管理信息系统-决策支持系统与人工智能课件.ppt
- 【下载声明】
1. 本站全部试题类文档,若标题没写含答案,则无答案;标题注明含答案的文档,主观题也可能无答案。请谨慎下单,一旦售出,不予退换。
2. 本站全部PPT文档均不含视频和音频,PPT中出现的音频或视频标识(或文字)仅表示流程,实际无音频或视频文件。请谨慎下单,一旦售出,不予退换。
3. 本页资料《管理信息系统-决策支持系统与人工智能课件.ppt》由用户(晟晟文业)主动上传,其收益全归该用户。163文库仅提供信息存储空间,仅对该用户上传内容的表现方式做保护处理,对上传内容本身不做任何修改或编辑。 若此文所含内容侵犯了您的版权或隐私,请立即通知163文库(点击联系客服),我们立即给予删除!
4. 请根据预览情况,自愿下载本文。本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
5. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007及以上版本和PDF阅读器,压缩文件请下载最新的WinRAR软件解压。
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 管理信息系统 决策 支持系统 人工智能 课件
- 资源描述:
-
1、1决策支持系统与人工智能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26.1 6.1 决策支持系统决策支持系统1、概念概念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。3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“
2、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u“支持”不是代替,仅起辅助作用。面向决策层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;DSSDSS主要解决半结构化决策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;强调强调“人人机机”交互交互;推理规则推理规则;43 3、DSSDSS与与MIS
3、MIS的区别的区别l DSSDSS与与MISMIS的联系的联系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;l DSSDSS与与MISMIS的区别的区别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、
4、整体,DSS体现决策人的需要。5 智能化智能化DSSDSS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;群体群体DSSDSS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;行为导向行为导向DSSDSS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。5 5、DSSDSS的框架结构的框架结构 Data Base、Model Base两库结构;见图6.1 智能DSS框架,见图6.26数据库DB模型库MB模型库管理系统MBMS用户接口用 户数据库管理系统DBMS图图6.1 DDM6.1 DDM框架结构框架
5、结构两库结构两库结构7数据采集知识获取用户模型设计DBDBMSMBMBMSKBKBMS分析评价系统分析评价系统自动推理机自动推理机智能化用户接口智能化用户接口86.2 6.2 数据仓库与数据挖掘数据仓库与数据挖掘1 1、数据仓库定义与特征、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:u面向主题按企业关心的主题进行数据收集与整理;u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;u时变性体现在如下几方面 数据仓库中的数据是一段时间上如一季度)的
6、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;u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。9仓中数据分为如下几个层次 当前详细数据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;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。103 3
7、、数据流程、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 4、数据仓库的使用、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;115 5、数据挖掘(、数据挖掘(Data MiningData MiningDMDM)技术应用)技术应用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
8、知识从大量数据中挖掘出来的;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。12(1 1)数据挖掘过程)数据挖掘过程数据准备、挖掘操作、结果表达p数据准备数据准备u集成:从多库环境中进行数据合并,解决语义模糊,处理遗漏、清洗脏数据;u选择:辨别需要的数据,缩小处理范围、提高质量;u预处理:克服局限性;p数据挖掘数据挖掘u假设:系统产生假设发现型的数据挖掘;用户靠经验产生假设验证型数据挖掘;u选择合适工具;u挖掘知识的操作;u证实发现的知识;13p结果表达和解释结果表达和解释 对提取的信息进行分析,区分出最有价值的
9、信息,通过决策支持工具交给决策者。不能决策所用时,重新进行挖掘。(2 2)数据挖掘典型的分析方法)数据挖掘典型的分析方法问题类型、规模不同,采用不同的分析方法p 关联分析同一事件中的不同项的关联性:如:超市中,有超市中,有70%70%的顾客买牙膏,其中有的顾客买牙膏,其中有90%90%的顾客同时会买牙刷!的顾客同时会买牙刷!记为:牙膏=牙刷 或:关联规则 A=B 可信度C=同时买A、B的人数/只买A的人数;支持度S=同时购买A或B的人数/总顾客人数;则:A=B关联规则是 14p序列分析序列分析搜寻事件之间在时间上的关联性如:超市中,有超市中,有60%60%的顾客买的顾客买A A商品后,过一段时
10、间有商品后,过一段时间有80%80%的顾客会再买的顾客会再买B B商品商品 可信度C=先买A、后买B的人数/只买A的人数;支持度S=先后购买A或B的人数/总顾客人数;则:A=B序列模式 对数据库中记录分类并标记,组成训练集;对训练集进行分析,求出分类规则,再用此规则对其它数据库中所有记录进行分类;p聚类分析聚类分析 根据一定的分类规则,划分记录集,将数据库中每条记录聚集在相应的集合之中.15(3 3)数据挖掘常用的技术)数据挖掘常用的技术人工智能为基础、数据人工智能为基础、数据库、数理统计等库、数理统计等p 决策树决策树将训练集划分成一组规则,从一个集合逐步划分成多层次的子集,开成树形结构;p
展开阅读全文