在数据库中挖掘定量关联规则的方法研究

数据挖掘技术是实现智能决策支持系统的一个重要手段 ,关联规则是数据挖掘的一个重要内容 .传统的 Apriori算法仅适用于挖掘数据间的定性关联关系 ,但数据间的定量关联关系对决策更有帮助 .属性值的离散映射是挖掘定量关联规则的一个重要环节 ,离散映射中属性值区间的划分粒度是影响数据挖掘质量的一个重要因素 .本文结合粗集理论提出了一个确定属性值划分粒度的方法 ,在此基础上设计出一个挖掘定量关联规则的算法 :Apriori 2 ,利用Apriori 2可以挖掘出大量对决策有帮助的定量关联规则     

决策支持系统的主动性研究

随着问题复杂度的增加,决策环境变得更加不确定,传统决策支持系统提供的被动支持已难以满足人们的需要.在此背景下,主动决策支持系统的思想产生了.它的提出,为提高系统的适应性,建造高性能的自适应决策支持系统奠定了基础.本文就系统主动性的几个重要问题进行了讨论,包括对模型驱动的决策支持与问题驱动的决策支持的比较、主动学习、直觉决策的主动支持和主动帮助等问题.此外,也研究了主动决策支持系统的知识构成,提出了系统的结构框架.     

基于互联网的企业智能决策支持系统研究

本文在分析互联网发展对企业智能决策支持系统的影响的基础上,研究了基于互联网的企业智能决策支持系统的网络模型与体系框架模型,及该系统的问题求解与综合子系统、互联网信息采集与存储子系统、数据库与数据仓库子系统、定量分析和模型子系统、定性分析与知识子系统。还研究了OLAP与数据挖掘在该系统中的作用,与该系统进行决策支持的一般决策过程。提出了完善发展该系统应解决的关键问题。     

基于云计算的智能决策支持系统研究

云计算的出现与成熟为智能决策支持系统的发展带来了巨大的机遇和挑战。在对云计算环境特点进行系统分析的基础上,提出了基于云计算的智能决策支持系统的体系结构和运作过程,并进一步应用Hadoop架构对决策数据的云存储的计算模型进行了分析和设计,为云计算环境下智能决策支持系统提供一种新的思路和方法。     

一种新的面向属性归纳中概念层次技术研究

面向属性归纳的方法目前是数据挖掘主要技术之一. 在分析基本的面向属性归纳算法不足 的基础上,提出了一种概念层次优化技术,包括:将基于规则的概念图转化成一棵概念树;对于不平 衡的概念树,再转化成平衡的概念树;用节点集合来记录数据库中每个元组在概念层次中的泛化路 径. 利用置信度、支持度和LS 充分性因子等评价指标对学习结果进行取舍. 最后,将算法在爱尔兰 教育经历数据库分析中进行了应用测试,结果显示了算法更加有效,适用性更强     

查询驱动的一种挖掘特征规则的新方法

智能查询是决策支持系统的一个重要内容 ,在数据库中挖掘特征规则是实现智能查询的一个重要手段 .目前的数据挖掘方法都是面向具体问题的 ,不能适应用户灵活的查询需要 .本文结合粗糙集理论 ,提出了一个面向查询的挖掘特征规则的新方法 ,利用该方法挖掘出的特征规则可以在精度上达到最优 .以该算法为核心 ,本文设计出一个查询特征规则的类 SQL命令 ,使用户与系统的交互问答更加方便、灵活     

设备e-维护智能决策支持系统的研究

设备e-维护是一种新的维护方式与维护理念,基于其智能性、针对性、动态性、联盟性等特点,其维护决策的难度也随之增大,已经成为设备e-维护研究中的一个难点.在研究基于Web的设备e-维护的特点及与传统维护方式的区别的基础上,对设备智能维护的决策支持系统进行了决策功能分析,讨论了其决策机制与影响因素,据此提出了智能化e-维护决策支持系统的框架,探讨了该系统的主要特点及工作流程.     

决策支持系统的研究现状与发展趋势

介绍了决策支持系统研究和发展的特点 ,分析了目前决策支持系统的两个主要研究方向 (群体决策支持系统和智能决策支持系统的研究领域 )并指出了问题和发展趋势     

面向汽车营销的智能决策支持系统的构建研究

构建面向汽车营销的智能决策支持系统旨在建立适应我国汽车行业发展的营销模式,提高我国汽车企业的竞争力。该系统建立在企业的基础数据和各种管理数据信息基础上,将数据仓库、联机分析处理、数据挖掘与计算智能、电子商务等技术有机结合,对汽车营销过程中的各复杂、零散业务系统及应用数据进行归纳和统一,实现完善的数据分析和跟踪功能,促使企业各级决策者获得知识,实现技术服务于决策的目的。     

企业智能财务决策支持系统构建探讨

经济的全球化和飞速发展的信息技术正日益改变企业生存和发展的宏观环境,使得传统的财务管理受到新的挑战.企业运用数据仓库、数据挖掘、人工智能等技术建立具有智能特性的财务决策支持系统已是大势所趋.本文主要探讨了智能财务决策支持系统的特点、构建目标和实现功能,并给出了具体的架构模型.     

粗糙集中定量关联规则的发现及其规则约简的方法研究

模式的精确度和解释能力是评价数据挖掘质量的重要标准.本文提出一个利用关联规则技术从粗糙集中发现知识的算法,该算法挖掘出的模式具有较高的精确度.为了进一步提高模式的解释能力,本文又提出一个对规则进行约简的贪心算法.实验结果表明,利用本文提出的数据挖掘方法所发现的模式具有较高的解释能力和精确度.     

电子商务中基于定量关联规则的商品获利能力分析研究

对电子零售商店来说,如何根据历史记录对商品获利能力进行评价是一个很重要的问题.问题的难点在于商品的收益不仅来自于该商品本身的直接收益,还来自于该商品通过交叉销售效果而获得的间接收益.交叉销售效果不可能是一个精确的数值,这种量的关系往往是含糊的不精确信息.基于定量关联规则理论,提出了一个计算交叉销售效果的方法,同时设计了一个面向不精确信息的对商品获利能力进行排序的方法.     

我国宏观审慎政策规则确立与传导路径研究——基于内生银行破产机制的BGG-DSGE模型

金融危机爆发以来,传统的金融监管方式难以为继,世界各国纷纷进行监管改革。在这一背景下,宏观审慎政策成为政策制定者和学者所关注的焦点。本文首先在BGGDSGE模型的基础上内生银行破产机制,构建银行业系统性风险的刻画指标,而后在经典的福利损失函数中引入系统性风险因素,确立了宏观审慎政策规则,最后通过脉冲响应函数模拟演绎传导路径和政策搭配等问题,得到如下结论:第一,以动态资本充足率和贷款价值比(LTV)为核心的宏观审慎监管体系应以产出缺口和信贷量为信号源,宏观审慎的货币政策规则中应盯住信贷量指标,同时资本资产价格也适合作为参考变量;第二,宏观审慎的货币政策与宏观审慎监管都具有维护金融稳定的作用,但作为常备政策,宏观审慎监管要优于宏观审慎的货币政策;第三,识别经济周期波动的驱动因素是确立宏观审慎政策规则、使政策更有效地传导到实体经济并发挥风险防控作用的根本问题。第四,联合使用两类宏观审慎政策时,合理确立政策规则系数可以增强政策的正向外溢效果,但政策的搭配强度却不易把控。为防止政策错搭引起效果干扰问题,可在常规时段仅采用宏观审慎监管,当风险较高时再联合使用两类政策以实现金融稳定。     

Sequencing Rules for Productivity Improvements in Underground Coal Mining*

In this paper, we report on a unique two-machine, dynamic sequencing problem that was involved in a project designed to improve the productivity of underground coal mining operations. It was discovered that mine output was dependent on the particular sequence of faces the continuous miner and bolter worked. The problem is characterized by two unique features. First, the problem is unique because of the geological and safety constraints that must be satisfied by the sequence. Second, the scheduling problem is dynamic because the available job sets change as work progresses, and the production times change as coal is mined. Three heuristic approaches were developed and tested using mine parameters. The best heuristic had a worst case scenario of being within 2.7 percent of the optimal sequence and only a 1.1 percent chance of determining a better sequence. This heuristic resulted in an 8.1 percent productivity improvement.     

思维导向的数据挖掘方法

思维导向数据挖掘的时象是管理过程中的历史决策数据.思维导向数据挖掘所依赖的拓扑结构是心智概念图.思维导向数据挖掘分为两个阶段:计算关联主题簇群和计算最频繁思维路径.本文在心智图和概念图的基础上构造了心智概念图,并根据心智概念图提出了思维导向数据挖掘的算法.     

一类表间多层次关联规则挖掘算法研究

关联规则采掘是数据挖掘及其应用研究中的重要内容之一.本文提出了多表间多概念多层次关联规则挖掘问题,研究了相关的挖掘算法,对所提出的算法进行了初步分析.该算法应用于某营销经理信息系统的关联规则挖掘,获得的结果表明算法是实用和有效的.     

基于流程挖掘的流程建模方法研究

针对流程分析人员在描述企业现有流程中遇到的流程建模语言复杂、绘制的流程图主观性强、需要长时间地深入了解企业运作现状等问题,提出基于流程挖掘技术的流程建模方法.从理论上论证该方法解决上述问题的可行性;并给出流程自动建模系统的部分原型界面,为进一步的系统开发提供依据.     

二分群体决策规则约束条件研究

本文从二分群体决策的角度讨论了Arrow、May、Mitzan等提出的群体决策规则约束条件的合理性,指出了其中非独裁性条件、不计名条件、Pareto条件并不完全适用于二分群体决策;重新界定了方案对称性,并指出只有在二分群体决策满足方案对称性时,中性条件才是合理的;最后用Venn图表示出了各组约束条件所确定的规则集、加权多数规则集之间的关系.     

数据开采的数据质量问题

数据质量是影响数据开采效果的重要因素,这个问题并未受到人们的充分重视.本文针对数据质量在数据开采中的地位,给出了数据质量评价的几个主要尺度.并且结合统计学和机器学习的理论,分析了解决数据质量的方法,强调提高数据质量的出发点在于控制数据源的质量.     

一种基于一致性证据冲突的证据合成方法

针对Dempster-shafer证据合成结果与直觉决策认识之间的不一致性,提出一种新的证据合成规则。从决策的具体背景入手,描述Dempster-shafer证据合成公式产生悖论的两种情况,利用证据冲突的定义分析产生悖论的原因,提出基于一致性证据冲突的证据合成公式。该公式能减低决策中"一票否决制"和"众口烁金"等模式中决策信息放大或缩小而造成的误差。实例分析和实验结果表明,新的合成公式比较符合直观和常理,并较好地解决了上述冲突证据的合成问题。