缺乏；知識(shí)推理困難。2、數(shù)據(jù)倉(cāng)庫(kù)的特征和休系結(jié)構(gòu)DW的主要功能是：將決策所需數(shù)據(jù)從營(yíng)運(yùn)數(shù)據(jù)庫(kù)中提取出來(lái)，將分散、訪問(wèn)困難的營(yíng)運(yùn)數(shù)據(jù)轉(zhuǎn)化為集中、統(tǒng)一、隨時(shí)可用的數(shù)據(jù)信息，同時(shí)提高數(shù)據(jù)信息處理的速度與效率。2023/7/319課件編寫：肖洪生數(shù)據(jù)倉(cāng)庫(kù)的技術(shù)特征面向管理、集成綜合、歷史數(shù)據(jù)、隨時(shí)間推移；以業(yè)務(wù)數(shù)據(jù)為數(shù)據(jù)源，提練、加工、匯總、整理，以適應(yīng)應(yīng)用需求；支持多種復(fù)雜數(shù)據(jù)的綜合應(yīng)用和綜合性管理決策。數(shù)據(jù)倉(cāng)庫(kù)的體系結(jié)構(gòu)從多個(gè)不同的數(shù)據(jù)源提取數(shù)據(jù)、經(jīng)轉(zhuǎn)換為統(tǒng)一格式后集成，構(gòu)成數(shù)據(jù)倉(cāng)庫(kù)；用戶決策時(shí)，從數(shù)據(jù)倉(cāng)庫(kù)查詢所需信息；數(shù)據(jù)倉(cāng)庫(kù)的基本體系結(jié)構(gòu)如圖6.5所示。2023/7/320課件編寫：肖洪生關(guān)系數(shù)據(jù)庫(kù)數(shù)據(jù)文件其它數(shù)據(jù)倉(cāng)庫(kù)管理工具抽取、轉(zhuǎn)換、裝載元數(shù)據(jù)庫(kù)數(shù)據(jù)建模工具綜合數(shù)據(jù)當(dāng)前數(shù)據(jù)歷史數(shù)據(jù)用戶查詢工具C/S工具OLAP工具DM工具圖6.5數(shù)據(jù)倉(cāng)庫(kù)的基本體系結(jié)構(gòu)數(shù)據(jù)源倉(cāng)庫(kù)管理數(shù)據(jù)倉(cāng)庫(kù)分析工具2023/7/321課件編寫：肖洪生3.基于數(shù)據(jù)倉(cāng)庫(kù)的DSS結(jié)構(gòu)數(shù)據(jù)倉(cāng)庫(kù)從多種數(shù)據(jù)源中抽取、轉(zhuǎn)化、集成，形成統(tǒng)一、穩(wěn)定的決策所用數(shù)據(jù)；在數(shù)據(jù)倉(cāng)庫(kù)基礎(chǔ)上，OLAP（聯(lián)機(jī)分析處理）、DM（數(shù)據(jù)模型）兩種分析工具特別適合于決策分析；OLAP主要采用時(shí)序趨勢(shì)分析、視圖旋轉(zhuǎn)、深入訪問(wèn)等多維分析方法，從而發(fā)現(xiàn)趨勢(shì)，……；DM則主要從大型數(shù)據(jù)集中發(fā)現(xiàn)數(shù)據(jù)模式，預(yù)測(cè)趨勢(shì)和行為，提有價(jià)值的信息，……；在數(shù)據(jù)倉(cāng)庫(kù)的基礎(chǔ)上，結(jié)合OLAP與DM分析工具，開發(fā)新型DSS，對(duì)倉(cāng)中數(shù)據(jù)進(jìn)行跨主題的在線分析，供及時(shí)、準(zhǔn)確決策；其DSS結(jié)構(gòu)如圖6.6所示。2023/7/322課件編寫：肖洪生人機(jī)交互系統(tǒng)知識(shí)庫(kù)管理系統(tǒng)推理機(jī)知識(shí)庫(kù)模型庫(kù)管理系統(tǒng)模型庫(kù)決策信息知識(shí)信息數(shù)據(jù)倉(cāng)庫(kù)管理系統(tǒng)數(shù)據(jù)倉(cāng)庫(kù)數(shù)據(jù)抽取、轉(zhuǎn)換和裝載（數(shù)據(jù)采集）數(shù)據(jù)庫(kù)管理系統(tǒng)數(shù)據(jù)庫(kù)DM工具OLAP工具用戶圖6.6基于數(shù)據(jù)倉(cāng)庫(kù)的決策支持系統(tǒng)2023/7/323課件編寫：肖洪生6.3人工智能1、專家系統(tǒng)（ExpertSystem——ES）利用知識(shí)推理過(guò)程解決復(fù)雜問(wèn)題的計(jì)算機(jī)智能程序，良要由五大部分組成：知識(shí)獲取——收集人類專家的成功案例、經(jīng)驗(yàn)，歸納其中的精華、構(gòu)成知識(shí)；知識(shí)庫(kù)——分類整理，形成知識(shí)庫(kù)（由規(guī)則庫(kù)、數(shù)據(jù)庫(kù)組成）；知識(shí)庫(kù)管理系統(tǒng)——程序化處理；推理機(jī)構(gòu)——判斷規(guī)則程序化；用戶接口——用戶界面。2023/7/324課件編寫：肖洪生2、神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)的缺點(diǎn)是：專家建立、專家使用，難以推廣。神經(jīng)網(wǎng)絡(luò)方法的基本原理按照人類大腦的活動(dòng)原理，構(gòu)造數(shù)據(jù)驅(qū)動(dòng)的非線性模型；組成要素為：神經(jīng)元結(jié)構(gòu)模型、網(wǎng)絡(luò)連接模型、網(wǎng)絡(luò)學(xué)習(xí)算法；神經(jīng)元連接模型是：輸入層、中間層、輸出層共3層神經(jīng)元，相鄰層之間有帶權(quán)值的線連接；神經(jīng)網(wǎng)絡(luò)工作時(shí)，要先進(jìn)行學(xué)習(xí)、訓(xùn)練——即神經(jīng)元連接不斷調(diào)整自身的權(quán)值，使神經(jīng)網(wǎng)絡(luò)的輸出值與期望值的方差最小。學(xué)習(xí)效果好壞直接影響預(yù)測(cè)精度。2023/7/325課件編寫：肖洪生神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)模型多個(gè)輸入，一個(gè)輸出之間的函數(shù)關(guān)系：

xi=wixi-1+siyi=f(xi)

上式中，si為反饋信息，wi為權(quán)值，f為特性函數(shù)，yi為神經(jīng)元的輸出；根據(jù)輸入、輸出特性的不同，選擇不同的特性函數(shù)。常用特性函數(shù)的線性函數(shù)、Sigmoid函數(shù)、雙曲正切函數(shù)等。2023/7/326課件編寫：肖洪生神經(jīng)網(wǎng)絡(luò)的連接模型

多個(gè)神經(jīng)元連接成一個(gè)網(wǎng)絡(luò)，具體有單層、多層、循環(huán)連接幾種連接形式；學(xué)習(xí)算法用一組輸入向量，采用預(yù)先確定的算法，慢慢調(diào)整網(wǎng)絡(luò)的權(quán)值，使之產(chǎn)生一組期望的

輸出向量，由于神經(jīng)網(wǎng)絡(luò)的非線性關(guān)系，各變量的關(guān)系隱含于網(wǎng)絡(luò)系統(tǒng)之中，無(wú)關(guān)數(shù)據(jù)之間不能使網(wǎng)絡(luò)收斂，故由此可以排除不相關(guān)數(shù)據(jù)。2023/7/327課件編寫：肖洪生神經(jīng)網(wǎng)絡(luò)的反向傳播算法（B-P算法）

B-P算