本书是《决策支持系统(DSS)理论·方法· 案例》的第3版,它除了对本书第二版中DSS的理论与方法做了全面的阐述并修订之外,**论述了基于数据仓库的决策支持系统和数据挖掘技术的有关理论、方法,并介绍了*新开发和研制的案例。
全书共分15章,第1章主要介绍DSS的产生与发展,充分论述了DSS的理论基础以及同相关学科的关系,还**介绍了新一代DSS和基于数据仓库的决策支持系统的发展状况和*新研究动态;第2和第3章阐述了DSS的基本概念和典型的DSS的构造及系统结构;第4~第7章主要介绍数据库及其管理系统、数据开采技术、数据仓库技术,以及数据仓库的数据建模和元数据;第8章主要介绍DSS的重要组成部分——模型库及其管理系统;第9和第10章论述了知识发现方法和知识库系统;第11-第13章介绍了3个典型的DSS案例,即信用担保决策支持系统、证券行业数据仓库系统和数据挖掘应用案例;第14和第15章系统地介绍了PLATINUM Technology数据仓库和 Business Objects决策支持系统工具的比较典型的数据仓库范例。
本书适用于高等院校的计算机应用、系统工程、经济管理、自动控制

第1章 概论
1.1 决策支持系统的产生与发展
1.1.1 DSS的产生背景
1.1.2 DSS的发展
1.2 DSS发展的理论基础
1.2.1 信息论
1.2.2 计算机技术
1.2.3 管理��学和运筹学
1.2.4 信息经济学
1.2.5 行为科学
1.2.6 人工智能
1.3 DSS与相关技术的关系
1.3.1 决策与预测的关系
1.3.2 DSS与管理科学、运筹学的关系
1.3.3 DSS与MIS的关系
1.3.4 DSS与专家系统的关系
1.4 新一代DSS的发展
1.4.1 群决策支持系统
1.4.2 分布式决策支持系统
1.4.3 智能决策支持系统
1.4.4 决策支持**
1.4.5 战略决策支持系统
1.4.6 I3DSS
1.5 数据仓库与决策支持系统
1.5.1 新型的决策支持技术——数据仓库和联机分析处理
1.5.2 综合决策支持系统
1.5.3 基于数据仓库的决策支持系统
第2章 决策支持系统的基本概念
2.1 结构化、半结构化和非结构化问题
2.1.1 概述
2.1.2 决策问题的性质和层次
2.2 决策支持与DSS的定义
2.2.1 决策支持
2.2.2 决策支持分类
2.2.3 决策风格
2.2.4 DSS的定义
2.3 DSS的概念模式
2.3.1 系统分析
2.3.2 专用DSS
2.3.3 DSS工具
2.3.4 DSS生成器
2.3.5 累接设计
2.3.6 ROMC分析方法
2.3.7 系统的柔性
2.3.8系统的集成化
第3章 DSS的构造与系统结构
3.1 引言
3.1.1 DSS的基本部件
3.1.2 目标
3.1.3 功能
3.2 DSS的人机界面和问题处理系统
3.2.1 人机界面
3.2.2 问题处理系统
3.2.3 自然语言理解
3.3 四库系统
3.3.1 数据库系统
3.3.2 模型库系统
3.3.3 知识库系统
3.3.4 方法库系统
3.4 DSS的系统结构
3.4.1 三角式结构
3.4.2 串联结构
3.4.3 熔合式结构
3.4.4 以数据库为**的结构
3.4.5 四库三功能的系统结构
3.4.6 智能DSS的结构
3.5 DSS的体系结构与分析
3.5.1 DSS体系的分析
3.5.2 环境特征
3.5.3 系统的部件
3.5.4 资源
3.5.5 环境和资源的关系
第4章 数据库及其管理系统
4.1 基本概念
4.1.1 数据库系统的定义及其特点
4.1.2 DSS数据库系统的设计特点
4.2 数据的组织与描述
4.2.1 实体模型
4.2.2 数据模型
4.2.3 数据模型的设计
4.3 DSS的数据库设计
4.3.1 数据库的概念设计
4.3.2 数据库的逻辑设计
4.3.3 数据库的物理设计
4.3.4 数据库系统语言
4.4 DSS数据库技术的发展
4.4.1 数据库与知识库的结合方式
4.4.2 数据库技术支持模型库
4.4.3 DSS中数据库单元设计
4.4.4 DSS数据库技术的发展分析
4.5 多媒体数据库
4.5.1 多媒体数据库的特点与功能
4.5.2 多媒体数据库及其管理系统的关键技术
4.5.3 数据模型技术
第5章 数据开采技术
5.1 数据开采技术研究背景及现状
5.1.1 引言
5.1.2 研究背景及意义
5.1.3 国内外研究现状
5.2 数据开采技术基本概念
5.2.1 数据开采的定义
5.2.2 数据开采的过程及分类
5.2.3 数据开采的内容和本质
5.2.4 基于数据仓库的数据开采技术
5.3 数据开采方法
5.3.1 分类
5.3.2 聚类
5.3.3 神经网络
5.3.4 关联规则开采方法
5.3.5 决策树
5.3.6 多层次数据汇总归纳
5.3.7 空间数据库的数据开采
5.3.8 数据开采的其他方法
5.4 数据开采——云模型方法
5.4.1 定性和定量互换模型——云模型
5.4.2 发现状态空间理论
5.4.3 用云模型从空间数据库中发掘关联规则
5.5 模糊数据开采方法
5.5.1 数据仓库的引入
5.5.2 模糊数据开采方法
5.5.3 FDM应用范例
5.6 数据开采的智能方法
5.6.1 从数据库发现知识
5.6.2 数据开采与DBMS和联机分析处理的区别与联系
5.6.3 数据开采的方法和实施过程
5.6.4 智能算法
5.7 数据开采工具及发展方向
5.7.1 数据开采的工具
5.7.2 数据开采的发展方向
5.8 SAS的数据开采的方法论——SEMMA1
5.8.1 数据开采提供决策支持
5.8.2 数据开采的方法论——SEMMA116
5.9 数据开采的应用领域
5.9.1 数据开采在市场营销和金融投资中的应用
5.9.2 数据开采系统在风险评估中的应用
5.9.3 DM系统在通信网络中的应用
5.9.4 在DNA分析中的应用
5.9.5 天文数据分析中的DM系统
第6章 数据仓库技术
……
第7章 数据仓库的数据建模和元数据
第8章 模型库及其管理系统
第9章 知识发现方法
第10章 知识库系统
第11章 信用担保决策支持系统
第12章 证券行业数据仓库系统
第13章 数据挖掘应用案例
第14章 PLATINUM technology数据仓库
第15章 Business Objects决策支持系统工具
参考文献