共查询到19条相似文献,搜索用时 187 毫秒
1.
基于信息挖掘的智能决策支持系统结构模型 总被引:6,自引:0,他引:6
讨论了一种基于信息挖掘的智能决策支持系统IDSSIM(IntelligentDecisionSupportSystemBasedonInformationMining) ,并给出其总体结构模型和各子系统功能描述。IDSSIM完善并扩充了现有智能决策支持系统的功能 ,改变了现有智能决策支持系统固有的运行机制 ,将推理机制、Web挖掘和KDD 挖掘有效地融入智能决策支持系统中 ,从而形成了一类具有五库、综合集成、多层递阶结构模型的新型智能决策支持系统。IDSSIM对智能决策系统的主流发展起着重要的推动作用 ,有望形成新一代的智能决策支持系统概型。 相似文献
2.
3.
《计算机应用与软件》2016,(3)
介绍信息管理领域中的一个热门研究主题——知识挖掘。知识挖掘旨在从结构化、半结构化的数据中挖掘信息。例如从电子文档、不完备的历史数据中搜索稳定的模式或模型,分析挖掘数据间的交互特征和规律,以辅助管理人员制定、调整规范与标准,构建专家库和知识库。提出知识挖掘的一种改进方法,通过动态规则置信度生成算法提高所获得规则的准确性与适应性,并结合烟草企业科技项目智能辅助管理中的实际应用进行了验证,取得了一定的成效。 相似文献
4.
随着现代化科学技术的发展和管理环境的日趋复杂,传统的事务管理、综合信息处理已无法满足现代管理决策的要求,尤其是面对半结构化和非结构化决策更显得无能为力.决策支持系统主要目的是支持半结构化或非结构化决策问题,以提高决策效能.知识工程已被应用于决策支持系统形成新一代决策支持系统.本文研究的重点是检验了知识工程在组织决策中的应用,分析了人工智能技术在有用信息抽取中的应用. 相似文献
5.
文本知识发现:基于信息抽取的文本挖掘 总被引:11,自引:0,他引:11
1.引言大家熟知,所谓“数据丰富但知识缺乏“的现状导致了数据挖掘(Data Mining)技术研究的兴起,数据挖掘又称数据库知识发现(Knowledge Discovery in Databases)是从海量的结构化信息中抽取或挖掘隐含信息和知识的重要方法和途径。数据挖掘技术已相当成熟。因为除了结构化的数据之外,在数字化信息中更多地存在大量自由、非结构化或半结构化的文本信息如新闻文章、电子书本、电子图书馆藏、Web页面内容、Email、文档数据库等,显然手工处理需要花费大量的人力物力,并且具有不确定性。所以出现了从文本中发现知 相似文献
6.
电网企业拥有海量采用中文记录的非结构化文本信息,其中包含有大量重要的可靠性统计信息。但依靠人工对其进行挖掘不仅效率低而且准确性因人而异。如何高效、准确、智能地挖掘电网企业设备缺陷文本中重要的可靠性统计信息是目前亟待解决的问题。本文基于改式隐式马尔科夫算法对通过全过程技术监督工作采集的非结构化文本数据进行分句分词,制定研究非结构化数据的结构化表达规则。利用主成分分析、词向量以及深度神经网络等的自然语言处理算法对现有的问题描述文本中的同名词、同义词以及近义词等的语义相似度进行计算,并采用K阶近邻算法对降维后的词向量进行分类聚类。上述工作解决了缺陷文本句子成分难以划分、数字量无法精确提取等问题,形成一份国网系统运检专业领域的数据词典库,为电网领域的非结构化数据挖掘提供了新技术,为今后技术监督工作的展开具有重要意义和贡献。 相似文献
7.
DSS中的建模支持与建模支持系统 总被引:2,自引:0,他引:2
一、问题的提出为解决不良结构问题应运而生的决策支持系统(DSS)最初是面向半结构化问题的,它由用户接口、模型部件、数据部件构成。随着 DSS 向非结构化领域的拓展,不可避免地要引入人工智能(AI)的手段和技术,因此需要增加知识部件;另一方面,为了有效地进行模型管理,有必要将模型与求解模型的方法加以分离,从而形成单独的方法部件。这样目前的 DSS 就包含上述四大部件,每一部件又由相应的库及其管理系统组成,其一般结构如图1所示。 相似文献
8.
在房地产决策支持系统的研究开发基础上,结合地理信息技术、数据仓库等决策支持新技术,提出五库和数据仓库的房地产决策支持系统体系结构并分析了房地产决策支持系统时空数据及其管理办法,最后结合房地产数据信息特点给出了房地产决策支持系统数据仓库的层次结构和数据流程,以便计算机上实现,从而辅助高层管理者决策,提高科学决策效能。 相似文献
9.
10.
Web数据挖掘 总被引:3,自引:0,他引:3
赵建军 《数字社区&智能家居》2005,(5)
用户访问数据中往往存在大量无用或与当前信息挖掘无关的数据,我们通过数据清洗从挖掘对象中去除不相关的数据,并实现了用户识别、会话识别、格式化等步骤,对WEB信息进行预处理,为进一步的操作提供了较好的数据格式,提高了挖掘效率。同时,因特网上的信息往往具有非结构化或半结构化特性,难以得到传统数据挖掘技术的支持,我们通过事务识别技术解决了这一问题,将访问序列组织成逻辑单元以表示事务或用户会话,将所有事务组成一个事务数据库,识别出事务后就可以利用对传统数据挖掘的方法对WEB数据进行挖掘;事务识别技术有多种实现形式,不同形式有不同的应用场合,本文根据特定挖掘任务,实现了以时间维来分割事务的算法,并给出了一些实验数据。 相似文献
11.
基于信息挖掘的智能决策支持系统的结构设计 总被引:4,自引:0,他引:4
讨论了基于信息挖掘的智能决策支持系统( Intelligent Decision Support System Based on Information Min-ing, IDSSIM) 的总体结构模型和各子系统功能描述。IDSSIM 完善并扩充了现有智能决策系统的功能, 改变了现有智能决策支持系统的运行机制, 将领域专家的知识获取、推理机制、KDD * 挖掘和Web 挖掘有效地融入智能决策支持系统中, 从而形成了一类具有双网、六库、综合集成、多层递阶和模型驱动的新型智能决策支持系统。IDSSIM 对智能决策支持系统的主流发展起着重要的推动作用, 有望形成新一代的智能决策支持系统模型。 相似文献
12.
基于Multi-agent技术的知识发现新模型KDD的设计 总被引:3,自引:0,他引:3
KDD模型是基于双库协同机制的知识发现新模型,是结构化数据挖掘领域研究的一个新的分支。为了进一步提高KDD的智能性,文章设计了一个基于Multi-agent技术的智能数据挖掘系统。利用多智能体技术,实现了数据预处理、数据挖掘、知识的自动获取、基础数据库与知识库的同步进化与协调、知识的评价与表示等功能,为智能信息系统的发展提供了重要支持。 相似文献
13.
本文讨论了基于信息挖掘的智能决策支持系统IDSSIM的总体结构模型和各予系统功能描述。IDSSIM完善并扩充了现有智能决策系统的功能,将领域专家的知识获取、推理机制、KDD^*挖掘和Web挖掘有效地融入智能决策支持系统中,从而形成了一类具有双同、六库、综合集成、多层递阶和模型驱动的新型智能决策支持系统。 相似文献
14.
基于数据仓库的决策支持系统是现今决策支持技术应用的主流。本文结合数据仓库、联机分析处理、数据挖掘、模型库系统、知识库系统等技术提出了一个干部选拔决策支持系统的解决方案,并就干部选拔数据仓库的设计和实现进行了分析和探讨。 相似文献
15.
基于信息挖掘的智能决策支持系统的多智体结构设计 总被引:1,自引:0,他引:1
该文讨论了基于信息挖掘的智能决策支持系统IDSSIM的总体结构模型和各子系统功能描述。将领域专家的知识获取、推理机制、KDD挖掘和WEB挖掘有效地融入智能决策支持系统中,从而形成了一类具有双网、六库、综合集成、多层递阶和模型驱动的新型智能决策支持系统。 相似文献
16.
基于数据仓库的投资项目决策支持系统研究 总被引:2,自引:2,他引:0
以投资项目决策支持系统IPDSS为例,研究了数据仓库技术在决策支持系统中的应用。介绍了决策支持系统的概念和作用,以及建立投资项目决策支持系统的意义,并在数据仓库、联机分析处理和数据挖掘的理论基础上,提出了基于数据仓库的决策支持系统的体系结构。然后,在此基础上建立了IPDSS,并分析了IPDSS的主要模块和模型、C/S体系的三层结构以及数据仓库管理系统。IPDSS的实际应用效果表明,将数据仓库技术应用到决策支持系统中。能够提高系统的性能和决策支持效果,是DSS未来发展的新方向。 相似文献
17.
以往的机房信息管理系统,多数是OLTP系统,缺乏综合分析、辅助决策的能力,尤其对其历史积累的海量信息中隐含知识的利用无能为力。该文在聚类规则挖掘理论与研究的基础上,将k-means的算法应用于安徽经济管理学院的机房信息管理系统,对课外上机人次数据进行挖掘,根据挖掘规则得出了课外上机与课内上机时间安排的合理顺序。 相似文献
18.
黄桢 《数字社区&智能家居》2007,1(2):303-304
传统决策支持系统由于其功能的不足.不能满足现代企业的决策需求.而数据挖掘技术是解决该问题的有效途径之一.文章分析了数据挖掘技术在决策支持系统中的应用现状.提出了一种基于数据挖掘的智能决策支持系统的体系结构,并给出了总体结构模型和各子系统功能描述. 相似文献
19.
刘先熙 《数字社区&智能家居》2009,5(7):5086-5087,5095
随着Intemet/Web技术的快速普及和迅猛发展,各种信息可以以非常低的成本在网络上获得。如何在这些信息中找到用户真正需要的内容,成为数据组织和Web相关领域专家学者关注的焦点。Web数据挖掘旨在发现隐藏在Web数据中潜在的有用知识、提供决策支持,已经成为数据挖掘领域中新兴的研究热点。该文主要从Web内容挖掘、Web结构挖掘和Web使用挖掘三个方面阐述Web数据挖掘的基本知识。 相似文献