决策支持系统作业.doc

课 程 论 文课程名称 决策支持系统 班 级商务1001学 号1012200126学生姓名丁振武成 绩浙江工商大学课程论文目 录一、 决策支持系统概念11） 决策支持系统起源12） 决策成系统的概念23） 决策支持系统在企业中应用现状24） 我对决策支持系统概念的理解2二、 决策支持系统的系统结构31） 决策支持系统组成部件32） 决策成系统的系统结构33） 我对决策支持系统组成部件和结构的理解5三、 决策支持系统的数据库及相关技术61） 决策支持系统中数据库的作用和发展趋势62） 数据挖掘概念及其数据挖掘技术综述83） 数据仓库概念、建模和数据仓库的应用94） 我对决策支持系中数据库及其相关技术的理解14四、 决策支持系统的模型库及相关技术151） 模型、模型库和模型库管理系统的概念152） 模型库在决策支持系统中作用153） 模型库发展和应用的前景以及存在的问题154） 我对决策支持系中模型库及其相关技术的理解16五、 决策支持系统的知识库及相关技术181） 知识和知识库的概念182） 知识的表达与推理183） 知识库发展和应用的前景以及存在的问题204） 我对决策支持系中知识库及其相关技术的理解21六、 如何构建一个决策支持系统221） 构建决策支持系统的一般步骤222） 构建决策支持系统关键问题223） 决策支持系统案例分析22浙江工商大学课程论文一、 决策支持系统概念1） 决策支持系统起源自从20世纪70年代决策支持系统概念被提出以来，决策支持系统已经得到很大的发展。 1980年Sprague提出了决策支持系统三部件结构（对话部件、数据部件、模型部件），明确了决策支持系统的基本组成，极大地推动了决策支持系统的发展。 20世纪80年代末90年代初， 决策支持系统开始与专家系统（Expert System, ES）相结合，形成智能决策支持系统（ Intelligent Decision Support System, IDSS）。智能决策支持系统充分发挥了专家系统以知识推理形式解决定性分析问题的特点，又发挥了决策支持系统以模型计算为核心的解决定量分析问题的特点，充分做到了定性分析和定量分析的有机结合，使得解决问题的能力和范围得到了一个大的发展。智能决策支持系统是决策支持系统发展的一个新阶段。20世纪90年代中期出现了数据仓库（Data Warehouse, DW）、联机分析处理（On-Line Analysis Processing, OLAP）和数据挖掘（Data Mining, DM）新技术，DW+OLAP+DM逐渐形成新决策支持系统的概念，为此，将智能决策支持系统称为传统决策支持系统。新决策支持系统的特点是从数据中获取辅助决策信息和知识，完全不同于传统决策支持系统用模型和知识辅助决策。传统决策支持系统和新决策支持系统是两种不同的辅助决策方式，两者不能相互代替，更应该是互相结合。 把数据仓库、联机分析处理、数据挖掘、模型库、数据库、知识库结合起来形成的决策支持系统，即将传统决策支持系统和新决策支持系统结合起来的决策支持系统是更高级形式的决策支持系统，成为综合决策支持系统（Synthetic Decision Support System, SDSS）。综合决策支持系统发挥了传统决策支持系统和新决策支持系统的辅助决策优势，实现更有效的辅助决策。综合决策支持系统是今后的发展方向。 由于Internet的普及，网络环境的决策支持系统将以新的结构形式出现。决策支持系统的决策资源，如数据资源、模型资源、知识资源，将作为共享资源，以服务器的形式在网络上提供并发共享服务，为决策支持系统开辟一条新路。网络环境的决策支持系统是决策支持系统的发展方向。 知识经济时代的管理知识管理（Knowledge Management, KM）与新一代Internet技术网格计算，都与决策支持系统有一定的关系。知识管理系统强调知识共享，网格计算强调资源共享。决策支持系统是利用共享的决策资源（数据、模型、知识）辅助解决各类决策问题，基于数据仓库的新决策支持系统是知识管理的应用技术基础。在网络环境下的综合决策支持系统将建立在网格计算的基础上，充分利用网格上的共享决策资源，达到随需应变的决策支持。2） 决策成系统的概念决策支持系统(decision support system ，简称dss)是辅助决策者通过数据、模型和知识，以人机交互方式进行半结构化或非结构化决策的计算机应用系统。它是管理信息系统(mis)向更高一级发展而产生的先进信息管理系统。它为决策者提供分析问题、建立模型、模拟决策过程和方案的环境，调用各种信息资源和分析工具，帮助决策者提高决策水平和质量。决策支持系统基本结构主要由四个部分组成，即数据部分、模型部分、推理部分和人机交互部分：数据部分是一个数据库系统；模型部分包括模型库(mb)及其管理系统(ms); 推理部分由知识库(kb)、知识库管理系统(kbms)和推理机组成；人机交互部分是决策支持系统的人机交互界面，用以接收和检验用户请求，调用系统内部功能软件为决策服务，使模型运行、数据调用和知识推理达到有机地统一，有效地解决决策问题。决策支持系统（DSS）的基本特征：对准上层管理人员经常面临的结构化程度不高、说明不充分的问题；把模型或分析技术与传统的数据存取技术检索技术结合起来；易于为非计算机专业人员以交互会话的方式使用；强调对用户决策方法改变的灵活性及适应性；支持但不是代替高层决策者制定决策。3） 决策支持系统在企业中应用现状决策支持系统已经普遍应用与现代企业中，如广东国税局采用菲奈特软件公司商业智能系统平台，共同打造广东国税的税务分析与决策支持系统。全国多数医院采用的临床决策支持系统等等。正因为决策支持系统能为我们决策时提供有利的建议，所以多数企业都愿意采用该类系统为公司的发展做基础。4） 我对决策支持系统概念的理解我认为，决策支持系统是支持半结构化决策问题的一类信息系统。它以管理科学、计算机科学、行为科学和控制论为基础，以计算机技术、人工智能技术、经济数学方法和信息技术为手段，面对半结构化的决策问题，是支持中、高级决策者的决策活动的一种人机系统。它能为决策者迅速而准确地提供决策需要的数据、信息和背景材料，帮助决策者明确目标，建立和修改模型，提供备选方案，评价和优选各种方案，通过人机对话进行分析、比较和判断，为正确决策提供有力支持。二、 决策支持系统的系统结构1） 决策支持系统组成部件决策系统的基本组成部件：人机接口，数据库，模型库，知识库，和方法库。2） 决策成系统的系统结构决策支持系统根据组成构件的不同，有多种系统结构;1)三角式结构这种结构是把DSS的三大构件组成一个三角式的网络结构。如图2-1所示，这里用户通过对话管理部分以各种对话形式直接与数据管理和模型管理部分对话，查询，操作数据库或运行获得的结果，在查询数据库时，根据对话管理部分送来的命令部分送来的命令信息，有数据管理部分进行查询，然后再把结果经由对话管理部分送回用户。在运行模型时，或者直接从外界（用户）获得输入参数，或者从数据库中查出数据作为输入，模型运行后产生的结果通过对话管理部分直接送给用户，或先放入数据库以便继续处理，或作为其他模型的输入。所以，3个管理部分都有直接联系，而两两之间应有相互进行通信的接口。 图2-12）串联结构这种结构是把DSS的三大部分连成如图2-2所示的串联结构。它与网络结构的区别在于对话部分与数据管理部分有直接联系。对话部分若与数据管理部分传达命令或接收数据都要间接通过模型管理部分来传达。这样稍增加了一点模型管理的功能，但是省去了一套接口，使接口更加简单，更易于开发和维护。图2-23）熔合式结构数据管理部分被熔合在模型管理之中，所以两者之间互不独立，既可以说是模型管理建立在数据管理的基础上，也可以说是数据管理被嵌入模型管理之中。模型管理与数据管理两部分之间没有明显的接口。数据库与模型库的维护和管理都统一地由一个数据库管理系统来实现，而模型管理主要负责模型的建立、选择、拼接、组合、运行控制以及数据库接口的转换等。如图2-3所示图2-34）以数据库为中心的结构这种结构与熔合结构的主要区别在于增加了一个“模型管理接口部分”。由这个接口部分把各种具体数据库管理系统的功能转换成一个统一的标准调用接口，供各个模型使用。这样就避免了各模型对具体数据库管理系统的依赖。 在这种结构中，当对话管理部分要求和数据库打交道时，可通过模型库中的一个特殊的“模型”来进行，这个“模型”的功能仅仅在于把对话管理部分的信息传递给数据管理部分，反之又把结果传出。如图2-4所示图2-45）四库三功能的系统结构这个结构是一种初级的智能DSS。由于增加了知识库及相应的推理系统，使DSS对于决策者的支持能力大大增强。在某种意义上来说，该系统的推理被看成一个准专家系统。从知识的获取、解释、表示和推理所使用的基本技术来看，它与专家系统几乎没有什么差别，其主要原因是它引入了知识库和推理机的应用。如图2-5所示图2-53） 我对决策支持系统组成部件和结构的理解 决策支持系统基本结构主要由四个部分组成，即数据部分、模型部分、推理部分 决策支持系统和人机交互部分： 数据部分是一个数据库系统; 模型部分包括模型库(mb)及其管理系统(mbms); 推理部分由知识库(kb)、知识库管理系统(kbms)和推理机组成； 人机交互部分是决策支持系统的人机交互界面，用以接收和检验用户请求，调用系统内部功能软件为决策服务，使模型运行、数据调用和知识推理达到有机地统一，有效地解决决策问题。决策支持系统包含了多个组成部件，其相互之间相辅相成，他们的各种组合构成了决策支持系统不一样的结构，不同的结构又带来了不一样的作用和效果。他们都是决策系统的重要组成部分，缺一不可。三、 决策支持系统的数据库及相关技术1） 决策支持系统中数据库的作用和发展趋势数据库的作用目前商业决策面临的最大挑战不是缺少数据,而是数据太多,大部分企业无法发掘数据的价值给公司决策层提供支持.决策人员的困惑在于一是海量数据，企业现有的信息无法高效处理,；二是数据混乱,根本找不到解决的办法；三原始的数据存放方法通用性差，不便于移植，在不同文件中存储大量重复信息、浪费存储空间、更新不便等。基本这些原因的存在，数据库系统应运而生。它能够完全整合现有的业务系统,保护已有投资,并能在应用程序的配合下充分地分析数据,为决策提供支持。数据库是“按照数据结构来组织、存储和管理数据的仓库”。在企业管理的日常工作中，常常需要把某些相关的数据放进这样的“仓库”，并根据管理的需要进行相应的处理。例如，人事部门常常要把单位职工的基本情况(职工号、姓名、年龄、性别、籍贯、工资、简历等)存放在表中，这张表就可以看成是一个数据库。有了这个数据仓库我们就可以根据需要随时查询某职工的基本情况，也可以查询工资在某个范围内的职工人数等等。此外，在财务管理、仓库物流管理、生产管理，售后中也需要建立众多的这种数据库，使其可以利用计算机实现人事、财务、生产、仓库、物流、售后的自动化管理。 数据库最主要的作用就是对众多的业务系统提供数据支撑。比如：人事系统、系统的后台数据库oracle，DMS的后台数据库db2；财务系统的后台数据库Sql server；不管是oracle、sql server、db2这些都是起到存储及组织数据的作用，并借助于数据库管理系统，以它为中介，与各种应用程序或应用系统接口，所以它们不从具体的应用程序出发，而是立足于数据本身的管理。通过由应用程序进行的页面对数据库中的数据整合后进行分析处理。所以程序坏了可以重做，但数据库中的数据却不能丢失，否则会给企业造成不可弥补的损失。企业发展的重要标志便是合理调整和运用上述的资源，在没有ERP这样的现代化管理工具时，企业资源状况及调整方向不清楚，要做调整安排是相当困难的，调整过程会相当漫长，企业的组织结构只能是金字塔形的，部门间的协作交流相对较弱，资源的运行难於比较把握，并做出调整。信息技术的发展，特别是针对企业资源进行管理而设计的ERP系统正是针对这些问题设计的，成功推行的结果必使企业能更好地运用资源。在市场经济的激烈竞争中,企业必须把业务同市场需求联系起来,在此基础上做出科学,正确的决策,由计算机管理代替人手工操作,以此为收集,存贮,管理工业务数据,发送办公环境,提高操作人员的工作效率,企业需要把已经广泛收集的数据集成到数据仓施加影响 中,以便从业务数据中提取有用的信息,帮助他们在业务管理和发展上作出即时,正确的判断。.数据库技术的发展趋势 数据、计算机硬件和数据库应用，这三者推动着数据库技术与系统的发展。数据库要管理的数据的复杂度和数据量都在迅速增长；计算机硬件平台的发展仍然实践着摩尔定律；数据库应用迅速向深度、广度扩展。尤其是互联网的出现，极大地改变了数据库的应用环境，向数据库领域提出了前所未有的技术挑战。这些因素的变化推动着数据库技术的进步,出现了一批新的数据库技术，如Web数据库技术、并行数据库技术、数据仓库与联机分析技术、数据挖掘与商务智能技术、内容管理技术、海量数据管理技术等。限于篇幅，本文不可能逐一去展开来阐述这些方面的变化，只是从这些变化中归纳出数据库技术发展呈现出的突出特点。 “四高” 即DBMS具有高可靠性、高性能、高可伸缩性和高安全性。数据库是企业信息系统的核心和基础，其可靠性和性能是企业领导人非常关心的问题。因为，一旦宕机会给企业造成巨大的经济损失，甚至会引起法律的纠纷。最典型的例子就是证券交易系统，如果在一个行情来临的时候，由于交易量的猛增，造成数据库系统的处理能力不足，导致数据库系统崩溃，将会给证券公司和股民造成巨大的损失。在我国计算机应用的早期，由于计算机系统还不是企业运营必要的成分，人们对数据库的重要性认识不足，而且为了经费上的节约常常采用一些低层次的数据管理软件，如dBASE等，或者盗版的软件。但是，随着信息化进程的深化，计算机系统越来越成为企业运营的不可缺少的部分，这时，数据库系统的稳定和高效是必要的条件。在互联网环境下还要考虑支持几千或上万个用户同时存取和7x24小时不间断运行的要求，提供联机数据备份、容错、容灾以及信息安全措施等。 事实上，数据库系统的稳定和高效也是技术上长久不衰的追求。此外，从企业信息系统发展的角度上看，一个系统的可扩展能力也是非常重要的。由于业务的扩大，原来的系统规模和能力已经不再适应新的要求的时候，不是重新更换更高档次的机器，而是在原有的基础上增加新的设备，如处理器、存储器等，从而达到分散负载的目的。数据的安全性是另一个重要的课题，普通的基于授权的机制已经不能满足许多应用的要求，新的基于角色的授权机制以及一些安全功能要素，如存储隐通道分析、标记、加密、推理控制等，在一些应用中成为切切实实的需要。 “互联” 指数据库系统要支持互联网环境下的应用, 要支持信息系统间“互联互访”，要实现不同数据库间的数据交换和共享，要处理以XML类型的数据为代表的网上数据，甚至要考虑无线通讯发展带来的革命性的变化。与传统的数据库相比，互联网环境下的数据库系统要具备处理更大量的数据以及为更多的用户提供服务的能力，要提供对长事务的有效支持，要提供对XML类型数据的快速存取的有效支持。 “协同” 面向行业应用领域要求，在DBMS核心基础上，开发丰富的数据库套件及应用构件，通过与制造业信息化、电子政务等领域应用套件捆绑，形成以DBMS为核心的面向行业的应用软件产品家族。满足应用需求，协同发展数据库套件与应用构件，已成为当今数据库技术与产品发展的新趋势。规划中的Oracle 11i的主要扩展方面据称主要也是各种面向应用套件的支持。2） 数据挖掘概念及其数据挖掘技术综述数据挖掘(Data Mining)是通过分析每个数据，从大量数据中寻找其规律的技术，主要有数据准备、规律寻找和规律表示3个步骤。数据挖掘的任务有关联分析、聚类分析、分类分析、异常分析、特异群组分析和演变分析等。数据挖掘，如图3-1所示，在人工智能领域，习惯上又称为数据库中的知识发现(Knowledge Discovery in Database, KDD)， 也有人把数据挖掘视为数据库中知识发现过程的一个基本步骤。知识发现过程由以下三个阶段组成：（1）数据准备，（2）数据挖掘，（3）结果表达和解释。数据挖掘可以与用户或知识库交互。 图3-1数据挖掘是通过分析每个数据，从大量数据中寻找其规律的技术，主要有数据准备、规律寻找和规律表示3个步骤。数据准备是从相关的数据源中选取所需的数据并整合成用于数据挖掘的数据集；规律寻找是用某种方法将数据集所含的规律找出来；规律表示是尽可能以用户可理解的方式（如可视化）将找出的规律表示出来。 数据挖掘的任务有关联分析、聚类分析、分类分析、异常分析、特异群组分析和演变分析，等等。 并非所有的信息发现任务都被视为数据挖掘。例如，使用数据库管理系统查找个别的记录，或通过因特网的搜索引擎查找特定的Web页面，则是信息检索（information retrieval）领域的任务。虽然这些任务是重要的，可能涉及使用复杂的算法和数据结构，但是它们主要依赖传统的计算机科学技术和数据的明显特征来创建索引结构，从而有效地组织和检索信息。尽管如此，数据挖掘技术也已用来增强信息检索系统的能力。3） 数据仓库概念、建模和数据仓库的应用数据仓库是决策支持系统（dss）和联机分析应用数据源的结构化数据环境。数据仓库研究和解决从数据库中获取信息的问题。数据仓库的特征在于面向主题、集成性、稳定性和时变性。数据仓库建模的许多技术已逐渐形成，并且还在继续发展，以下是几种当前比较流行的建模技术：星状模型星状模式是一种多维的数据关系，它由一个事实表（Fact Table）和一组维表（Dimension Table）组成。每个维表都有一个维作为主键，所有这些维的主键组合成事实表的主键。事实表的非主键属性称为事实（Fact），它们一般都是数值或其他可以进行计算的数据；而维大都是文字、时间等类型的数据，按这种方式组织好数据我们就可以按照不同的维（事实表主键的部分或全部）来对这些事实数据进行求和（summary）、求平均（average）、计数（count）、百分比（percent）的聚集计算，甚至可以做2080分析。这样就可以从不同的角度数字来分析业务主题的情况。大致如图3-2所示图3-2雪花模型雪花模型是对星形模式维表的进一步层次化，将某些维表扩展成事实表，这样既可以应付不同级别用户的查询，又可以将源数据通过层次间的联系向上综合，最大限度地减少数据存储量，因而提高了查询功能。如图3-3所示混合模型 混合模型是星状和雪花模型的一种折中模式，其中星状模型由事实表和非标准化的维表组成，雪花模型的所有维表都进行了标准化。在混合模型中，只有最大的维表才进行标准化，这些表一般包含一列列完全标准化的（重复的）数据。数据仓库的应用如同沙里淘金，需要多层筛选，而建立完善的应用模型将事半功倍。与国外银行相比，国有四大商业银行最大的优势就在于拥有海量的客户信息数据。布局广泛的网点虽然能为更多的客户提供服务，但广泛服务带来的效益非常低。开发数据仓库，对庞大复杂的数据信息进行科学的整理和细分，已是当务之急。 目前,有两种数据仓库的建设模式，一种是先构建整体的数据仓库，再由此建立数据集市，另一种是先建数据集市，然后通过一系列维数相同的数据集市递增地构建数据仓库。后一种方法更能满足近期目标的需求，但增加了未来转换为独立的数据仓库的数据体系结构的困难。各银行实施的数据集中工程恰恰为实施集中式体系结构的数据仓库提供了基础。 开发数据仓库系统，首先必须确定系统所包含的主题域，就是决定在数据仓库这个大篮子里装什么东西，这需要对大的数据主题进行分解，从业务上确定分析主题的大类、小类，并进行主题定义，直到每个主题能够直接对应一个主数据模型为止。 银行典型的主题领域包括客户、产品（账户）、交易、渠道、营销活动、资产、财务、分支机构和职员等，具体需要分析哪些主题由业务目标决定。以个人业务的数据仓库开发为例，客户主题包括客户的基本信息、账户信息、交易信息、交易机构等。产品主题包括每个产品在各个历史时期、各个分支机构的销售额、促销力度、销售周期、销售成本等，如定期存款的余额、某阶段的新增额，某个理财产品的销售额、销售周期、销售成本等。 下面将介绍对于银行来说最重要的客户价值的评估、产品分析和交易分析的模型的建立。 客户价值评估 我国四大国有银行有着巨大的客户群，要对全部客户进行分析是不可能的，既是浪费资源，也没有必要。所以数据仓库的第一个应用就是根据客户对银行的价值挖掘出中高端客户。要计算每个客户的业务价值Vb，应统计出客户各类产品的业务量Qi和交易笔数Ti，业务量Qi按相应的价格Pi折算，同时减去交易产生的相应的成本Ti*Ci(Ci为单笔交易成本)，公式简化为：Vb=(Qi*Pi- Ti*Ci)。这样的计算量比计算余额大得多，算法也更复杂。成本的估算比较复杂，包括各类资金成本、人员成本、设备成本等，不同的交易渠道成本差别很大。 客户产品余额主题的事实表为客户产品余额或日均余额表，根据客户各类账户按产品汇总统计，每个客户每个产品每月存放一条记录。主要维度表有：月末日期维度、产品维度、客户维度等。应用模型示意见图1。 虽然模型很简单，但有很大的计算量，必须考虑以下两个问题。 数据聚集粒度的粗细程度。在事实表中，如果存放最细的产品数据（如人民币定期存款整存整取三个月），记录数会很大，如果仅把产品划分为资产、负债，可能分析不够深入，需要根据业务需求及数据实际情况平衡考虑。 数据的保留时间。假设有500万个客户，如果平均每个客户有两种产品，每月统计到事实表中的数据就有1千万条记录，每年就要产生1亿多条记录，这会浪费磁盘的空间与工作时间。当然可以在此基础上按大的产品类型进一步汇总，每个客户每月只存放一条记录，该记录包含了各产品大类的内容，这样，可以减少磁盘空间的占用。 根据这个模型还可以发现流失的客户与新增的客户。 客户产品分析 市场营销的最常见的方法是细分客户群，通过分析各客户群的特征，为不同的客户群提供不同的服务。同一客户群的客户特征非常相似，如客户的产品属性、地域、收入、职业、学历、年龄等。客户细分主要从两个角度出发：人口统计学和客户所购买的产品。人口统计学是客户的收入、职业、学历、年龄及客户所在地域、客户所在地域的人口特征与经济特征等基本信息，但这些信息并不能给银行产生直接效益。一般来说，客户细分主要基于客户所购买的产品进行，是数据驱动的客户细分，客户所购买产品的价值直接体现了目前对银行的价值。在产品细分的基础上结合分析收入、职业、学历、年龄等。 根据客户购买的产品情况，可以把客户划分为存款类客户、贷款客户、卡消费类客户等。根据不同的客户，提供整合后的银行产品和服务资源，帮助客户及时了解账户及相关信息，调整资源配置与投资，实现个人资产收益最大化。 客户交易分析 客户交易主题分析的事实表从客户账户交易流水生成，记录每类交易的发生情况，主要维度表有：日期、渠道或机构、交易类型、交易账户、产品等。模型示意见图2。 图中有八个维度表，可以对客户账户的交易类型、交易渠道及交易机构等进行分析。虽然有八个维表，但一个账户只属于一种产品，同一时间点只能有一个状态，交易也很少在多个机构发生，不同产品的账户交易可能只允许在规定的机构、规定的渠道进行。 极限情况下，事实表中的记录数=账户维表记录数交易类型维表记录数渠道维表记录数机构维表记录数。一般省级分行的账户数约一千万左右，发达地区省级分行账户数约一千五百万左右，交易类型维表记录数、渠道维表记录数、机构维表记录数即使设为极小值，如分别为2、5、5，这样事实表中的初始记录数就达到5亿条。根据实际情况，账户的日活动率约为5%，据此估算一千万账户一个月的累计交易笔数约为一千五百万，一年的记录数也近两亿，这样需要占用大量的磁盘空间。我们可以把交易类型维简化为借与贷，不统计没有发生借、贷关系的交易，直接在账户事实表中使用借方发生额、贷方发生额两个字段，这样的数据量就减少了一半。 在这个模型基础上，还可以进一步建立客户忠诚度模型等。传统OLTP应用是按照SDLC开发生命周期开发的，而数据仓库是在螺旋式开发方法学的指导下开发的，需要一个持久的过程，业务部门在业务的开展过程中会不断提出新的需求，也就是说模型的开发同业务的开发一样是无止境的，这将是一个不断探索、不断完善的循序渐进的过程。4） 我对决策支持系中数据库及其相关技术的理解 数据库本身具有很多作用（1)完善地管理各种数据库对象，具有强大的数据组织、用户管理、安全检查等功能。(2)强大的数据处理功能，在一个工作组级别的网络环境中，使用Access开发的多用户数据库管理系统具有传统的XBASE(DBASE、FoxBASE的统称)数据库系统所无法实现的客户服务器(Cient/Server)结构和相应的数据库安全机制，Access具备了许多先进的大型数据库管理系统所具备的特征，如事务处理/出错回滚能力等。(3)可以方便地生成各种数据对象，利用存储的数据建立窗体和报表，可视性好。 (4)作为Office套件的一部分，可以与Office集成，实现无缝连接。 (5)能够利用Web检索和发布数据，实现与Internet的连接。 Access主要适用于中小型应用系统，或作为客户机/服务器系统中的客户端数据库。数据库是对决策系统决策科学化的重要助力，它极大地扩大了决策需要的知识面，减少了决策失误的几率。是决策系统不可缺少的一部分。四、 决策支持系统的模型库及相关技术1） 模型、模型库和模型库管理系统的概念所谓模型是以某种形式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。模型库是决策支持系统的核心部分,存储各种模型以及模型与数据的匹配关系。模型库将众多的模型按一定的结构形式组织和存储起来,通过模型库管理系统对各模型进行提取、访问、更新和合并等操作,以实现有效的管理和使用。模型库管理系统为生成和管理模型提供一个用户界面友好的软件环境,主要功能是对模型的建立、维护、调用、查询运行、检验和评价进行集中的控制。其模型有两类:一类是标准模型,按照某些常用的程序设计语言编程,并存在库中。另一类是由用户应用建模语言和模型库管理系统的建模功能而建立的模型。2） 模型库在决策支持系统中作用我们建模是为了更好的理解我们正在使用的系统。人对复杂系统的理解力是有限的。而模型是对现实的简化，通过建模，缩小所研究问题的范围，一次只研究它的一个方面。这就是“各个击破”的策略。这里说的“我们”，指的是所有与软件开发有关的人员，软件开发人员当然是其中的主要成员，不过还包括像客户，软件项目管理人员等等，所有这些希望了解正在开发的系统的人员。软件开发人员建立的模型，除了让自己更清楚系统外，更重要的是可以帮助其他软件开发人员理解系统。通过建模，要达到四个目的：直观化：以更直观的形式来表达系统或系统的某个方面。说明功能：模型可以详细说明系统的结构或行为。指导功能：模型可以指导我们构造系统。文档化：模型对我们做出的决策进行文档化3）模型库发展和应用的前景以及存在的问题数据库概念模型实际上是现实世界到机器世界的一个中间层次。数据库概念模型用于信息世界的建模，是现实世界到信息世界的第一层抽象，是数据库设计人员进行数据库设计的有力工具，也是数据库设计人员和用户之间进行交流的语言。建立数据概念模型，就是从数据的观点出发，观察系统中数据的采集、传输、处理、存储、输出等，经过分析、总结之后建立起来的一个逻辑模型，它主要是用于描述系统中数据的各种状态。这个模型不关心具体的实现方式（例如如何存储）和细节，而是主要关心数据在系统中的各个处理阶段的状态。 实际上，数据流图也是一种数据概念模型。模型库的建立是对决策支持系统的完善，其前景不可估量。但其建立期间也存在建立步骤繁琐等不足。4） 我对决策支持系中模型库及其相关技术的理解模型库及其相关技术在决策支持系统中有十分重要的地位：决策支持系统由模型驱动分析问题决策支持系统面对一个特定的决策问题时主要以模型库系统为主,通过定量分析进行辅助决策。决策支持系统的本质是将多个模型有机的组合起来,对数据库中的数据进行处理从而形成决策问题大模型。决策支持系统的辅助决策能力从运筹学、管理科学的单模型辅助决策发展到多模型综合决策,使辅助决策能力上了一个新台阶。因此决策支持系统是由模型驱动的,它包括两层含义:一是决策支持系统的求解是通过运行模型得到的;二是在解决决策问题时,人们头脑中已经形成对某一客观系统的模型,它是人们在收集信息、预测结果、评价和选择方案的过程中。做出决策的主要依据。这使得半结构化、非结构化问题用计算机来模拟仿真、解决成为可能,也使得决策支持系统能适应不断变化的环境。模型库系统是决策支持系统研究的主要内容决策支持系统是计算机科学(主要是管理信息系统) 和管理科学(主要是运筹学) 互相渗透和不断发展的产物。管理信息系统重在对大量数据的处理,而运筹学的重点则是运用模型辅助决策,主要体现在单模型辅助决策上。随着解决的问题越来越复杂,所涉及的模型越来越多,模型的种类也由单一的数学模型扩展为复杂的模型组合。最后用来解决一个大问题的模型数量可能成百上千,这对于多模型辅助决策问题,在决策支持系统出现之前是靠人来实现模型间的联合和协调,决策支持系统出现的目的就是要解决由计算机自动组织和协调多模型的运行以及对数据库中的数据的存取和处理,以达到更高层次的辅助决策能力,解决这个问题的子系统就是模型库系统。模型库系统是决策支持系统的重要组成部分在决策支持系统的各种结构形式中,模型库系统都是决策支持系统的基本组成部分,而是否具有模型库系统是决策支持系统区别于管理信息系统的重要标志。在管理信息系统中,决策人员和决策活动只能依赖于对各类数据的查询、分类及归纳总结,局限性很大。而决策支持系统模型库所具有的建模功能则克服了这一局限,能为决策者提供推理、比较选择和分析问题的支持不同层次决策活动的基本模型,在决策问题的定量分析中起重要作用。研究和分析有关模型的有效性,研究模型、方法和数据的相互关系,研究系统提供的各种决策模型,研究如何组织管理模型是决策支持系统的很重要的研究内容。模型库发展和应用的前景以及存在的问题参考文献1 PKCS # 11 V2. 11 Final Draft ;Cryptographic Token Inter2face Standard ,RSA LaboratorDes June 200112 PKCS # 10 v1. 7 : Certification Request SyntaxStandard ,RSA LaboratorDes May 200013 PKCS # 7 V1. 5 : Cryptographic Message SyntaxStandard ,RSA LaboratorDes November 199314 段斌1 电子政务CA 证书申请体系设计1 计算机工程,20031 1 汪日康,袁蓉芳,徐华行,等1 计算机决策支持系统1上海科学普及出版社,199312 陈晓红1 决策支持系统理论和应用1 清华大学出版社,200013 张雪风,张明裕,陈永年1 决策支持系统中的模型及模型库管理系统1 计算机研究与发展,1993 (3) :4 李京,孙颖博,刘智深1 模型库管理系统的设计和实现1 软件学报,1998 ,8(8) :五、 决策支持系统的知识库及相关技术1）知识和知识库的概念知识是以各种不同方式把多个信息关联在一起的信息结构。知识库(Knowledge Base)是知识工程中结构化，易操作，易利用，全面有组织的知识集群，是针对某一(或某些)领域问题求解的需要，采用某种(或若干)知识表示方式在计算机存储器中存储、组织、管理和使用的互相联系的知识片集合。这些知识片包括与领域相关的理论知识、事实数据，由专家经验得到的启发式知识，如某领域内有关的定义、定理和运算法则以及常识性知识等2）知识的表达与推理知识的表示就是对知识的一种描述，或者说是一组约定，一种计算机可以接受的用于描述知识的数据结构。对知识进行表示的过程，实质上就是把相关知识映射 (或称为变换：Transformation；或称为映像：Mapping；或称为编码：Coded.) 为该数据结构的过程一阶谓词逻辑表示法：一阶谓词逻辑表示法是目前应用最广的方法之一，在AI系统上已经得到了应用。它是通过分析命题内容和谓词逻辑，尽可能正确地表述它的各种意境的过程。知识的谓词逻辑表示符合人的思维习惯，可读性好，逻辑关系表达简便。使用谓词逻辑既便于表达概念、状态、属性等事实性知识，又能方便地采用谓词公式的表达形式，进行各种智能行为的过程性描述与演绎推理一阶谓词的一般形式为P(x1，x2，xn) 其中P是谓词名，xi为个体常量、变元，或函数。例如：STUDENT(zhangsan)：zhangsan是学生STUDENT(x)：x是学生Greater(x，5)：x5TEACHER(father(Wanghong)：王宏的父亲是教师。在一阶谓词表示法中连接词是非常重要的其中：连接词：、量词：、(x)P(x)为真、为假的定义(x)P(x)为真、为假的定义结合具体事例可以看到一阶谓词逻辑在知识表示法中的优越性：李明是计算机系的学生，但他不喜欢编程。定义谓词：COMPUTER(x):x是计算机系的学生LIKE(x,y):x喜欢y谓词公式为：LIKE(liming，programming) COMPUTER(liming) 谓词逻辑是一种传统经典也是最基本的形式化方法。谓词逻辑知识表示:规范性严，逻辑性强，自然性好，推理过程严密，易于实现。这些优良特性使得谓词逻辑最早用于人工智能机器定理证明，并获得了成功。但是必须看到，谓词逻辑属于标准的二值（T与F）逻辑，难以直接进行不确定性问题的处理。对于复杂系统的求解问题，容易陷入冗长演绎推理中，常常不可避免地带来求解效率低,甚至产生“组合爆炸”问题。因此，针对谓词逻辑，尚待人们不断加以改进，以便寻求自然性好而效率更高的技术方法。产生式表示法目前，产生式表示方法是专家系统的第一选择的知识表达方式。是美国数学家Post在1943年提出了一种计算形式体系里所使用的术语。产生式表示的基本形式为：（1）确定性知识的表示：产生式形式： PQ或者IF P THEN Q 它的含义：如果前提P满足，则可以推出结论Q或执行Q操作。例如：IF CLEAR(B) AND HANDEMPTYTHEN Pickup(B)如果积木B上是空的，且机械手空，则机械手从桌面上抓起积木B。（2）不确定知识的表示：产生式形式：PQ （置信度）或者IF P THEN Q（置信度）在不确定推理中，当已知事实与前提P不能精确匹配时，只要按照“置信度”的要求达到一定的相似度，就认为已知事实与前提条件相匹配，再按照一定的算法将这种可能性（不确定性）传递到结论Q。产生式表示法其优点在于模块性。规则与规则之间相互独立灵活性。知识库易于增加、修改、删除自然性。方便地表示专家的启发性知识与经验透明性。易于保留动作所产生的变化、轨迹，但仍有不少缺点：知识库维护难。效率低。为了模块一致性理解难。由于规则一致性彼此之间不能调用。语义网络表达式语义网络是人工智能常用的知识表示法之一。是一种使用概念及其语义关系来表达知识的有向图。它作为人类联想记忆的一个显示心理学模型，是由J.R.Quillian于1968年在他的博士论文中首先提出，并用于自然语言处理。语义网络结构共使用了三种图形符号：框、带箭头及文字标识的线条和文字标识线。分别称为:（1）节(结)点; 弧(又叫做边或支路); 指针。（2）节点(Node)：也称为结点。用圆形、椭圆、菱形或长方形的框图来表示，用来表示事物的名称、概念、属性、情况、动作、状态等。（3）弧(Arc)：这是一种有向弧，又称之为支路（Branch）。节点之间用带箭头及文字标识的有向线条来联结，用以表示事物之间的结构，即语义关系。（4）指针(Pointer)：也叫指示器。是在节点或者弧线的旁边，另外附加必要的线条及文字标识，用来对节点、弧线和语义关系作出相宜的补充、解释与说明。语义网络是一种结构化知识表示方法，具有表达直观，方法灵活，容易掌握和理解的特点。概括起来，主要优点在于采用语义关系的有向图来连接，语义、语法、词语应用兼顾，具有描述生动，表达自然，易于理解等。虽然语义网络知识表示和推理具有较大的灵活性和多样性，但是没有公认严密的形式表达体系，却不可避免地带来了非一致性和程序设计与处理上的复杂性，这也是语义网络知识表示尚待深入研究解决的一个课题。框架表式框架表示法诞生于1975年，这也是一种结构化的知识表示方法，并已在多种系统中得到成功的应用。框架理论是由人工智能科学创始人之一，美国著名的人工智能学者M.L.Minsky(明斯基)提出来的。自然界各种事物都可用框架(Frame)组织构成。每个被定义的框架对象分别代表着不同的特殊知识结构，从而可在大脑或计算机中表示、存储并予以认识、理解和处理。框架是一种被用来描述某个对象（诸如一个事物、一个事件或一个概念）属性知识的数据结构。知识的推理按推理的方向分可分为正向推理，反向推理和正向反向混合推理3种。推理大致可以分为以下4种：1、基于知识的推理2、不精确推理3、非单调推理4形式推理3）知识库发展和应用的前景以及存在的问题不完整性悬挂条件 如果该规则的任意前提条件都不出现在数据库中，也不出现在所有规则的结论部分，则该规则永远不会被激活。 无用结论HNC知识库系统的构成如果一个规则结论部分的谓词没有在知识库中任何规则的前提条件中出现，该谓词称为无用条件。 孤立规则 如果一个规则前提部分的谓词都是悬挂条件，并且其结论部分的谓词都是无用结论，则称该规则为孤立的。 不一致性1、冗余规则 2、包含规则 3、循环规则 4、冲突规则 4）我对决策支持系中知识库及其相关技术的理解1.知识库会使组织内所包含的信息和知识实现有序化。建立企业知识库，势必要对原有的信息和知识进行一次整体的收集和整理，遵循一定的分类原则进行分类，并且提供必要的检索手段。这样信息和知识就可以从原来的混乱状态变得有序化，也就为信息和知识的检索提供了便利条件，为日后的使用打下基础。2.知识库可以加快知识和信息的流动，有利于知识共享和交流。知识和信息实现有序化之后，能够大大缩短寻找和利用的时间，从而加快了流动。此外，通过企业内部网络的应用，可以使企业内外发生的事情在极短的时间内传播开来，也就使得新信息和知识获知速度加快。3.知识库还有利于实现组织的协作和沟通。企业知识库可以将员工在日常工作中提出的各种建议进行收纳。员工在工作中解决了某个难题或者发现解决问题的更好方法后，都可以将这些建议和方法交由企业内的评审小组。通过评审小组的审核工作，将最好的建议纳入到知识库中。4.知识库可以帮助企业实现对客户知识的有效管理。企业内的人员流动是不可避免的，当有员工离开自己之前所在的岗位时，往往他们会掌握大量的宝贵信息，岗位发生变动也就会有大量的客户知识随之受到损失。这时，企业知识库的作用就是对这些宝贵的客户信息进行保存，以方便新的业务人员随时利用。六、 如何构建一个决策支持系统1） 构建决策支持系统的一般步骤决策的一般步骤(1)发现问题并形成决策目标，包括建立决策模型、拟定方案和确定效果度量，这是决策活动的起点；(2)用概率定量地描述每个方案所产生的各种结局的可能性； (3)决策人员对各种结局进行定量评价，一般用效用值来定量表示。效用值是有关决策人员根据个人才能、经验、风格以及所处环境条件等因素，对各种结局的价值所作的定量估计； (4)综合分析各方面信息，以最后决定方案的取舍，有时还要对方案作灵敏度分析，研究原始数据发生变化时对最优解的影响，决定对方案有较大影响的参量范围。DSS整个研制过程分为两大阶段：1、奠基阶段首先识别出一个重要的需要提供支持的小系统，分析并建立一个可以使用的小系统，交付使用，即建立一个原型。这个原型很重要，应着眼于整体结构，便于发展扩充，因此要加强调查分析，不能简单地投其所好。2、发展阶段在第一阶段所建初始系统的基础上，边用边改，不断扩充完善。在实际应用中，反复进行分析、设计、实现、评价，扩展DSS的功能，重点改进系统的使用方式和效果。发展阶段的时间可能较长。发展阶段体现在系统、用户与研制人员之间的相互作用，在他们中间展开认识、实现、进化三种循环。 (1)认识循环这是发展阶段的一个重要循环。用户通过学习和使用系统，可以改变思考方式和工作方式，激发出改变传统求解方式的积极性。同时，用户在使用过程中会提出新的要求，据此可以构造新的模型，选择新的方法和求解策略。(2)