（计算机应用技术专业论文）基于svm的idss研究与应用设计.pdf

摘要 智能决策支持系统( i d s s ) 是决策支持系统和人工智能技术相 结合的产物，有效地解决了系统中定量与定性相结合以及半结构化、 非结构化的问题，扩大了决策支持系统的应用范围，提高了系统求解 问题的能力。随着计算机技术以及人工智能技术的不断发展，智能决 策支持系统在许多领域得到研究和应用，并发挥着越来越重要的作 用。 本文以辅助房地产企业决策人员进行科学决策为出发点，在对房 地产投资决策的理论和程序进行深入分析的基础上，以数据仓库、数 据挖掘、联机分析处理和支持向量机( s v m ) 等先进智能决策技术 为手段，设计了房地产投资智能决策支持系统( r e i i d s s ) 的原型系 统。该系统对减少盲目性带来的风险、提高决策效率等具有重要的理 论意义和现实价值。 首先，借助智能决策支持系统的基本理论和方法，提出了房地产 投资i d s s 的设计思想，设计了体系结构，并对数据仓库、模型库系 统和知识库系统进行了具体分析和设计。 其次，针对关系投资成败的关键步骤房地产投资选址决策问 题，采用支持向量机建立了相应的模型。该模型可以降低决策者的自 身经验和主观认知对选址决策的影响，增加选址决策的客观性和科学 性。 最后，根据房地产投资项目的特点，结合支持向量机和多层模糊 综合评价法，建立了房地产投资方案优选模型。该模型将具有模糊性 质的经验、意见、观点等定性指标加以解析化和定量化，使方案建立 在科学基础上，从而保证了结论的科学性，同时又利用支持向量机的 先处理提高了决策分析的效率。 关键字：智能决策支持系统、房地产投资、支持向量机、多层模糊综 合评价 a b s t r a c t i n t e l l i g e n t d e c i s i o ns u p p o r t s y s t e m( i d s s ) i sa c o m b i n a t i o no fd e c i s i o ns u p p o r t s y s t e m sa n da r t i f i c i a l i n t e lli g e n c e i d s sc a ne f f e c t i v e l ys o l v et h e p r o b l e m o f q u a l i t a t i v ea n a l y s i sc o m b i n e dw i t hq u a n t i t a t i v ea n a l y s i s ，a n d t h o s es e m i s t r u c t u r a la n dn o n s t r u c t u r a lp r o b l e m s i t s a p p l i c a t i o nr e a l m sa r ee x t e n d e d ，a n di t sa b i l i t yo fs o l v i n g p r o b l e m sisi m p r o v e d a l o n gw i t ht h eu n c e a s i n gd e v e l o p m e n to f t h ec o m p u t e rt e c h n o l o g ya sw e l la st h ea r t i f i c i a li n t e l l i g e n c e t e c h n o l o g y ，t h ei n t e l l i g e n c ed e c i s 怕ns u p p o r ts y s t e mw i l lb e r e s e a r c h e da n da p p lie df u r t h e r ，a n dw il lp l a yam o r ea n dm o r e v i t a lr o l ei nm a n yr e a l m s f o c u s e do na s s i s t i n gt h ed e c i s i o n - m a k e r so fr e a le s t a t e e n t e r p r i s et om a k es c i e n t i f i cd e c i s i o n ，b a s e do nt h ei n d e p t h a n a l y s i so fr e a le s t a t ei n v e s t m e n td e c i s i o n - m a k i n gt h e o r ya n d p r o c e d u r e s ，a n db ym a k i n gu s eo ft h ea d v a n c e dt e c h n i q u e so fd a t a w a r e h o u s e ，d a t am i n i n g ，o n l i n ea n a l y tic a lp r o c e s si n ga n d s u p p o r tv e c t o rm a c h i n e ( s v m ) ，t h i st h e s i sd e s i g n e dap r o t o t y p e s y s t e mo fr e a le s t a t ei n v e s t m e n ti n t e l l i g e n td e c i s i o ns u p p o r t s y s t e m ( r e ii d s s ) t h es y s t e mh a si m p o r t a n tt h e o r ym e a n i n ga n d r e a l l i f ev a l u ef o rr e d u c i n gt h er i s k so fb l i n d n e s sa n d i n c r e a s i n gt h ee f f i c i e n c yo fd e c i s i o n f i r s t l y ，b ym e a n so ft h eb a s i ct h e o r i e sa n dm e t h o d so fi d s s ， t h ec 0 1 1 e c t i v i t ys t r u c t u r eo fr e i i d s sw e r ed e s i g n e di nt h i s t h e s i s a n dt h ed a t aw a r e h o u s e ，t h em o d e ls u b s y s t e ma n dt h e k n o w l e d g e 。b a s e ds u b s y s t e mw e r es p e c i f i c a l l ya n a l y z e da n d d e s i g n e d s e c o n d l y ，i na l l u s i o nt ot h ek e ys t e p so ft h er e a le s t a t e i n v e s t m e n tl o c a t i o nd e c i s i o n - m a k i n g ，s u p p o r tv e c t o rm a c h i n ei s u s e dt oe s t a b lis ht h ec o r r e s p o n d i n gm o d e l ，w h i c hc a nr e d u c et h e i m p a c t s f r o mt h e e x p e r i e n c ea n ds u b j e c t i v ea w a r e n e s so f d e c i s i o n - m a k e r sa n di n c r e a s et h e a c c u r a c y o fl o c a t i o n d e c i s i o n s f i n a ll y ，a c c o r d i n gt ot h ec h a r a c t e r is ti c so ft h er e a l e s t a t ei n v e s t m e n t p r o j e c t s ，s v m a n d m u l t i l e v e l f u z z y s y n t h e t i cj u d g m e n ta r eu t i l i z e dt ob u i l du par e a le s t a t e i n v e s t m e n t o p t i m i z a t i o nm o d e l t h em o d e l 。a n a l y z e sa n d q u a n t i f i e ss o m eq u a l i t a t i v ea n df u z z yf e a t u r e s ，s u c ha s e x p e r i e n c e ，o p i n i o na n dv i e w p o i n t i tc a u s e st h es c h e m eb e i n g e s t a b l i s h e di nt h es c i e n t i f i cf o u n d a t i o nt oe n s u r et h es c i e n c e o ft h ec o n c l u s i o n a tt h es a m et i m e 。i ti sf a v o ro fs 1 i 1 讧t oh a n d l e t h o s eq u a n t i f i e df e a t u r e s ，a n di n c r e a s e st h ee f f i c i e n c yo f d e c i s i o na n a l y s i s k e yf f o r d s ：i n t e l l i g e n td e c i s i o ns u p p o r ts y s t e m , r e a le s t a t e i n v e s t m e n t ，s u p p o r tv e c t o rm a c h i n e s ，m u l t i l e v e lf u z z y s y n t h e t icj u d g e m e n t m 湖南师范大学学位论文原创性声明 本人郑重声明：所呈交的学位论文，是本人在导师的指导下，独 立进行研究工作所取得的成果。除文中已经注明引用的内容外，本论 文不含任何其他个人或集体已经发表或撰写过的作品成果对本文的 研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人 完全意识到本声明的法律结果由本人承担。 学位论文作者签名：虏瘤， 2 , o 。子年占月r 日 湖南师范大学学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定， 同意学校保留并向国家有关部门或机构送交论文的复印件和电子版， 允许论文被查阅和借阅。本人授权湖南师范大学可以将本学位论文的 全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫 描等复制手段保存和汇编本学位论文。 本学位论文属于 1 、保密口，在年解密后适用本授权书。 2 、不保密口。 ( 请在以上相应方框内打“ ”) 作者签名：唐诗日期：弦谚年占月r 日 导师签名：多7 勿 日期：办甥年占月，日 基于s v m 的i d s s 研究及虑用设计 1 1 论文研究背景及意义 第一章绪论 决策是人们为了达到某一目的而进行的有意识、有选择的行动。 在一定的人力、设备、材料、技术、资金和时间因素的制约下，人们 为了实现特定目标，而从多种可供选择的策略中作出决断以求得最优 或较好效果的过程就是决策的过程。随着科学技术不断的发展，决策 经历了传统决策、科学决策和决策科学三个阶段，并逐步形成了该学 科一整套的理论和方法。 决策支持系统( d e c i s i o ns u p p o r ts y s t e r n , d s s ) 就是顺应了决策 科学化这一趋势而产生的，它是以信息技术为手段，应用决策科学及 有关学科的理论和方法，针对某一类型的半结构化和结构化的决策问 题，在决策过程中以人机交互的方式，为决策者提供决策所需的数据、 信息和背景材料，帮助明确决策目标和进行问题的识别，提供多种决 策的参考方案，并对其进行评价、选优，为决策者做出正确决策提供 有力支持的系统【l 】。 自d s s 提出以来，在概念内涵、结构设计和应用研究诸方面都 取得了较快发展，但由于它采用的两库结构( 数据库、模型库) 和数 值分析方法，使其应用范围受到很大的限制。尤其是对那些不确定性 的问题，用数值方法很难解决，再加上缺少与决策有关的知识及相应 的推理机制，使得系统不具备思维能力和对高层决策的有效支持，具 有无法表示复杂决策过程的局限性。随着人工智能技术( a r t i f i c i a l i n t e l h g e n c e ，a i ) 的发展，专家系统( e x p e r ts y s t e m , e s ) 的成功使决 策系统的研究受到启示，人们开始考虑把m 的有关技术应用于d s s 。 1 9 8 1 年b o n c z e k 等人提出将d s s 与e s 相结合，分别发挥d s s 在数 值分析方面的优势与e s 在知识及知识处理方面的特长，将定性分析 和定量分析有机结合，使其能够进行知识处理，以方便、准确地模拟 客观世界，全面地反映决策过程，从而有效地解决那些半结构化及非 结构化问题，扩大了d s s 处理的范围，提高了决策能力，形成最初 硕士学位论文 的智能决策支持系统( i n t e l l i g e n td e c i s i o ns u p p o r ts y s t e m , i d s s ) 【2 】。 i d s s 的核心思想就是将人工智能技术和其它相关学科的成果及其技 术相结合，使d s s 仿真人类的知识行为。近2 0 多年来，i d s s 的研 究取得了巨大的进步，并且在咨询、诊断、预测、管理、设计等领域 得到了广泛的应用。 目前我国房地产业投资过热，造成了盲目投资、商品房积压、土 地抛荒等诸多问题。这些问题的出现使得房地产企业迫切需要种智 能的辅助决策工具帮助决策者做出科学的决策。研究房地产投资智能 决策支持系统，对辅助决策者了解和分析房地产的市场状况，综合处 理复杂数据，及时确定房地产投资项目的最佳方案，提高决策效率， 具有重要的理论意义和现实价值。 1 2 智能决策支持系统应用现状及发展方向 i d s s 的理论发展和研究与很多学科有关，它涉及到计算机软件 和理论、信息论、人工智能、信息经济学、管理科学以及行为科学等， 这些学科构成了它发展的理论框架。它是一种开放的技术，总是不断 吸收其它学科的研究成果。 1 2 1id s s 的应用现状 进入2 0 世纪9 0 年代以来， d s s 的研究有了一些新的变化：( 1 ) 分析、决策用的数据不再集中于某一固定场所，而是分散到网络上的 不同地区、不同部门：( 2 ) 分析、决策模型和知识处理方法也由一台 机器上的集中式处理，变成在网络条件下的分布或分布加并行的处理 方式。随着分布计算和网络计算的迅速发展，i d s s 也开始由集中式 演化产生了一系列新的概念、观点和结构。主要表现在以下几个方面： ( 1 ) 分布式决策支持系统( d i s t r i b u t i n gd e c i s i o ns u p p o r t s y s t e m , d d s s ) 。分布式决策支持系统是对集中式d s s 的扩展，是分 布决策、分布系统、分布支持三位一体的结晶。从概念上理解，d d s s 是由多个物理上分离的信息处理节点构成的计算机网络，网络的每个 节点至少含有一个决策支持系统或是具有若干辅助决策的功能【3 】。 基于s v m 的i d s s 研究及应用设计 d d s s 的主要优势在于：1 ) 比集中式系统更可靠；2 ) 系统的效率更 高，更接近于大型组织决策活动的实际情况；3 ) 易于扩展；4 ) 能够 实现平行操作，资源共享。 ( 2 ) 群决策支持系统( g r o u p d e c i s i o ns u p p o r ts y s t e m , g d s s ) 。 2 0 世纪8 0 年代以来d s s 的研究与应用的热门方向之一就是群决策支 持系统。g d s s 是对个体决策支持系统的扩展，是为群体决策活动提 供支持的信息系统，它将通讯技术、计算机技术和决策理论结合在一 起，促进具有共同责任的群体求解半结构化和非结构化决策问题【4 】。 g d s s 和d d s s 既有区别又有联系，前者是对个体决策支持系统的扩 展，后者则是相对于集中式d s s 而言的，两者研究的重点和关注的 焦点有所不同。如果说d d s s 是以技术为导向的话，g d s s 则是面向 群体活动的，它可为群体活动提供三个层次的支持，即沟通支持、模 型支持及机器诱导的沟通模式。g d s s 对群体决策的支持既可是集中 式决策，又可是分布式决策。但在通常情况下，群体决策是在分布环 境下实施的，这就决定了g d s s 与d d s s 有着非同寻常的关系。g d s s 大多采用分布式和分散式结构：系统支持“水平方向的分布式处理， 即支持对数据对象的远距离操作；系统还支持“垂直方向 的分散式 处理，即通过在用户和各应用层之间的接口，来实现各个应用领域的 功能。g d s s 是从传统的d s s 发展而来的，但和d s s 又有较大的差 别。d s s 的对象是单个用户，且决策具有较高的自动化而g d s s 面临 着多个参与者，并将决策的权力分层次地留给了参与决策者们。 ( 3 ) 高层决策的支持系统。高层决策的特点包括：1 ) 高层平衡 形式多，低层平衡形式少；2 ) 协商平衡做出的决策多，个人单独做 出的决策少；3 ) 决策结果定性成分多，定量成分少。面向高层的决 策支持系统有战略决策支持系统( s t r a t a g e md e c i s i o ns u p p o r t s y s t e m , s d s s ) 和决策支持中心( d e c i s i o ns u p p o r tc e n t e r , d s c ) 。s d s s 是支持战略管理的，这里的战略是指全局性、长远性、根本性决策【5 】。 而d s c 是在高层管理部门，配备熟悉环境和事务的信息系统人员， 支持应急和重要决策的计算机信息系统。 硕士学位论文 1 2 2id s $ 的发展方向 从对i d s s 发展历史的研究分析可以看出，i d s s 的发展趋势是向 着综合化、集成化方向发展，综合利用多种技术来实现i d s s 已是构 建现代i d s s 的必然趋势。i d s s 的研究工作应该突出在系统的智能性 和对决策支持两个方面。进入2 0 世纪9 0 年代以来，人工智能、专家 系统、数据库、网络等领域都出现了新的技术，如何有效地将这些技 术应用于i d s s 的构建中，把数据仓库、联机分析、数据挖掘、模型 库、专家系统、面向对象、a g e n t 、机器学习等的优点结合起来，集 成综合的决策支持系统，开发出实用而有效的i d s s 是当前i d s s 发 展的主要方向【6 1 。 1 3 文章的研究内容及结构安排 本文首先在深入分析房地产投资决策的理论和程序的基础上，设 计了房地产投资i d s s 的原型系统；再针对关系投资成败的关键步骤 房地产投资选址决策问题，采用支持向量机建立了房地产投资选 址模型。它通过再现专家的经验、知识和直觉思维，降低评价过程中 人为的不确定性因素，可以较好的保证评价结果的客观性和预测的准 确性。既具备综合评价方法的规范性又能体现出较高的问题求解效 率；最后根据房地产投资项目的特点，结合支持向量机和多层次模糊 综合评价法，建立了房地产投资方案优选模型。该模型将具有模糊性 质的经验、意见、观点等定性指标加以解析化和定量化，使方案建立 在科学基础上，从而保证了结论的科学性，同时又利用支持向量机的 先处理提高了决策分析的效率。 论文的具体章节安排如下： 第一章对研究背景和意义、智能决策支持系统的研究现状、发展 方向和本文主要内容进行了简要的论述。 第二章在对房地产投资决策的理论和程序进行深入分析的基础 上，引入了数据仓库、联机分析处理、数据挖掘等先进智能决策支持 技术，提出了房地产投资i d s s 的设计思想，设计了系统体系结构， 并对数据仓库、模型库系统和知识库系统进行了具体分析和设计。 4 基于s v m 的i d s s 研究及应用设计 第三章通过对房地产投资地段的了解，建立和优化了房地产投资 选址评价指标体系；对支持向量机的模型选择进行了研究，确定了应 用的方法、核函数及相关的参数，最终建立了基于支持向量机的房地 产投资选址模型；应用这个模型，对长房集团样本集中的测试样本进 行了预测分类，达到较高的判断正确率。实验结果表明，将支持向量 机运用于房地产投资选址决策问题中是行之有效的。 第四章结合支持向量机和多层模糊综合决策方法，建立了房地产 投资方案优选模型。该模型先用支持向量机对方案进行筛选，淘汰一 些很不理想的方案，然后用多层模糊综合评价方法对投资方案进行综 合评价，为投资者提供科学的决策支持。 第五章对全文的工作进行了总结，得出了本次研究的结论、研究 过程中可能存在的问题，并对今后的研究工作提出了要求。 基于s v m 的i d s s 研究及应用设计 第二章房地产投资i d s s 的设计 房地产业是当今世界各国经济发展的重要支柱产业之一，随着我 国城市建设的高速发展，使得房地产市场得到巨大发展。它所能创造 的高额附加值以及为投资者所带来的丰厚利润，强烈地吸引着投资 者，使其已成为当前投资领域内的一个热点。然而随着房地产市场越 来越激烈的竞争，正确决策成为投资者取胜的关键。 房地产投资决策是房地产开发公司在房地产投资项目经营开发 前首先要解决的一个重要环节，它是一个相当复杂的过程，需要决策 者同时考虑主市场、材料、资金、市政建设等诸多因素，并且作出综 合评价。这种复杂的决策，领导者已很难仅凭经验正确地作出。因此 房地产业急需优良的智能辅助决策工具帮助决策者做出科学的决策。 本文研究的房地产投资i d s s 以数据仓库技术( d a t a w a r e h o u s e ，d w ) 、数据挖掘( d a t am i n i n g ，d m ) 、联机分析处理 ( o n l i n ea n a l y t i c a lp r o c e s s i n g ，o l a p ) 和支持向量机等先进智能技 术为手段，建立一个智能化、专业化的辅助决策环境。它能够为决策 者提供决策所需的数据、信息和背景材料，帮助明确决策目标和进行 问题的识别，建立或修改决策模型，提供各种决策备选方案，并且对 各种方案进行评价和优选，通过人机交互功能进行分析、比较和判断， 为正确决策提供必要的支持。 2 1 系统设计思想 ( 1 ) 多目标决策的设计思想。房地产投资的目标很多，获取高 额利润、无形收益、社会效益、环境效益等都是投资者所追求的目标。 在这些目标中，有的相互联系、相互制约，有的相互冲突、相互矛盾， 其层次繁多，结构极其复杂。要解决这一问题，关键是要合理地选择 和构造投资目标准则体系，从总体上对各种投资可行方案进行比较和 优选。 ( 2 ) 集成化思想。由于房地产投资i d s s 是一个基于数据仓库的 硕士学位论文 智能化系统，系统中用到了数据仓库、数据挖掘、o l a p 等先进技术， 其中数据仓库用于数据的存储和组织，o l a p 集中于数据的分析，数 据挖掘致力于知识的发现。如何将这些技术应用到投资决策中去就格 外重要。 ( 3 ) 开放性思想。这主要体现在两方面t 一是在设计系统时要 将企业的局域网与广域网联系起来考虑。所有的计算机终端彼此通过 网络相互相连，通过服务器共享资源。另一方面由于时间和环境的不 断变化更替，使得房地产投资i d s s 必须适应这些变化，这就要求系 统的设计要基于开放性原则，即模型和方法等可以随时更新、添加或 删除，这样的系统才能适应企业发展的需要。 ， ( 4 ) 智能化思想。采用人工智能的理论方法，使系统具有一定 的智能水平，白适应、自组织能力，处理不确定性、非结构化决策问 题的能力。 ( 5 ) 协调化思想。在人机系统设计中，实现人机合理分工，人 机智能结合，具有提示用户并能解答问题的能力。 2 2 体系结构设计 房地产投资i d s s 的体系结构是r e i i d s s 中重要的一环，它体现 了系统的部件关系和层次结构。 从i d s s 的逻辑结构来看，可分为三库( 数据库、模型库、知识 库) ，四库( 数据库、模型库、知识库、方法库) ，五库( 数据库、 模型库、知识库、方法库、文本库) 等几种结构。其中最为广泛应用 的是四库三功能的结构，本文采用将其中的方法库溶合于模型库中的 方法，增加一个案例库，结合数据仓库、数据挖掘、o l a p 等i d s s 的新技术来构建r e i i d s s 的系统结构，其体系结构如图2 1 。 基于s v m 的i d s s 研究及应用设计 一 联机分析处理 f 一 投资类型选择 f = 蚶未出冲据 人 k 。三机 i 投资地段选择i f t 。( = 一一、一 u 懈黼源 交 c 爿数据管理 互 i 1 ， 一 心 及页砚偎伽肥 与 知识库 酵爿数据挖掘 用 c 问一o 经营力式抉择 _ n 、， ： 知识管理 户 题 处 i 筹资方式抉择l 印 理 系- 1 营销策略确定i e 爿案例管理 r 一 统 、- - 一 l 投资伙伴选择i 模型库 一一 l 柚+ 出雄，止l h c 爿一一 l 1 孜贸万莱优j 歪l 。7 l 模型管理 图2 - l 房地产投资i d s s 体系结构 系统中数据库系统、模型库系统、知识库系统和人机交互及问题 处理系统相互协调作用。人机交互与问题处理系统实现用户与系统的 动态交互，同时提供问题分析与综合、查询分析、管理维护等功能； 数据仓库能够实现对决策主题数据的存储和综合，o l a p 实现多维数 据分析，d m 用以挖掘数据库和数据仓库中的知识；知识库则利用知 识推理进行定性分析，它的运用使系统具有智能化功能；案例库存储 各种功能子系统采集的案例；模型库提供各种模型，支持决策者做出 最优的投资决策，并引导决策者选择有效的模型组合。它们集成的综 合i d s s ，将相互补充、互相依赖发挥各自的辅助决策优势，实现更 有效的辅助决策。 2 3 模型库系统 模型库系统包括模型库和模型库管理系统两部分，它的主要任务 是建立决策模型并支持其使用，通过帮助决策者理解决策问题、检验 9 硕士学位论文 候选方案和增强预测能力等一系列手段来改善决策者的行为表现 7 1 。 2 3 1 模型库 模型库是i d s s 的共享资源，它由一些具有支持不同层次决策活 动的基本模型组成，其中有一些为支持频繁操作的单一模型，还有一 些用于生成新模型的基本模块和基本要素。这样模型库就是一个预存 和产生模型的基地，而不是机械的预先建立的模型的集合。通过模块 的组合和单元的变更，可以使模型更加灵活机动。 模型库设计研究的主要问题是模型的组成问题和如何表示问题。 以下详细阐述本系统模型的组成和表示策略。 2 3 1 1 模型的组成 模型是对现实世界的事物、现象、过程或系统的抽象描述，人们 通过对模型的认识来增加对复杂问题的理解和处理。用模型来辅助决 策己经是人们的共识。 模型的种类很多，我们可把房地产i d s s 的模型库建立成不同的 模型群，如： ( 1 ) 预测模型：如常用的指数平滑、趋势延伸、季节指数、简 单平均、移动平均和市场需求预测、市场供给预测、需求量的预测、 销售价格预测等模型，其中后4 个模型是复合模型，主要利用历年的 市场销售资料，预测房产的市场需求状况及房屋的销售价格。 ( 2 ) 分析模型：盈亏平衡分析、数理统计分析模型、价值分析 模型、趋势分析、投入产出分析、随机序列分析模型等。 ( 3 ) 优化模型：线性规划、动态规划、搜索论、梯度法( 最短 路径法) 、多目标规划、概率分析法、决策树法等。 ( 4 ) 评价模型：专家评价法、主因素分析法、层次分析法、加 权分析法等。这类模型可用于经济效益分析、投资效益分析等。 ( 5 ) 推理模型：如演绎推理模型、归纳推理模型、类比推理模 型、文法推理模型等。 ( 6 ) 决策模型：如选址决策、方案优选决策、风险性决策、筹 资决策等模型。 基于s v m 的i d s s 研究及应用设计 本文重点介绍房地产投资选址决策模型和投资方案优选模型。 2 3 1 2 模型的表示 ， 在房地产投资i d s s 中，模型库采用面向对象体系结构来表示。 根据面向对象的思想，把概念、实体及模型组成部分都当作对象，这 样模型就可以当作对象的集合，也可以单独作为一个对象，复杂模型 就可以由相对简单的模型来层层组合而成，模型之间也可以构成一种 层次关系，这种关系的存在既可以减少模型的冗余度，又有利于建模 过程中继承以往的简单模型结构。这种模型表达方式为面向对象的模 型管理和建模创造了有利条件。 采用面向对象表示方法的模型库系统包括以下几部分：模型说 明，存放各种模型名、建模者名称、建模日期、模型使用的置信度和 前提假设等信息；模型参数，存放模型的输入、输出和参数的具体 数值；模型公式，存放模型所有的算式和算法；模型关系，存放 模型之间的关联关系、分解关系、复合模型与子模型之间的关系等。 2 3 2 模型库管理系统 模型库管理系统( m o d e lb a s em a n a g e m e n ts y s t e m s ，m b m s ) 是为 生成模型和管理模型提供一个友好的计算机模型管理界面，用户可以 通过它灵活地访问、更新、生成和运行模型。模型库管理系统使模型 的适用范围拓宽，从而决策者能方便地使用模型；同时还为决策者提 供将现实问题抽象成模型的工具。模型库管理系统是联系决策问题、 数据和模型的桥梁。 本文采用与专家系统相结合的方式来构建智能化的模型管理系 统。这种智能化m b m s 除了应具有传统的功能外，还要求具有以下 功能： ( 1 ) 最优模型匹配。系统应提供必要的匹配手段自动寻找局部 最优的模型。 ( 2 ) 可视化建模。系统应通过人机交互的手段进行机器学习， 在学习过程中，可视化建模的方法将大大减轻用户的工作量。 ( 3 ) 在复杂目标求解过程中，系统应自动规划求解策略，包括 硕士学位论文 自动实现模型的智能调度，进行模型的横向关联与纵向关联。最后形 成待求解问题的模型触发网。 ( 4 ) 支持多目标求解问题的自动规划。 ( 5 ) 在不断提供可行方案的同时，系统能为用户提供丰富的信 息，以引导用户进行改进，最终能给出用户满意的求解方案。 2 4 数据仓库 在房地产投资决策过程中需要用到的信息无论在类别和范围上 还是在数量和质量上都要求甚高，同时在操作上除了对业务数据进行 增、删、改等事务处理操作和简单的统计汇总以外，高层管理者还要 使用数据( 历史的、现在的) 进行各种复杂分析，如长期趋势分析等， 以支持决策。 i d s s 中数据仓库主要用途是支持决策制定过程，因此它与一般 通用数据库中的数据不同，首先，i d s s 数据仓库中的数据是和决策 过程密切相关的，一切数据都经过适当的加工、浓缩；其次，由于i d s s 一般面向高层决策，所以除了内部数据外，还要用到大量的外部数据。 房地产投资i d s s 中，内部数据指的是企业内部生产经营活动中所涉 及的各种数据；外部数据是指国内经济环境、政府经济政策取向、消 费发展水平、房地产市场状况等数据。它们共同构成数据仓库的数据 源。通过数据的抽取与转化，将来自数据源的、影响数据仓库的数据 转化为数据仓库模式。当数据源中数据发生变化时，通过数据的抽取 和转换功能对数据进行过滤、总结，并和其它数据合并，把新的数据 集成到数据仓库中。 2 4 1 数据仓库的逻辑结构 我们可以利用数据仓库技术从日常的联机事务处理系统( o n l i n et r a n s a c t i o np r o c e s s i n g ，o l t p ) 数据库或外部资料库中抽取、整理 数据，形成多维数据仓库，再利用o l a p 工具实现对多维数据仓库中 的数据进行多维分析，形成分析与决策的有用信息 8 1 。在多维数据仓 库中，联机分析处理可以直观地表现现实世界中的“一对多、“多对 基于s v m 的i d s s 研究及应用设计 一和“多对多关系，能够体现数据仓库的优势。 基于数据仓库的房地产投资i d s s 可分为五个组成部分：基础数 据库、数据采集、数据仓库管理、多维数据仓库和信息输出。它们之 间相互作用，共同构成了层次分明的数据仓库信息分析环境，其逻辑 结构如图2 2 所示。 房地产投资i d s s 数据仓库系统的数据处理流程为：由决策者 根据决策主题，从模型库中选择相应的评价模型，从而确定所需要的 数据和知识。通过数据采集来收集相关的内部各类业务数据和外部 资料数据。通过对基础数据的加工处理，并结合数据仓库管理系统的 数据处理功能和元数据中数据定义，将基础数据库中的数据转存到多 维数据仓库中。利用o l a p 数据分析工具对多维数据仓库中的数据 进行分析处理，最终输出决策有用信息。 2 4 2 主题数据仓库 信息输出 数据仓库管理 数据采集 o l t p 基础数据 图2 - 2 数据仓库逻辑结构图 数据仓库的一个重要特征就是要求数据必须按照分析与决策主 题来组织，即面向主题。主题是在一个较高层次上的数据综合、归类 的标准，是数据仓库的组织核心，每个主题对应于一个客观的分析领 域。面向主题的数据组织方式，即是分析对象数据的一个完整的、一 硕士学位论文 致性描述。主题在数据仓库中由一组相关的表来具体实现，一个主题 可以划分成为多个表，主题只是一个逻辑上的概念。 房地产投资i d s s 中主要确定了八个主题，分别是投资类型选择、 投资地段选择、投资规模确定、经营方式抉择、筹资方式抉择、营销 策略确定、投资伙伴选择和投资方案优选。投资决策分析与评价的各 种方法主要是围绕这八个主题进行的，在这八个主题之下，还有细分 的下层主题。对于某一具体投资决策主题而言，其数据可能来源于基 础数据库( 包括外部资料库) ，也可能来源于数据仓库，这要视决策 主题和分析条件而定。如果决策主题和分析条件在案例库中具有类似 的案例，则通过案例推理可查询到类似案例数据，再从数据仓库中将 参考决策方案数据输出即可；如果在案例库中查询不到满足条件的案 例数据，则需根据基础数据库进行决策，并将其决策结果数据存储到 数据仓库中，以便下次决策时直接取用。 2 4 3 多维数据仓库 2 4 3 1 多维数据仓库的结构设计 数据仓库结构共有三种存在形式，分别是星型结构、雪花型结构 和事实星座型结构【9 】。星型结构表示的多维数据仓库由一个包含主题 的事实表和多个包含事实的非正规化描述的维度表组成。在进行多维 数据仓库设计时，一般多采用星形结构以提高系统的响应速度，但这 种结构不适合表示有多个层次的多维数据。雪花型结构是对星型结构 的扩展，对星形的维表进一步标准化，维可划分为较细的粒度，增加 了应用程序的灵活性，数据冗余度低、易于维护，并能够节省存储空 间，但是由于执行查询时需要更多的连接操作，很可能会降低浏览的 性能，影响查询的效率。事实星座型结构主要适用于复杂的应用，即 当有多个事实表共享维表的时候，采用这种结构比较合适。 基于上述原因，本着数据仓库简单明了的要求，本系统采用星型 结构。图2 3 给出了投资地段选择这一主题的星型结构。 基于s v m 的i d s s 研究及应用设计 图2 - 3 房地产投资地段选择多维数据仓库的星形结构 2 4 3 2 联机分析处理的应用 数据仓库是管理决策分析的基础，要有效地利用数据仓库的信息 资源，必须要有强大的工具对数据仓库中的信息进行分析决策。联机 分析处理就是一种用于对大容量数据归总和分析的技术，是基于数据 仓库的信息分析处理过程。数据仓库和o l a p 相结合为i d s s 进行数 据分析提供了新的技术手段。数据仓库侧重于存储和管理面向决策主 题的数据；而o l a p 则侧重于数据仓库中的数据分析，并将其转换成 辅助决策信息，它允许用户动态随机查询、浏览、计算、时序分析以 及复杂建模等方式来访问数据仓库中所存储着的数据。 o l a p 的一个重要特点是多维数据分析，它是指对多维形式组织 起来的数据采取切片、切块、旋转、钻取等各种分析方法，以求剖析 数据，使最终决策者能从多个角度、多侧面观察数据仓库中的数据， 从而深入地挖掘包含在数据仓库中的信息和内涵。多维分析方式迎合 了人们的思维模式，因此，减少了混淆，并且降低了出现错误解释的 可能性。 ( 1 ) 切片和切块。在多维数据结构中，按二维进行切片，按三 维进行切块，可得到所需要的数据。如在“地段、“专家、“评价指 标三维立方体中进行切块和切片，可得到各地段、各专家、各评价 指标的情况，如图2 4 所示。实际上，切块操作可以看成是多次切片 操作以后，将每次切片操作所得到切片重叠在一起而形成的。 硕士学位论文 评 价 指 标 专家 图2 - 4 0 l a p 切片示意图 ( 2 ) 旋转。旋转操作相当于平面或空间数据坐标轴的旋转，通 过旋转可以得到不同视角的数据。 表2 - 1o l a p 旋转示意表 专家l专家2 地段优惠政策 资源环境优惠政策资源环境 长岭地段 0 8 50 6o 90 5 伍家岭地段 0 6 0 7 50 5 50 8 - 渔湾市地段0 7 50 5 5o 80 5 优惠政策 资源环境 地段专家1 专家2专家1专家2 长岭地段 0 8 50 9 0 6 0 5 伍家岭地段0 60 5 5o 7 50 8 渔湾市地段o 7 50 80 5 50 5 ( 3 ) 钻取。钻取就是将一条概要性的条款分解成一些详细的部 件，它包含“向下钻取和“向上钻取两种操作，钻取的深度与维 所划分的层次相对应。例如在“时间维的年度上，可向下钻取到季 度、月份等；同样，在季度或月份上，可向上钻取到年份。 2 4 4 数据挖掘 数据挖掘是指从大型数据库或数据仓库的数据中提取人们感兴 趣的知识，这些知识是隐含的、事先未知的潜在有用信息，提取的知 基于s v m 的1 d s s 研究及应用设计 识表示为概念、规则、规律、模式等形式【1 0 1 。它是一个知识发现的过 程，能帮助用户理解有关数据的真正含义，并了解数据之间所存在的 关系，还能在信息中揭示出相应的模式与趋势。在i d s s 中运用d m 技术能够更好地实现其决策支持的作用。 数据挖掘是一门交叉学科，它会聚了数据库、人工智能、统计学、 可视化、并行计算等不同学科和领域，近年来受到各界的广泛关注。 2 4 4 1 数据挖掘的步骤 数据挖掘一般有以下几个主要步骤【1 1 】： ( 1 ) 数据收集。 大量全面丰富的数据是数据挖掘的前提，没有数据，数据挖掘也 就无从做起。因此，数据收集是数据挖掘的首要步骤。数据可以来自 于现有事务处理系统，也可以从数据仓库中得到。 ( 2 ) 数据整理 数据整理是数据挖掘的必要环节。由数据收集阶段得到的数据可 能有一定的“污染，表现在数据可能存在自身的不一致性，或者有 缺失数据的存在等，因此数据的整理是必须的。同时，通过数据整理， 可以对数据做简单的泛化处理，从而在原始数据的基础之上得到更为 丰富的数据信息，进而便于下一步数据挖掘的顺利进行。 ( 3 ) 数据挖掘 利用各种数据挖掘方法对数据进行分析。 ( 4 ) 数据挖掘结果的评估 数据挖掘的结果有些是有实际意义的，而有些是没有实际意义 的，或是与实际情况相违背的，这就需要进行评估。评估可以根据用 户多年的经验，也可以直接用实际数据来验证模型的正确性，进而调 整挖掘模型，不断重复进行数据挖掘。 ( 5 ) 分析决策 数据挖掘的最终目的是辅助决策。决策者可以根据数据挖掘的结 果，结合实际情况，调整策略等。 硕士学位论文 2 4 4 2 数据挖掘的方法 。 数据挖掘的方法由人工智能和机器学习的方法发展而来，它和人 工智能领域中的知识发现具有很大的重合度，结合传统的统计分析方 法、运筹学方法、模糊数据方法等，以数据仓库为对象，形成了房地 产投资i d s s 中数据挖掘的方法和技术。其具体方法主要有【1 2 】： 决策树方法：利用信息论中的信息增益寻找数据库中的具有最大 信息量的字段，建立决策树的一个结点，再根据字段的不同取值建立 树的分枝，在每个分支子集中，重复建立树的下层结点和分支的过程， 最终形成决策树。 神经网络方法：模拟人脑神经元方法，以m p 模型和h e b b 学习 规则为基础，可建立大量神经网络模型( 前馈式网络、反馈式网络、 自组织网络) 。该方法适合于根据以前已经标识出的行为识别出一些 模式或预测出某些发展趋势，数据挖掘过程基本上是先将数据抽取， 然后分类计算权值。 关联发现方法：该方法用来对数据集合进行研究，从而试图表示 出数据内部各种属性之间的关联。关联试图揭示出记录中有关数据值 的相似事件，从而在看似毫不相干的环境中揭示出一些关系。 贝叶斯网络：基于后验概率的贝叶斯定理，是建立在对数据进行 统计处理基础上的方法。将不确定事件通过网络连接起来，可以对与 其他事件相关的事件结果进行预测，其网络变量可以是可见的，也可 以隐藏在训练样本中。贝叶斯网络具有分类、聚类、预测和因果关系 分析的功能，其优点是易于