基于组件技术的DSS模型研究

在对DSS模型分析研究的基础上,给出了基于组件思想的DSS模型定义与运算操作,提出了一种基于组件技术的DSS的模型设计与实现策略,并对基于组件技术的DSS基模型和复合模型的实现方法进行了较详细的描述。     

基于面向对象模型的DSS实现方法

提出了DSS中模型的新概念,模型被定义为具有智能特征的抽象对象──模型对象,给出了以面向对象技术建立DSS中基于模型对象的模型库及其管理系统的方法,用该方法开发的DSS具有DSS生成器的功能．介绍了这项技术在长岭炼油化工总厂智能型分布式决策支持系统（CL－IDDSS）中的应用情况．     

决策支持系统模型自动更新策略

现有决策支持系统(DSS)往往面临着决策模型更新的问题,核心的决策模型无法由系统来自主更新,需要模型开发人员重新进行数据挖掘过程,开发成本过高.针对这一问题提出新的概念,即采用规则引擎技术来管理、调用DSS的决策模型.当需要更新DSS的决策模型时,通过模型更新模块,更新决策模型的参数,生成的新模型作为规则保存在规则引擎中,而在DSS中只需调用相关规则即可应用新的决策模型.最后通过构建原型系统验证模型自动更新策略的必要性和可行性.     

基于面向对象的模型库系统的研究及实现

模型库系统是决策支持系统（DSS）的核心部分,也是提高DSS决策能力的关键部分。传统的结构化模型库系统很难适应DSS在处理过程中不断变化以及对模型任意选取的要求。而面向对象的模型库系统能较好地解决这些问题,提高模型运行地自动化程度和效率,最终提高DSS决策能力。本文通过对面向对象模型库系统的研究,得出了面向对象模型库系统的设计思想和总体框架,并给出了它在分布式故障诊断系统中的具体实现。     

基于面向对象技术的DSS模型设计与实现

根据面向对象技术的原理,探讨了基于面向对象方法的DSS模型的设计和实现方法.提出了基于面向对象DSS模型的定义和表示方法,使用了模型字典来进行模型的存储,描述了复合模型实现的方法.该模型表示方法已应用于信贷决策支持系统中,取得了令人满意的效果.     

扩展的DSS中的模型和知识

本文主要提出了扩展的DSS中模型的一种表示形式和扩展的DSS中的知识库系统,进而提出了在这样的DSS中,是如何运用知识自动选择模型对问题作出解答的。     

基于Web Service的DSS模型重用机制研究

模型重用是DSS模型研究的重要问题之一．本文提出把DSS模型分成动态模型和静态模型并分类进行管理，同时利用Web Service技术向远程客户端提供模型服务；而用户则通过客户端模型调用组件向Web Service调用不同的模型服务．这样更好地实现了在分布式异构环境中的模型重用，另一方面也使得模型易于使用和管理．     

基于E—R模型层次化的录入技术

传统E—R模型是对现实世界的一种有力的抽象，但是E—R模型中的实体关系十分复杂，尤其是在实体数目大、相互联系复杂的情形。为了能够有效地提高数据录入模块的开发效率，文中对传统E—R模型进行改进，提出一种基于E—R模型层次化的录入技术，即通过对传统E—R模型产生的逻辑模型(关系模型)按构成主键的主属性数目进行层次化，再按主键层次生成录入界面，首先生成第1层实体的录入界面，再调用第1层实体的录入界面来生成第2层实体的录入界面，直到生成最底层实体的录入界面。     

基于数据仓库的决策支持系统

随着市场竞争的日趋激烈，企业为了从收集的数据中获得有效信息并用于决策，纷纷建立了企业的决策支持系统（Decision Support System，以下简称DSS）。一般来说，建立企业的DSS利用的是传统的数据库（Database，简称DB）技术，但传统的数据库技术目前无法为数据的合成、分析和综合提供强大的功能，而数据仓库（Data Ware House，以下简称DW）的出现无疑给DSS的发展注入了新的活力。     

中国药品市场的需求实证分析

以经济学理论中的弹性理论为前提,在采用计量经济学方法研究药品需求量与人均可支配收入、人们的健康水平、药品价格等因素间的相关性的基础上,应用excel软件构建药品需求的线性需求函数模型以及对数线性需求函数模型。最终得出结论:随着人们生活水平的提高,药品需求量将显著上升,而药品价格的变化对药品需求影响较小。     

基于多Agent的智能DSS

在总结传统智能 DSS的不足及 Agent特性的基础上 ,提出了一个在单机环境下基于多 Agent的智能 DSS开发方法。根据 DSS设计特点及智能 Agent的自治、协作等特性 ,将 DSS的开发映射为多 Agent系统构造。讨论了将智能 Agent引入 DSS的可行性 ,基于多 A gent的智能 DSS结构和工作原理 ,并给出了基于成熟的面向对象技术的智能 DSS实现方法。     

决策支持系统中智能模型的研究与设计

在本文研究的实用性智能决策支持系统中,设计了以DSS为主体的IDSS结构,确立了知识产生式规则表示形式及相应的推理机制,建造了基于规则的ES工具,并把它作为一类智能模型集成于DSS开发工具之中;同时进行了人工神经网络模型的研究,设计了以卫勤保障为学习样板的BP模型,给出了基于规则智能模型和基于神经网络智能模型的运行实例。     

三维WebGIS中三维模型格式的研究与应用

针对现阶段三维WebGIS系统在浏览器端无法加载传统的桌面端大数据量三维模型文件的问题,提出了一种利用新型的glTF文件格式,借助生成转换工具,将原始的模型文件转换为新的模型格式,实现在浏览器端有效快速加载的方法.这一方式实现了快速生成glTF模型的需求,并且传统的三维建模人员即可独立完成,较好地平衡了转换效率与人员成本之间的矛盾,同时能够保证与原始模型文件的一致性和完整性.这种转换方法是基于开源的转换插件,与传统的创作工具相结合,提高三维复杂模型的加载效率,使三维复杂模型在三维WebGIS系统应用中发挥更大作用.     

一种新的DSS中模型复合方法研究

复合模型是一种解决复杂决策问题的有效方法.首先讨论了决策支持系统(DSS)中复合模型的三种基本形式,然后提出了一种新的模型复合方法即在模型分类驱动技术产生模型链的基础上,利用黑板结构参数匹配算法实现复合模型的求解,并详细分析了求解过程和求解算法.实践表明:该方法最大优点是可操作性强,而且支持决策问题求解的智能化程度比较高.     

一种基于移动Agent的分布式DSS模型

剖析了目前分布式决策的需求，结合面向服务的思想，应用移动Agent技术，提出了一种网格平台上的分布式决策支持系统（DSS）模型和设计思路，说明了该模型的层次结构和运行机制．这种新的模型通过引入移动Agent技术，将复杂的决策任务求解分布到网格的各节点上，实现决策问题的并行异步处理，提高了系统效率，减轻了网格负载和系统对网络带宽的依赖，并应用WebService技术利用丰富的网格决策资源，最大限度地扩展模型库，知识库和数据库，提高DSS的问题求解能力．     

决策支持系统在实验室管理中的应用

在人工智能的各个领域,特别是决策支持系统((Decision Support Systems,DSS)及其智能化技术都有较大的发展。将传统的决策支持系统和专家系统相结合,充分利用其二者的各自的优势,形成了智能决策支持系统,增强了DSS系统的功能。本文通过对实验室管理现状的分析,研制了一个监控系统的模型。通过对该模型各模块的设计,实现了实验室在无管理员状态下对实验室设备与使用人员的记录与监控。设计运用了构件技术、面向对象的方法和多线程技术,其扩展性好、自适应能力强。     

投标决策支持系统的设计方法

本系统采用 MIS 与 DSS 技术相结合进行分析与设计,运用软件工程技术进行系统开发,主要论证了模糊综合评判方法和 GATES 模型的应用,成功地实现了投标决策支持系统的设计与实现,在实际应用中,取得了满意的结果.     

基于混合需求的高铁快巴动态线路规划方法研究

为满足旅客在高铁站的接驳及疏散需求,增强高铁站作为城市综合交通枢纽的作用,建立基于提前预约和实时混合需求的高铁快巴动态线路规划模型。在运营开始前,基于提前预约需求,兼顾公交公司的运营成本和乘客出行时间成本,建立线路规划模型;利用小生境技术对传统遗传算法进行改进,设计算法求解。运营开始后,允许实时需求插入既定路线,引入临时站点,以最小化系统变动成本为目标,建立整数规划模型决策动态线路规划方案。应用本方法在北京市北太平庄街道区域随机生成并求解30组需求算例。结果显示,该模型可以在两阶段生成最优的高铁快巴线路方案满足混合需求;与传统遗传算法相比,小生境遗传算法有效避免了算法早熟,运算结果更优,模型和算法具有可行性。     

基于LDA-KeyBERT模型的技术预见：以工业互联网为例

随着技术预见定量分析方法以及文本挖掘技术的发展，通过主题模型挖掘专利文献的潜在语义来获取技术发展趋势逐渐成为研究热点之一。尽管LDA(Latent Dirichlet Allocation)模型依然是文本主题建模领域应用最广泛的方法，但传统LDA建模存在主题可解释性差以及未能充分利用专利文本上下文的语义关联等问题，导致部分有价值的技术情报未能完全呈现。为了进一步拓展传统LDA方法在专利文本挖掘和技术预见领域的应用，综合集成LDA模型的文本聚类功能与KeyBERT算法的关键词生成与语义分析能力，构建了一种面向技术预见量化分析的集成框架，并通过对工业互联网领域的技术预见分析验证了所提出模型的有效性，从而进一步丰富了当前基于文本建模和语义计算的技术预见方法体系。     

基于Agent的个性化搜索模型

该文针对传统搜索引擎单纯面向信息过滤的缺点 ,引入Agent技术 ,提出了第 2层信息服务模型 ,其中采用了基于用户个性的信息再过滤方法。第 2层信息服务模型在第 1层信息服务 (即传统的搜索引擎 )之上构建用户兴趣模板和分组模型 ,将用户需求定义为显性需求和隐性需求并给出了相关算法。依据此定义获得相应信息服务于用户 ,增强了信息搜索能力。