基于数据挖掘的智能决策支持系统

1、基于数据挖掘的智能决策支持系统第6卷第4期2006年8月鸡西大学JOURNALOFJIUNERSITYV01.6NO.4Aug.2006文章编号:16726758(2006)04一O0653基于数据挖掘的智能决策支持系统耿正摘要:介绍了数据挖掘和智能决策支持系统的基本概念,分析了基于数据挖掘的智能决策支持系统的体系结构,并且讨论了数据挖掘在实际决策支持系统中的应用以及智能决策支持系统的发展趋势.关键词:数据挖掘;智能决策支持系统;数据仓库中图分类号:TP311.13文献标识码:A1引言随着数据库技术的广泛应用,以及人们对当今社会信息的高层次需求,以事务处理为核心,支持业务操作环境与平台的数据库

2、技术已不能适应人们在分析和决策层次上的需要.为了有效地为企业和政府的管理与决策过程提供重要的信息,需要根据决策的需要收集来自企业内外的有关数据,并加以适当的组织处理,以形成一个综合的面向决策的环境.数据挖掘技术是作为独立的信息技术出现的.数据挖掘是通过对数据库,数据仓库中的数据进行分析,获得有用知识和信息的一系列方法和技术.在国外,数据挖掘技术已迅速发展起来,逐渐成为决策支持的新手段.2智能决策支持系统2.1基本概念.决策支持系统是以现代信息技术为手段,综合运用计算机技术,管理科学,经济数学,人工智能技术等多种学科知识,针对某一类型的半结构化和非结构化决策问题,通过提供背景材料协助明确问题,修

3、改完善模型,列举可能方案等方式,为管理者做出正确决策提供帮助的人机交互式系统.其从功能逻辑结构上看,是由数据库系统,模型库系统,方法库系统,知识库系统及人机会话系统等部分组成的.智能决策支持系统(IntelligentDecisionSupportSystems,简称IDSS)(如图1所示)是在决策支持系统的基础上,集成人工智能专家系统(ExpertSystems,简称Es)而形成的.决策支持系统主要是由人机交互系统,模型库系统,数据库系统组成;专家系统主要由知识库,推理机和动态数据库组成.决策支持系统和专家系统集成称为智能决策支持系统(IDSS).它既发挥了专家系统以知识为形式的定性解决问题

4、的特点,又发挥了决策支持系统以模型计算为核心的定量解决问题的特点,在人机协同下做到定性和定量分析的有机结合.实现更高层次的辅助决策能力,使解决问题的能力得以提高,范围得以扩展.图1智能决策支持系统总体结构图2.2IDSS具有以下特点:具有友好的人机接口,如能够理解自然语言,具有模型运行结果的解释机制,能够以简单,明了的方式向决策者解释问题求解结果,并能对结果进行分析;能对知识进行表示与处理,可以有效提供关于模型构造知识,模型操纵知识以及求解问题所需的领域知识;具有智能的模型管理功能.除支持结构化构模外,还应提供模型自动选择,生成等功能,将模型作为一种知识结构进行管理,简化各子系统间的接口;系统

5、应该具有学习能力,以修正和扩充已有知识,使问题求解能力不断提高;综合运用人工智能中的各种技术,对整个IDSS实行统一协调,管理和控制.3数据挖掘技术数据挖掘这一概念是由G.PiatetskyShapior,W.J.Frawley等人在1989年8月召开的第11届国际人工智能学术会议上提出的.它是数据库技术和人工智能,数理统计等学科相结合的产物,是一个多学科相互交叉的具有广泛应用前景的新兴研究领域,并利用人工智能和数理统计中一些较成熟的方法和技术,如规则推理,人工神经网络,决策树,邻近搜索等.因此,也有人把它称为数据库中的知识发现(KnowledgeDiscoveryinDatabase,简称K

6、DD).作者简介:耿正,研究生,安徽大学计算机系计算机软件与理论专业.安徽,合肥.邮政编码:230039?65?第4期鸡西大学2006血对数据挖掘这一概念的定义,一般认为是一种从大量数据中获取潜在规律和知识的方法和技术,是一个从大量数据中发掘潜在的,新颖的,可用的以及最终可理解的模式的高级过程.面向主题,数据集成,与时间相关以及稳定是数据仓库区别于数据库的显着特点,实现决策支持是数据仓库的最终应用目标,而数据挖掘则是实现数据仓库最终目标的有力工具.因此,在实际应用中,数据挖掘和数据仓库密不可分.数据仓库是数据挖掘的基础和平台,为数据挖掘提供必要的数据准备,数据挖掘则是在数据仓库的基础上进一步发

7、掘对实际决策过程有益的知识和信息.数据挖掘系统的基本结构图如图2所示.数据采集与处理.根据数据挖掘的目标,从数据仓库中选取相关的数据集合,并对其进行数据一致性和数据完整性的检查.知识库.主要用于数据挖掘和知识评价.利用知识库中提供的有关知识,可以指导数据挖掘过程中的搜索操作,以及评价挖掘所得的结果数据(这些数据可以是概念,也可以是规则或模式)的兴趣度.数据挖掘.主要是对数据仓库中提取的有关数据进行聚类,估值,分类,预言,关联和描述等分析处理.可视化用户界面图2数据挖掘系统结构图知识评价.以兴趣度作为衡量标准来查找和选择对最终决策活动有益的知识,并以概念,规则,规律,模式,约束或可视化的形式来表

8、示结果知识.基于数据仓库的数据挖掘是一种对数据仓库中的数据进行深层次的加工和处理过程,也是一种实现数据仓库决策价值的方法和工具.通过对数据仓库中大量历史数据的更高层次的抽象,不仅反映了数据间的内在联系和特性,同时也获得了许多直接用于决策分析的有用信息.4基于数据挖掘的智能决策支持系统的体系结构基于数据挖掘的智能决策支持系统基本结构框架如图3所示.它由数据库,数据仓库,数据仓库管理模块,数据挖掘工具,知识库,知识发现模块,人机交互模块组成.系统的主要输入是源于数据库的数据以及存储在知识库中的知识和经验.人机交互模块通过自然语言处理和语义查询在用户和系统之间提供相互联系的集成界面.数据仓库管理模块

9、完成数据仓库的创建以及数据仓库中数据的综合,提取等各种操作,负责管理整个系统的运转.数据挖掘工具用于完成实际决策问题所需的各种查询检?66?索工具,多维数据的OLAP分析工具和数据开采DM工具等,以实现决策支持系统的各种要求.知识发现模块控制井管理知识发现过程.它将数据的输人和知识库中的信息用于驱动数据选择过程,知识发现引擎过程和发现的评价过程.在图3中箭头方向为控制流.决策支持与数据仓库管理是密切联系的.用户发出决策请求命令后,通过数据挖掘工具触发数据仓库管理模块从数据仓库中获取与任务相关的数据.人机交换模块广一元攀据/Ir一镘域效琚数据l知识发现评价一知选择I引擎fI查询1分析I开采I数至

10、羹掘fI组装I综合l提取I攀埋拿摩盲埋硬职图3基于数据挖掘的智能决策支持系统体系结构图建立该决策支持系统的过程可描述如下:分析决策需求,描述和表示决策的问题.确定数据来源,建立数据仓库.针对所要发现任务的所属类别,如归类,回归分析,聚类,发现关联规则等,设计或选择有效的数据挖掘算法并加以实现.数据挖掘,逐层综合.调用数据挖掘功能,从平凡的历史数据中提出综合数据,独立存储为库文件,作为更高一层数据挖掘的对象.测试与评价所发现的知识,对知识进行一致性,效用性处理.应用开发.根据最终用户的要求,建立适用于决策支持的数据仓库的集成界面和应用程序,使用户能在决策支持中运用所发现的知识.以上过程不是简单的

11、线性流程,而是一个学习,发现和修改的过程,步骤之间包含了循环和反复,这样可以对所发现的知识不断求精,求深,并使其易于理解.5数据挖掘在实际的IDSS中的应用以及IDSS发展趋势的讨论5.1数据挖掘在实际的IDSS中的应用.数据挖掘是在数据仓库的基础上进行的深层的数据分析过程,它能揭示大量数据中隐含的,潜在的,有用的和感兴趣的信息,并为用户提供较好的决策支持.自数据仓库和数据挖掘技术出现至今,许多大公司,大企业纷纷构建自己的数据仓库,并通过对数据仓库中大量历史数据的挖掘,得到许多有用的信息,以支持企业内部的生产经营管理过程中的决策控制.第4期耿正:基于数据挖掘的智能决策支持系统2006.皋实际的

12、数据挖掘过程一般包括以下几个步骤:了解行业背景,熟悉基本数据;确定数据挖掘的目标;选取数据仓库中相应的数据集合;给出合适的挖掘算法;进行实际的数据挖掘;对所得的结果知识进行评价并输出.目前.数据挖掘的主要应用领域有:市场分析和预测;生产过程优化;股票分析和预测;金融风险分析;气象预报等.例如,针对本单位的人力资源管理需要.构建本单位的人力资源数据仓库,并利用选择树分类器对其进行数据挖掘.针对旅游业的管理需要,构建旅游业数据仓库.并利用决策树分类器挖掘其中的深层次规则.针对零售连锁业的发展需要,构建连锁超市数据仓库,并通过对其进行数据挖掘实现连锁超市销售分析与预测.虽然这些基于数据仓库和数据挖掘

13、技术的实际决策支持系统的设计各有特色,但其基本的框架可以用一个简单的模型来刻画.如图4所示.在实现实际的决策支持系统时,系统首先通过数据采集与加工模块将各数据源中数据载人数据仓库.然后各用户再通过数据挖掘和在线分析来分析处理来自数据仓库的数据.并得到一系列用于实际决策过程的有用知识和信息.其中,数据挖掘是系统的核心部件.是决定数据仓库决策价值的关键环节.数据库r数.据采集与加工数据文件r用户用户图4决策支持系统模型图5.2IDSS发展趋势的讨论.将定量分析的方法同ES方法以及许多相关技术如模糊集理论,人工神经元网络,面向对象的方法,J中的问题求解与搜索技术,机器学习及数据库技术等集成运用,从而

14、为决策者创造一个集成化的决策支持环境,这是IDSS今后研究的一个重要趋势.IDSS今后的研究将主要集中在HCI的友好性,系统的智能化和系统的集成化三大方面.对1DSS的进一步研究与开发.必须进一步推动决策科学化,管理现代化的进程.6结束语数据挖掘技术为决策支持系统的研制与开发提供了一种有效,可行的体系化解决方案.而基于数据挖掘的智能决策支持系统的体系结构既形象直观.又易于理解.但决策支持系统的建设仍是一个长期的过程.有不少问题还没有被完全解决.一个完整的决策支持系统应集成数据仓库,数据挖掘技术.随着数据仓库和数据挖掘技术在各个领域的广泛采用.决策支持系统的研究与开发工作将被推向一个更高的层次,

15、从而成为新世纪计算机技术浪潮中的一个热点.参考文献1.谢茂龙.郭禾.陈锋:应用扩展元数据库方式解决数据仓库质量问题J.计算机工程与应用,2002.38(18):218219.2.罗可蔡碧野卜胜贤等:数据采掘及其发展研究J.计算机工程与应用,2002.38(14):182184.3.陈京民等:数据仓库与数据挖掘技术M.北京:电子工业出版社,2002.4.李水平陈意云刘黄生:数据采掘技术回顾J.小型微型计算机系统.1998.19(4):7481.5.张宜生刘凡梁书云:人力资源数据采掘技术及其应用J.计算机工程与应用,2002.38(6):187189.6.黄梯云:智能决策支持系统M.北京:电子工业

16、出版社.2001.7.张维明:数据仓库原理与应用M.北京:电子工业出版社,2002.8.何朱明:梁青一数据采掘在旅游行业中的应用J.微型机与应用,2002,21(9):4042.9.黄容党齐民欧建雄:基于连锁超市的数据仓库开发模型J.计算机与现代化,2003.(2):2l一24.AnIntroductiontoIntelligentDecisionSuppoSingSystemandDataMingGengZhengAbstract:Thispaperintroducestheconceptionofintelligentdecisionsupportingsystemanddataming,andanalyzesthesystematicstructureofintelligentdecisionsupportingsystembased