發(fā)布時(shí)間：2020-10-31 17:55

　　 在互聯(lián)網(wǎng)迅速發(fā)展的環(huán)境下，智能決策支持系統(tǒng)面臨新的挑戰(zhàn)�；ヂ�(lián)網(wǎng)給決策支持提供了豐富的信息資源，同時(shí)增加了信息的不確定性，對(duì)互聯(lián)網(wǎng)上的信息進(jìn)行采集、信息質(zhì)量分析與挖掘利用成為智能決策支持系統(tǒng)利用互聯(lián)網(wǎng)信息資源所要解決的問(wèn)題。互聯(lián)網(wǎng)給智能決策支持系統(tǒng)提供了方便快捷的通訊手段，使得決策可更廣泛地選擇決策參與者，使群決策能更好地得到應(yīng)用。如何更好地建立群體決策的系統(tǒng)機(jī)制，對(duì)群體決策的意見(jiàn)進(jìn)行有效的合成，成為利用互聯(lián)網(wǎng)進(jìn)行群決策面臨的新問(wèn)題。本文將證據(jù)理論引入智能決策支持系統(tǒng)，作為解決上述問(wèn)題的基本理論，探討了面向互聯(lián)網(wǎng)、基于證據(jù)理論的智能決策支持系統(tǒng)的基本框架與決策程序，研究了基于證據(jù)理論的證據(jù)合成問(wèn)題。針對(duì)解決問(wèn)題的需要，將證據(jù)理論與神經(jīng)網(wǎng)絡(luò)、包含度理論、協(xié)同學(xué)理論、粗糙集理論相結(jié)合，研究了對(duì)互聯(lián)網(wǎng)上不確定信息的采集、信息質(zhì)量分析問(wèn)題，探討了群決策專家的聚類分析、群決策專家的選擇、群決策專家意見(jiàn)的合成與基于證據(jù)理論的不確定性決策問(wèn)題。具體研究?jī)?nèi)容如下： (1)分析了決策支持系統(tǒng)的研究現(xiàn)狀及其發(fā)展趨勢(shì)，闡述了互聯(lián)網(wǎng)的發(fā)展對(duì)決策支持系統(tǒng)的影響，分析了證據(jù)理論在專家群體決策意見(jiàn)合成與不確定性決策中的作用，提出面向互聯(lián)網(wǎng)、基于證據(jù)理論的智能決策支持系統(tǒng)的功能框架。 (2)針對(duì)群體決策信息融合的問(wèn)題，分析證據(jù)理論近來(lái)的發(fā)展與證據(jù)合成的研究現(xiàn)狀與問(wèn)題。分析了已有的對(duì)相關(guān)證據(jù)、不同重要性的證據(jù)、存在較強(qiáng)沖突的證據(jù)的合成方法，提出證據(jù)合成的發(fā)展方向與新方法。 (3)研究基于神經(jīng)網(wǎng)絡(luò)與D-S證據(jù)合成規(guī)則的證據(jù)合成方法，將神經(jīng)網(wǎng)絡(luò)與Dempster合成規(guī)則進(jìn)行結(jié)合用于證據(jù)合成，使證據(jù)合成具有學(xué)習(xí)能力，挖掘隱含在證據(jù)合成歷史績(jī)效數(shù)據(jù)中的知識(shí)用于證據(jù)合成，并使該方法適用于相關(guān)的、沖突的、不同重要性的證據(jù)的合成，使證據(jù)合成方法適用于群體決策的意見(jiàn)合成。分析研究基于神經(jīng)網(wǎng)絡(luò)與D-S證據(jù)合成規(guī)則的證據(jù)合成方法所具有的特性，分析比較該方法與D-S證據(jù)合成規(guī)則的優(yōu)劣，分析該方法對(duì)合成信息源的篩選能力，探討合成的專家群體決策意見(jiàn)與專家個(gè)體決策意見(jiàn)之間的關(guān)系。 (4)設(shè)計(jì)定義了基于包含度理論的貼近度指標(biāo)，用它來(lái)分析反映專家意見(jiàn)的不確定數(shù)據(jù)與比較標(biāo)準(zhǔn)數(shù)據(jù)的差異，以此來(lái)分析不同專家的信息質(zhì)量。并基于貼近度定義了兩個(gè)不確定數(shù)據(jù)的相似度指標(biāo)，依據(jù)相似度指標(biāo)設(shè)計(jì)了對(duì)不確定數(shù)據(jù)進(jìn)行聚類分析的方法與程序。在聚類分析的基礎(chǔ)上，研究基于協(xié)同學(xué)理論的競(jìng)爭(zhēng)、 合肥丁業(yè)大學(xué)他士論文 摘 要 協(xié)同、序變量與伺服原理選擇群體決策專家，以提高集結(jié)專家群體意見(jiàn)進(jìn)行預(yù)測(cè) 與決策的有效性。 （5）研究基于證扼理論的訣策方法。探討基于焦元分析求解各狀態(tài)的基本可 信數(shù)的決策方法，將求解各狀態(tài)的基本可信數(shù)與決策過(guò)程相聯(lián)系，并將訣策結(jié)果 與基于粗糙集的決策規(guī)則的不確定性分析相聯(lián)系，使基于證掘理論的決策方法更 科學(xué)合理。 （6）研究面向互聯(lián)網(wǎng)基于證擁理論的智能決策支持系統(tǒng)框架模型，針對(duì)處理 互聯(lián)網(wǎng)上信息的特點(diǎn)，融入證掘理論的信息融合方法，將定量分析與定性分析相 結(jié)合、將數(shù)掘倉(cāng)庫(kù)與OLAP、數(shù)據(jù)億掘相集成，研究利用互聯(lián)網(wǎng)進(jìn)行決策的一般框 架模型與訣策程序c （7）結(jié)合證券市場(chǎng)群體專家忡測(cè)與投資決策，分析設(shè)計(jì)與廠發(fā)了面向互聯(lián)網(wǎng)、 基于證據(jù)理論的證券投資IDSS原型系統(tǒng)。研究了證券投資專家預(yù)測(cè)意見(jiàn)合成的現(xiàn) 狀，分析了專家群體抉策意見(jiàn)合成的己有方法和存在間題，探索面向互聯(lián)網(wǎng)的基 于神經(jīng)網(wǎng)絡(luò)與證據(jù)理論的專家預(yù)測(cè)意見(jiàn)合成。研究基于證掘理論的抉策與基于粗 糙集的訣策規(guī)則的不確定性分析州聯(lián)系進(jìn)行組合決策分析的方法。通過(guò)對(duì)互聯(lián)網(wǎng) 上證券咨詢網(wǎng)站公布的多位專家的預(yù)測(cè)意見(jiàn)進(jìn)行采集、存儲(chǔ)、信息質(zhì)量分析、聚 類分析與篩選群體專家、合成協(xié)同專家的預(yù)測(cè)意見(jiàn)，并在合成預(yù)測(cè)意見(jiàn)的基礎(chǔ)上， 進(jìn)行投資決策分析探討卜還方法與 Lh系統(tǒng)的有效性。 對(duì)實(shí)例的分析計(jì)算結(jié)果表明，在對(duì)群體專家預(yù)測(cè)信息進(jìn)行質(zhì)量分析與聚類分 析的基礎(chǔ)上，按協(xié)同學(xué)原理篩選專家群體，對(duì)篩選出的專家群體的預(yù)測(cè)意見(jiàn)用基 于神經(jīng)網(wǎng)絡(luò)與證據(jù)理論的專家預(yù)測(cè)怠見(jiàn)合成方法進(jìn)行合成，并用基于焦元分析求 解各狀態(tài)的基本可信數(shù)的決策分析斤法進(jìn)行決策分析取得了良好的效果�；�于神 經(jīng)網(wǎng)絡(luò)與證據(jù)理論的專家預(yù)測(cè)意見(jiàn)合成方法的性能比現(xiàn)廳的數(shù)理統(tǒng)計(jì)預(yù)測(cè)方法、 DS證掘合成方法、Ronald R．Ya羅r的證據(jù)合成方法等有較大的提高。 面向互聯(lián)網(wǎng)、基于證扼理論的證券投資智能決策支持系統(tǒng)的研究成果在一定 程度上解訣了利用互聯(lián)網(wǎng)上信息階于決策和利用互聯(lián)網(wǎng)進(jìn)行群體決策的個(gè)體決策 意見(jiàn)集結(jié)的問(wèn)題，并為智能決策支持系統(tǒng)集成證據(jù)理論提供了一般的框架。
【學(xué)位單位】：合肥工業(yè)大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位年份】：2003
【中圖分類】：C934
【部分圖文】：

圖62面向互聯(lián)網(wǎng)、基于神經(jīng)網(wǎng)絡(luò)與證據(jù)理論的證券市場(chǎng)群體專家預(yù)測(cè)系統(tǒng)主菜單.2.1問(wèn)題求解分析與綜合系統(tǒng)問(wèn)題求解分析、綜合系統(tǒng)是對(duì)輔助預(yù)測(cè)、決策的問(wèn)題進(jìn)行分析，規(guī)劃求與過(guò)程，綜合預(yù)測(cè)、決策的結(jié)果。該部分針對(duì)面向互聯(lián)網(wǎng)基于證據(jù)理論的場(chǎng)群體專家預(yù)測(cè)與決策問(wèn)題進(jìn)行問(wèn)題的分類與規(guī)劃如下:(l)調(diào)用面向互聯(lián)網(wǎng)數(shù)據(jù)采集與存儲(chǔ)系統(tǒng)，對(duì)相關(guān)網(wǎng)站上的專家群體預(yù)與證券市場(chǎng)的實(shí)際情況進(jìn)行收集、加工處理，并將采集的數(shù)據(jù)存儲(chǔ)到系統(tǒng)中。(2)對(duì)更新的數(shù)據(jù)調(diào)用模型庫(kù)中的統(tǒng)計(jì)分析模型，進(jìn)行相關(guān)的數(shù)據(jù)進(jìn)行析如預(yù)測(cè)準(zhǔn)確率、預(yù)測(cè)貼近度、預(yù)測(cè)次數(shù)、預(yù)測(cè)結(jié)果的統(tǒng)計(jì)分布等。初步預(yù)測(cè)次數(shù)較少的專家。(3)對(duì)初步入選的專家用OLAP進(jìn)行聚類分析。在分類的基礎(chǔ)上，結(jié)析指標(biāo)與選擇專家的啟發(fā)性知識(shí)選擇參與預(yù)測(cè)意見(jiàn)合成的專家，并將他們

樣本中參與預(yù)測(cè)的專家數(shù)為52位。。一Ial習(xí)采集數(shù)據(jù)導(dǎo)入數(shù)據(jù)檢遭與維護(hù)圖6.3證券預(yù)ffilJ數(shù)據(jù)采集與存儲(chǔ)菜單6.2.3預(yù)測(cè)歷史數(shù)據(jù)的統(tǒng)計(jì)分析處理系統(tǒng)證券市場(chǎng)預(yù)測(cè)專家由于學(xué)習(xí)經(jīng)歷、知識(shí)結(jié)構(gòu)、工作經(jīng)歷的差異，專家預(yù)測(cè)問(wèn)題的準(zhǔn)確性存在差異。對(duì)專家的歷史預(yù)測(cè)數(shù)據(jù)進(jìn)行分析可掌握參與預(yù)測(cè)專家的對(duì)特定問(wèn)題的預(yù)測(cè)準(zhǔn)確性與專家的預(yù)測(cè)特點(diǎn)。一般可采用數(shù)理統(tǒng)計(jì)的方法分析計(jì)算專家對(duì)特定問(wèn)題的預(yù)測(cè)準(zhǔn)確率、對(duì)預(yù)測(cè)問(wèn)題的特定屬性的預(yù)測(cè)準(zhǔn)確率以及專家的預(yù)測(cè)特點(diǎn)(這位專家是較保守的，還是較激進(jìn)的等)。根據(jù)統(tǒng)計(jì)分析可以將不經(jīng)常參與預(yù)測(cè)的專家篩選掉，初步確定進(jìn)一步參與聚類分析的預(yù)測(cè)專家。本例預(yù)測(cè)專家預(yù)測(cè)次數(shù)的統(tǒng)計(jì)分布如表6.1。

表6專家預(yù)測(cè)次數(shù)統(tǒng)計(jì)分布預(yù)預(yù)測(cè)次數(shù)數(shù)小于200020一399940一599960一799980一9999100一10999110一11999120一1299913000人人數(shù)數(shù)444llll333llllll000l333l777222在上述統(tǒng)計(jì)分布中取預(yù)測(cè)次數(shù)大于110次的專家為學(xué)習(xí)樣本備選專家。入32位專家，這32位專家的預(yù)測(cè)統(tǒng)計(jì)特性分布如表6.2。表6.2專家預(yù)測(cè)統(tǒng)計(jì)特性‘分分組值值0.25一0.3330.3一0.35550.35一0.4440.4一0.45550.45一0.555預(yù)預(yù)測(cè)準(zhǔn)確率率4441666999333000分分組人數(shù)數(shù)數(shù)數(shù)數(shù)數(shù)數(shù)貼貼近度模數(shù)數(shù)111】llll222333555分分組人數(shù)數(shù)數(shù)數(shù)數(shù)數(shù)數(shù)預(yù)測(cè)準(zhǔn)確率二預(yù)測(cè)正確次數(shù)干預(yù)測(cè)次數(shù)貼近度模數(shù)的定義見(jiàn)4.1.1節(jié)。.匹通物..........哪匆盛叫巡幽夔馨緲爵一_習(xí)回習(xí)
【引證文獻(xiàn)】

相關(guān)期刊論文 前3條

1 朱厚任,朱衛(wèi)東,楊善林;基于證據(jù)理論的證券組合優(yōu)化分析[J];合肥工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版);2005年10期

2 朱厚任;楊善林;朱衛(wèi)東;;基于證據(jù)理論的公務(wù)員績(jī)效評(píng)價(jià)分析[J];合肥工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版);2006年09期

3 朱厚任;楊善林;朱衛(wèi)東;;基于關(guān)聯(lián)矩陣法的公務(wù)員績(jī)效評(píng)估分析[J];中共合肥市委黨校學(xué)報(bào);2005年04期

相關(guān)博士學(xué)位論文 前5條

1 胡小建;ABDIDSS環(huán)境下多Agents之間協(xié)作與近似推理機(jī)制研究[D];合肥工業(yè)大學(xué);2005年

2 吳強(qiáng);智能群體決策支持系統(tǒng)中若干關(guān)鍵理論與方法研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2006年

3 胡笑旋;貝葉斯網(wǎng)建模技術(shù)及其在決策中的應(yīng)用[D];合肥工業(yè)大學(xué);2006年

4 龔本剛;基于證據(jù)理論的不完全信息多屬性決策方法研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2007年

5 陳增明;群決策環(huán)境下證據(jù)理論決策方法研究與應(yīng)用[D];合肥工業(yè)大學(xué);2007年

相關(guān)碩士學(xué)位論文 前6條

1 方琴芬;顧客滿意度測(cè)評(píng)方法研究[D];合肥工業(yè)大學(xué);2006年

2 李闖;一種人民幣匯率預(yù)測(cè)新方法的研究[D];吉林大學(xué);2007年

3 章蕾;電子商務(wù)系統(tǒng)績(jī)效評(píng)價(jià)方法的研究[D];合肥工業(yè)大學(xué);2007年

4 李凡;通信網(wǎng)工作可靠性的綜合評(píng)價(jià)模型及方法研究[D];沈陽(yáng)工業(yè)大學(xué);2008年

5 高明亮;基于貝葉斯網(wǎng)絡(luò)的決策分析系統(tǒng)在電力營(yíng)銷中的應(yīng)用[D];河北農(nóng)業(yè)大學(xué);2010年

6 詹同軍;基于證據(jù)推理的超市顧客滿意度評(píng)價(jià)研究[D];合肥工業(yè)大學(xué);2010年

本文編號(hào)：2864302