賴博士論文答辯

1、數(shù)據(jù)驅(qū)動(dòng)的綜合智能決策支持系統(tǒng)及其生成器的研究與開發(fā),姓 名：賴邦傳 學(xué)科專業(yè)：管理科學(xué)與工程 研究方向：決策支持系統(tǒng) 院、系(所)：商學(xué)院 導(dǎo) 師：陳曉紅 教授,中南大學(xué)博士論文答辯,主要內(nèi)容,課題來源及其研究背景 研究與發(fā)展現(xiàn)狀 論文的結(jié)構(gòu)安排 論文的主要工作與創(chuàng)新點(diǎn) 論文的相關(guān)工作及其論文發(fā)表情況,一、課題來源及其研究背景,1.本文研究內(nèi)容是國家自然科學(xué)基金委國家杰出青年科學(xué)基金項(xiàng)目“互聯(lián)網(wǎng)環(huán)境下群體智能決策支持系統(tǒng)生成器（i-GIDSSG）的研究與開發(fā)” 中的子項(xiàng)目和重要組成部分。 2.本文研究側(cè)重于利用數(shù)據(jù)倉庫技術(shù)和數(shù)據(jù)挖掘技術(shù)等，以數(shù)據(jù)為出發(fā)點(diǎn)，與傳統(tǒng)的IDSS結(jié)合起來，分析系統(tǒng)內(nèi)

2、部處理流程與機(jī)制，將數(shù)據(jù)、模型和知識(shí)更好地集成利用，從而在更廣泛的領(lǐng)域里為管理決策人員在更深層次的信息分析上提供輔助決策方案。,（一）課題來源,一、課題來源及其研究背景,1.隨著科學(xué)技術(shù)的不斷發(fā)展，數(shù)據(jù)庫規(guī)模日益擴(kuò)大，復(fù)雜程度不斷增長，從大量數(shù)據(jù)中及時(shí)獲取制定有利于社會(huì)發(fā)展的策略信息顯得越來越重要。 2.企業(yè)的經(jīng)營決策模式逐漸向半結(jié)構(gòu)化、非結(jié)構(gòu)化方向發(fā)展，并具有強(qiáng)烈的不可預(yù)測性、廣泛的分布性和重要的協(xié)同性，對(duì)具有一定商務(wù)智能的決策支持系統(tǒng)的需要日益迫切。 3.現(xiàn)階段DSS投入應(yīng)用的成功實(shí)例不多，且大多數(shù)缺乏對(duì)決策的有效支持。 4. 隨著數(shù)據(jù)庫系統(tǒng)的廣泛應(yīng)用，數(shù)據(jù)的分析和理解成為發(fā)展必然。而信息

3、技術(shù)特別是數(shù)據(jù)倉庫技術(shù)和數(shù)據(jù)挖掘技術(shù)的發(fā)展，為決策問題的解決帶來了新的契機(jī)。,（二）研究背景,二、研究與發(fā)展現(xiàn)狀,對(duì)于IDSS的相關(guān)研究，目前主要從三個(gè)方向進(jìn)行： IDSS研究 主要研究IDSS的框架結(jié)構(gòu)、管理組織和系統(tǒng)集成等，根據(jù)研究的側(cè)重點(diǎn)不同，可以分為模型驅(qū)動(dòng)的IDSS、數(shù)據(jù)驅(qū)動(dòng)的IDSS和知識(shí)驅(qū)動(dòng)的IDSS. IDSS的實(shí)現(xiàn)技術(shù)研究 研究IDSS功能實(shí)現(xiàn)的相關(guān)技術(shù)，包括模型的構(gòu)造、數(shù)據(jù)挖掘技術(shù)與算法的實(shí)現(xiàn)、數(shù)據(jù)倉庫技術(shù)的運(yùn)用、知識(shí)表達(dá)和存儲(chǔ)技術(shù)的利用等，可分為模型驅(qū)動(dòng)的決策支持技術(shù)、數(shù)據(jù)驅(qū)動(dòng)的決策支持技術(shù)和知識(shí)驅(qū)動(dòng)的決策支持技術(shù). 智能決策支持系統(tǒng)生成器（IDSSG）的研究 研究IDS

4、S的生成工具，包括系統(tǒng)決策的環(huán)境集成、決策軟件的快速開發(fā)、決策過程的可視化等。,目前IDSS研究中存在的問題和不足： 1. 現(xiàn)有IDSS主導(dǎo)思想仍然是以模型驅(qū)動(dòng)形式提供輔助決策信息和決策方案，缺少對(duì)新的數(shù)據(jù)驅(qū)動(dòng)決策支持技術(shù)（數(shù)據(jù)倉庫、OLAP、數(shù)據(jù)挖掘等）的支持。 2. 現(xiàn)有IDSS實(shí)現(xiàn)技術(shù)無法滿足日益復(fù)雜的信息需求，有待進(jìn)一步完善和發(fā)展。表現(xiàn)在： 模型驅(qū)動(dòng)的決策支持技術(shù)強(qiáng)調(diào)決策過程的選擇階段，對(duì)于決策過程的設(shè)計(jì)階段缺少支持，并且對(duì)模型的共享、重用和進(jìn)化管理研究不足； 數(shù)據(jù)驅(qū)動(dòng)的決策支持技術(shù)中數(shù)據(jù)倉庫技術(shù)相對(duì)成熟，但對(duì)于數(shù)據(jù)挖掘技術(shù)理論研究多，真正應(yīng)用少，且大多數(shù)算法存在對(duì)數(shù)據(jù)的要求嚴(yán)格、靈活

5、性和擴(kuò)展性有限等缺點(diǎn)，需要進(jìn)一步改進(jìn)與完善 ； 知識(shí)驅(qū)動(dòng)的決策支持技術(shù)國內(nèi)大多數(shù)更多地停留于理論的研究，沒有形成統(tǒng)一成熟標(biāo)準(zhǔn)的知識(shí)管理技術(shù)。,二、研究與發(fā)展現(xiàn)狀,3.現(xiàn)有的一些數(shù)據(jù)驅(qū)動(dòng)的智能決策支持系統(tǒng)工具和系統(tǒng)大都是單獨(dú)存在，與模型、知識(shí)的集成共享性差，且仍然側(cè)重于事務(wù)處理和數(shù)據(jù)分析，對(duì)于半結(jié)構(gòu)化和非結(jié)構(gòu)化問題的解決未能提供有效支持，缺少對(duì)整體決策方案的支持。,二、研究與發(fā)展現(xiàn)狀,三、論文的結(jié)構(gòu)安排,數(shù)據(jù)驅(qū)動(dòng)的綜合智能決策支持系統(tǒng)體系框架研究,數(shù)據(jù)驅(qū)動(dòng)的決策支持技術(shù)研究,IIDSS/DD系統(tǒng)功能研究,IIDSSG/DD（生成器）研究,實(shí)證研究,論文研究的主要思路框架,三、論文的結(jié)構(gòu)安排,全文

6、共7章。 第1章介紹了課題研究的背景來源及其意義、研究與發(fā)展現(xiàn)狀，在此基礎(chǔ)上提出本文研究的主要工作和創(chuàng)新之處。 第2章研究和分析了智能決策支持系統(tǒng)（IDSS）開發(fā)的層次模型，并規(guī)范了系統(tǒng)資源接口，在此基礎(chǔ)上提出了數(shù)據(jù)驅(qū)動(dòng)的綜合智能決策支持系統(tǒng)體系結(jié)構(gòu)。,三、論文的結(jié)構(gòu)安排,第3章闡述了數(shù)據(jù)驅(qū)動(dòng)決策支持技術(shù)的相關(guān)理論與方法，提出了數(shù)據(jù)挖掘系統(tǒng)開發(fā)框架和數(shù)據(jù)挖掘概念模型，探討并研究了基于數(shù)據(jù)挖掘的決策支持技術(shù)，其中重點(diǎn)論述了最小關(guān)聯(lián)規(guī)則集及其挖掘算法、多屬性值分類分析和聚類分析等算法。 第4章在數(shù)據(jù)驅(qū)動(dòng)的綜合智能決策支持系統(tǒng)體系結(jié)構(gòu)的基礎(chǔ)上，分析并設(shè)計(jì)了其功能結(jié)構(gòu)，明確了各自的功能模塊，詳細(xì)地分析

7、了各個(gè)子系統(tǒng)的管理流程。,第5章闡述了數(shù)據(jù)驅(qū)動(dòng)的綜合智能決策支持系統(tǒng)生成器組件構(gòu)成，在組件功能分析的基礎(chǔ)上，設(shè)計(jì)了相關(guān)生成器組件：主控制組件、數(shù)據(jù)倉庫組件、數(shù)據(jù)挖掘組件、模型管理組件、知識(shí)管理組件。 第6章是數(shù)據(jù)驅(qū)動(dòng)的綜合智能DSS應(yīng)用實(shí)例。某保險(xiǎn)公司通過運(yùn)用論文中相關(guān)組件開發(fā)出客戶關(guān)系管理系統(tǒng)（CRMS/I），論述了CRMS/I的設(shè)計(jì)與開發(fā)，以及相關(guān)組件在系統(tǒng)中的應(yīng)用情況。 第7章對(duì)本文研究工作和創(chuàng)新點(diǎn)進(jìn)行了總結(jié)與展望,三、論文的結(jié)構(gòu)安排,三、論文的主要工作與創(chuàng)新點(diǎn),考慮到IDSS的通用性，為了有效地將系統(tǒng)的核心模塊和功能相對(duì)固化，提高系統(tǒng)的技術(shù)含量和復(fù)用性，將層次模型理論運(yùn)用于IDSS開發(fā)

8、是一種有效的方法。 本文在層次模型的相關(guān)理論基礎(chǔ)上，完善了關(guān)于智能決策支持系統(tǒng)開發(fā)的層次結(jié)構(gòu)理論的研究，在任務(wù)層首次提出了IDSS標(biāo)準(zhǔn)任務(wù)五層框架的實(shí)現(xiàn)方法，并對(duì)資源接口層詳細(xì)地設(shè)計(jì)和規(guī)范了四種系統(tǒng)資源（數(shù)據(jù)、模型、知識(shí)和實(shí)例）的BNF接口語法，屏蔽了具體資源實(shí)現(xiàn)上的差異，促進(jìn)了系統(tǒng)資源的有效集成。,主要工作與創(chuàng)新點(diǎn)1,四、論文的主要工作與創(chuàng)新點(diǎn),IDSS標(biāo)準(zhǔn)任務(wù)五層框架,主要工作與創(chuàng)新點(diǎn)1,四、論文的主要工作與創(chuàng)新點(diǎn),傳統(tǒng)的“三部件”(語言、知識(shí)、問題)DSS結(jié)構(gòu)模式對(duì)DSS起到了很大的促進(jìn)作用，較好地解決了對(duì)決策問題求解過程的控制,但仍然保留了專家系統(tǒng)的求解思路，未能體現(xiàn)出決策者在模型驅(qū)動(dòng)

9、、數(shù)據(jù)驅(qū)動(dòng)的特點(diǎn)和作用，不具備學(xué)習(xí)能力，缺乏對(duì)模型、數(shù)據(jù)和知識(shí)的整合和協(xié)調(diào)。 目前IDSS的研究重點(diǎn)由專家型決策支持系統(tǒng)逐步轉(zhuǎn)移到智能決策支持系統(tǒng)的模型、知識(shí)處理、人機(jī)交互和生成器等方面。,主要工作與創(chuàng)新點(diǎn)2,四、論文的主要工作與創(chuàng)新點(diǎn),本文以IDSS層次模型理論為指導(dǎo)，提出了數(shù)據(jù)驅(qū)動(dòng)的綜合智能決策支持系統(tǒng)體系框架，該體系框架較好地集成了數(shù)據(jù)、模型和知識(shí)，支持多種新的決策支持技術(shù)，同時(shí)以組件為系統(tǒng)的技術(shù)支撐，具有良好的通用集成性和可擴(kuò)展性。,主要工作與創(chuàng)新點(diǎn)2,數(shù)據(jù)驅(qū)動(dòng)的綜合智能決策支持系統(tǒng)體系結(jié)構(gòu),四、論文的主要工作與創(chuàng)新點(diǎn),數(shù)據(jù)挖掘的核心技術(shù)是人工智能、機(jī)器學(xué)習(xí)、統(tǒng)計(jì)學(xué)等，但一個(gè)數(shù)據(jù)挖掘系

10、統(tǒng)不是多項(xiàng)技術(shù)的簡單組合，而是一個(gè)有機(jī)完整的整體，通過輔助技術(shù)的支持，完成數(shù)據(jù)采集、預(yù)處理、數(shù)據(jù)分析、結(jié)果表述一系列任務(wù)，最后將分析結(jié)果呈現(xiàn)在用戶面前。 在問題決策求解中，其數(shù)據(jù)挖掘常常也是面向問題或任務(wù)的。任何復(fù)雜的數(shù)據(jù)挖掘都可以視為一個(gè)多層復(fù)雜的模型系統(tǒng)，并需要一些計(jì)算機(jī)化的過程來給予支持。,主要工作與創(chuàng)新點(diǎn)3,四、論文的主要工作與創(chuàng)新點(diǎn),為此，本文首次將層次模型理論運(yùn)用于數(shù)據(jù)挖掘系統(tǒng)開發(fā)，在遵循線性關(guān)系發(fā)現(xiàn)過程的基礎(chǔ)上，對(duì)通用數(shù)據(jù)挖掘系統(tǒng)的開發(fā)框架進(jìn)行了層次分析，得到一種新的思路和方法，在此基礎(chǔ)上提出了基于層次模型的智能數(shù)據(jù)挖掘概念模型。,主要工作與創(chuàng)新點(diǎn)3,基于層次模型的智能數(shù)據(jù)挖掘概

11、念模型,四、論文的主要工作與創(chuàng)新點(diǎn),主要工作與創(chuàng)新點(diǎn)3,四、論文的主要工作與創(chuàng)新點(diǎn),在數(shù)據(jù)驅(qū)動(dòng)的決策支持技術(shù)中，新興的數(shù)據(jù)挖掘技術(shù)已在國內(nèi)外引起眾多學(xué)者的關(guān)注，并已成為研究熱點(diǎn)和難點(diǎn)。數(shù)據(jù)挖掘算法的好壞直接影響著數(shù)據(jù)挖掘結(jié)果的優(yōu)劣。 為此本文針對(duì)數(shù)據(jù)挖掘中常規(guī)任務(wù)的實(shí)現(xiàn)，提出了最小關(guān)聯(lián)規(guī)則集挖掘算法、基于映射簇的多維數(shù)據(jù)聚類分析算法和基于決策樹的兩階段多屬性值分類分析算法，有效地提高了知識(shí)發(fā)現(xiàn)的效率。,主要工作與創(chuàng)新點(diǎn)4,四、論文的主要工作與創(chuàng)新點(diǎn),最小關(guān)聯(lián)規(guī)則集挖掘算法 提出生成最小關(guān)聯(lián)規(guī)則集來代替完全關(guān)聯(lián)規(guī)則集，減少候選頻繁項(xiàng)目集，最小關(guān)聯(lián)規(guī)則集必須具備兩個(gè)條件： （1）最小關(guān)聯(lián)規(guī)則集是最

12、小、最簡單的關(guān)聯(lián)規(guī)則集合； （2）最小關(guān)聯(lián)規(guī)則集有與完全關(guān)聯(lián)規(guī)則集相同的預(yù)測分析能力，從而確保關(guān)聯(lián)規(guī)則分析的正確。,主要工作與創(chuàng)新點(diǎn)4,四、論文的主要工作與創(chuàng)新點(diǎn),基于決策樹的兩階段多屬性值分類分析算法 分類的效果一般和數(shù)據(jù)的特點(diǎn)有關(guān)，類的識(shí)別并不僅僅依賴于單個(gè)屬性的值，還與多個(gè)屬性相關(guān)。在建立屬性列表的基礎(chǔ)上，比較和簡化屬性，有效的進(jìn)行屬性分割，同時(shí)利用分組記數(shù)的方法實(shí)現(xiàn)多屬性分類分析。,主要工作與創(chuàng)新點(diǎn)4,四、論文的主要工作與創(chuàng)新點(diǎn),基于映射簇的多維數(shù)據(jù)聚類分析算法 在典型的多維數(shù)據(jù)挖掘應(yīng)用中，不同的數(shù)據(jù)對(duì)象集合對(duì)于不同維度集合而言可能聚類會(huì)更好，且在每個(gè)簇的具體子空間中維度數(shù)將可能非常大

13、。 使用傳統(tǒng)特征選擇算法的問題在于預(yù)先選擇某個(gè)維度會(huì)導(dǎo)致信息的丟失。 應(yīng)用映射簇的概念來明確簇與緯度的關(guān)系，將聚類問題轉(zhuǎn)化為映射簇問題，可以簡化計(jì)算，提高挖掘效率。,主要工作與創(chuàng)新點(diǎn)4,四、論文的主要工作與創(chuàng)新點(diǎn),組件技術(shù)源于軟件的重組。組件技術(shù)可解決兩個(gè)重要問題：一是重用，二是互操作性。利用組件技術(shù)實(shí)現(xiàn)IDSS生成器組件化是解決IDSSG開發(fā)組織問題的有效方法。 為此，本文利用相關(guān)組件技術(shù)研究并設(shè)計(jì)了數(shù)據(jù)驅(qū)動(dòng)的綜合智能決策支持系統(tǒng)生成器組件的構(gòu)成和功能，并利用相關(guān)組件通過具體企業(yè)進(jìn)行了實(shí)證，證明了其實(shí)用有效。,主要工作與創(chuàng)新點(diǎn)5,IIDSSG/DD主要表現(xiàn)為一套組件(包括模型管理組件、數(shù)據(jù)倉

14、庫組件、數(shù)據(jù)挖掘組件、知識(shí)管理組件)。在組件中封裝了各類基本決策支持算法及其任務(wù)求解引擎。 用戶在實(shí)際開發(fā)過程中，可以根據(jù)系統(tǒng)實(shí)際需要選擇其中一個(gè)或幾個(gè)進(jìn)行組合開發(fā)專用的智能決策支持系統(tǒng),四、論文的主要工作與創(chuàng)新點(diǎn),主要工作與創(chuàng)新點(diǎn)5,通過省某知名保險(xiǎn)公司客戶關(guān)系管理系統(tǒng)的開發(fā)和實(shí)現(xiàn)來說明數(shù)據(jù)驅(qū)動(dòng)的綜合智能決策支持系統(tǒng)的應(yīng)用和實(shí)現(xiàn)。在實(shí)際開發(fā)中，IIDSSG/DD組件能快速靈活地實(shí)現(xiàn)決策功能，滿足企業(yè)實(shí)際決策需求。,四、論文的主要工作與創(chuàng)新點(diǎn),主要工作與創(chuàng)新點(diǎn)5,五、論文的相關(guān)工作及其論文發(fā)表情況,論文的相關(guān)工作 1.先后查閱相關(guān)英文文獻(xiàn)共136篇，中文文獻(xiàn)共143篇. 2.參加相關(guān)科研課題共8個(gè)