MESIDSS 的设计与实现方法研究

阐述了将专家系统的基本概念和实现方法同决策支持系统的开发技术相融合的一种新型的多专家系统集成式决策支持系统（ＭＥＳＩＤＳＳ）提出的必要性，给出了ＭＥＳＩＤＳＳ的基本概念和特征，描述了ＭＥＳＩＤＳＳ的基本结构框架，着重讨论了ＭＥＳＩＤＳＳ中各组成部分所应具备的功能以及系统的实现方法．     

智能筹资决策支持系统应用

本文论述了智能决策支持系统原理、功能及结构，建立了房地产筹资智能决策支持系统的模型，并在此基础上，编制了相应的软件．此软件能综合考虑金融市场状况、企业内部财务状况，选择合适的筹资方式，确定合适的筹资金额以及资金获取的时间和期限，为决策者提供决策依据．     

数据仓库中数据的粒度划分

数据仓库在决策支持系统(DSS)中起着核心作用,而要创建一个好的数据仓库,构造合适的数据粒度模型是要解决的一个重要问题.通过对数据粒度划分方法的分析,结合实例给出了一个划分粒度级别的新思路,提出了解决不同级别间数据查询效率的基本方法.     

基于ERP的决策支持系统在快速消费品行业中的应用研究

介绍了快速消费品行业信息化的现状,指出ERP对提供支持决策信息能力不足的缺点,进而提出在ERP广泛应用的快速消费品行业里,建立基于ERP系统的综合数据仓库决策支持系统的重要性以及广阔前景。     

温室黄瓜环境管理智能决策支持系统初探

以黄瓜温室栽培和环境控制试验中所建立的一系列作物模型、环境模型和经济模型为基础，以Delphi6．0为软件开发环境，建立温室黄瓜环境优化调控管理的智能决策支持系统．该系统以兼顾作物生长和经济效益为目标，能够根据各种气象参数，给出温室环境实时控制最佳环境参数．     

DDSS的发展及其体系结构的研究

简述了传统的决策支持系统。探讨了分布式决策支持系统的应用，提出了分布式决策支持系统的体系结构模型；通过将Mobile Agent技术引入，然后分别从系统模型、体系结构、系统组织等方面进行了深入的研究。     

基于知识发现的高校科研决策支持系统

科研管理是高校的重要工作.如何从大量的科研数据中挖掘出支持科研决策的知识成了当务之急.讨论基于知识发现的高校科研决策支持系统.该系统通过对数据进行分类分析、聚类分析和关联分析发现知识,为学校科研决策者提供决策支持.     

综合集成研讨厅中的研讨信息组织模型

提出了用于支持群体研讨的信息组织模型,其目的是在以计算机为媒介的群体研讨中,使人们通过结构化的发言来提出方案并对其进行辩论,从而提高群体研讨效率和有效性,同时提供群体记忆的功能.作者认为,在任务导向的群体研讨中,每一条发言都具有一定的目的和指向性,而发言之间存在着各种性质的关系.因此,在这个群体研讨信息组织模型中,发言按其目的被分为主意、论证、疑问和资料等4类,不同的发言通过相关、支持、反对、补充和质疑等5种语义关系按其指向联系起来,这样研讨中的发言就被组织成一个动态的树结构.这个模型在作者开发的一个综合集成研讨厅的原型系统中已得到应用,实践表明它是可行的.     

支持虚拟企业组建的DSS与CSCW集成框架

针对虚拟企业组建过程复杂, 需要决策支持系统支持的 特殊情况， 分析了CSCW对DSS的制约, 利用CSCW提供的多种技术和工具支持虚拟企业组建决策, 提出一种CSCW与DSS的集成框架. 并通过对集成框架进行评估与分析发现， 该方法是高效、 可行的.     

The Intelligent Decision Support System Model of SARS

Based on the intelligent decision support system, a new method was presented to defense the catastrophic infectious disease such as SARS, Bird Flu, etc.. By using All Set theory, the decision support system (DSS) model can be built to analyze the noise information and forecast the trend of the catastrophe then to give the method or policy to defend the disease. The model system is composed of four subsystems: the noise analysis subsystem, forecast and simulation subsystem, diagnosis subsystem and second recovery subsystem. They are discussed briefly in this paper. This model can be used not only for SARS but also for other paroxysmal accidences.