付宏财[1]2006年在《决策的知识管理支持理论方法及支持系统研究》文中研究指明在信息与知识爆炸的年代,传统信息管理已逐步发展为更高级的知识管理。在这种条件下,企业决策主要是基于知识和信息。开展企业决策的知识管理支持研究主要还基于:知识是有效使用一切资源的基础,知识是企业中最活跃的元素;知识代表企业的竞争力;决策制定过程是知识运作的过程。开展这一研究要达到的目的是:明确企业决策的知识管理支持的过程、方法和机理,阐明决策过程中的知识应用规律和作用原理等,据此建立或完善企业决策的知识管理支持的理论、方法、策略、运作模式和内容体系;并在此基础上,设计一个较为可行的、基于知识管理的、以提高决策者决策知识水平和能力为核心的GDSS原型方案(即KB-GDSS),以推动GDSS的发展。本文在理论研究工作中紧密结合了知识管理和群决策的前沿理论及方法,而且在KB-GDSS的设计中结合了当今GDSS的发展趋势,充分考虑了企业的应用实际。设计的KB-GDSS不仅具有很强的知识处理功能、适合企业的模型支持功能(包括分析、预测、决策和群协商模型等)和基于知识的模型生成功能,还具有较强的解释与理解、人-机交流和以提高决策者决策知识水平和能力为核心的决策训练功能——这是企业GDSS方案的理想选择。最后,对大型冶金企业云南铝业股份有限公司作了“决策的知识管理支持”的系统实证研究,特别对该企业采用KB-GDSS和知识管理支持的模式、方法进行了设计和分析。全文研究的核心内容与综合成果概括为以下叁个方面:(1)系统阐明了企业决策的知识管理支持的体系、框架、内容和原理,并论述了知识工程的应用和局限;群决策过程中的行为、要素、阶段性、环境/方式的分析、设计与控制:战略决策和经理决策的知识管理支持要点;知识管理支持的方法、策略等。这确立了决策的知识管理支持的理论基础;(2)在知识管理支持运作方面,给出了企业决策的知识管理支持系列模式(包括企业知识系统概念模型、方法论模型、战略框架、决策函数模型、内容方法框架、组织结构框架、流程机制和监控模式等),这些模型是一组相互有机联系、逻辑基本完整的综合模型体系,实际已构成企业可操作的知识管理基础模型系统,既有利于企业认识知识管理,也有利于企业开展正确的决策-知识管理支持活动:(3)在上述理论方法和模型/模式研究的基础上,依据系统思想,设计了一个较为完善的基于知识的群决策支持系统KB-GDSS方案。在现有的技术开发条件下,完全可以依据该方案进行GDSS原型的应用开发,不仅可以支持企业的决策,还能提高决策者决策的知识水平和能力。
朱燕[2]2001年在《基于人工智能与数据挖掘理论的企业决策支持系统》文中进行了进一步梳理现代企业竞争异常激烈，商业环境千变万化，企业能否快速和正确地对其外界或内部的各种发展变化做出反应并制定相应策略，是企业争取时间，从而最终取得市场竞争优势的关键。在信息技术飞速发展，信息数据迅猛增长的今天，企业快速有效的分析决策越来越依赖于其信息系统的设计开发。其中，数据挖掘及决策支持系统的作用至关重要。相应地，运用人工智能把数据挖掘技术与决策支持系统充分集成这一技术在近年来便受到普遍关注和充分重视。 随着企业规模的扩大，企业数据库日渐庞大，跨域甚至跨洋的实时信息存储调用愈发常见，对系统整合与知识信息共享交流的需求越来越大，人工智能辅助的决策支持系统的复杂性也不断地提高。这种集成技术在实际开发和实施中面临的挑战也越来越大。 本文的主旨是研究由人工智能中数据挖掘技术集成的实用决策支持系统。首先运用人工智能、数据挖掘与决策支持系统理论，对该实用的决策支持系统所必须面对的问题作出分析，并对在实际应用中由人工智能体充分集成的技术进行了探讨研究；本文通过运用事件驱动和任务驱动式数据挖掘器、用户辅助器和知识管理器等人工智能体，来构建支持群组决策流程的新颖架构；为了进一步说明将人工智能体构建在决策支持系统中的实用性及灵活性，本文通过分析在Internet环境下市场决策的开发实例，充分展示了基于互联网的决策支持系统原型及应用，并综述了该系统的设计思路，以及推广这种应用时的研究开发注意事项。 本文的研究在一定程度上将总结决策支持理论的研究成果，说明最新科技发展对决策支持系统的影响，并通过结合人工智能与数据挖掘的集成技术，对该决策支持系统进行研究及实用开发，文中还阐述了在目前日趋膨胀的企业数据和日趋复杂的商务环境下，这种集成技术对企业决策支持的研究意义及应用前景。
马亦轩[3]2016年在《嘉泰公司生产设备管理系统设计与实现》文中提出嘉泰工业公司生产设备管理系统是面向该企业的生产制造作业管理的实际需求而开发的信息化支持工具,主要目的是保障生产设备硬件资源的能力同生产作业的运行需求良好匹配,保障生产作业连续和可靠地执行。本文针对嘉泰工业公司生产设备管理系统的开发,主要论述了以下方面的工作。首先是从分析该生产企业实施设备管理的总体要求和具体在现阶段要解决的主要管理问题出发,确定了以设备的资产基础信息管理、运行信息管理和维修信息管理为本系统的主要功能,围绕上述内容具体展开了需求分析,建立了功能用例模型和对风险类数据的处理要求。结合系统的功能需求和本生产企业的实际情况,建立了该软件的架构和模块设计方案,运用面向对象的基本概念和技术建立了其中主要对象类型的数据结构和功能分配,建立了数据库设计方案,给出了系统主要组成对象的类图模型、事务处理的流程图模型和实体/联系图模型。采用C#编程技术和SQL Server数据库平台完成了软件编程,论述了编程实现的部分实例和测试方法及其实例。通过测试和试运行评估,所构建的软件需求合理实用,在目前的初步应用中较显着地改善了对生产设备的负荷调配能力和作业效率,实现了对设备故障维修事务的流程化管理,提高了生产任务运作的准确性和及时性。软件架构及其设计方案满足功能实现的要求,同时稳妥可靠,较好地结合了技术上的先进性和操作使用上的实用性,达到了预期的开发目标。
虞娟[4]2007年在《基于集成案例推理的商务智能决策研究》文中研究说明随着信息技术的不断发展，商务智能已经得到了越来越多的关注。商务智能建设的主要目标是企业决策支持。在企业的商务决策中，决策者常常运用在实践中不断积累的案例经验知识来辅助决策。案例形式的经验知识结构化程度较差，不能够被通用的企业商务智能来处理而辅助决策。本文针对这一现实问题，提出了应用案例推理(Case-based Reasoning，CBR)技术来处理案例经验知识，可以提高商务智能的知识处理能力。围绕着CBR技术，也有许多集成推理方案，采用基于集成案例推理的学习方案有助于完善CBR系统的功能，充分发挥CBR与其他技术的各自优势。本文首先阐述了商务智能其概念、功能和工作过程，从智能决策支持的角度研究了商务智能决策支持系统及其相关技术构成。针对智能决策支持系统研究中所存在的问题，提出了基于集成案例推理的智能决策技术，介绍了基于案例推理的相关理论、工作机理，并对相似性进行了深入的探讨；接着介绍了案例推理与其他方法的集成技术，并设计了一个混合了CBR、RBR(Rule-based Reasoning)和DM(Date Mining，DM)的集成案例推理的推理模型，描述了系统的推理过程。应用上述理论和推理模型，本文提出了基于集成案例推理的商务智能决策系统框架，分析商务智能决策的过程，研究商务智能决策的案例表示方法，提出了一个基于集成案例推理的混合相似性计算模型，并以实例加以验证。最后讨论了商务智能决策系统中案例知识的数据挖掘技术，提出了基于归纳学习的案例规则挖掘方法，应用该方法可以挖掘出案例库的不确定规则，辅助系统案例推理过程，加强商务智能决策支持系统的知识处理能力。
黄逸民[5]2002年在《基于多Agent的智能管理信息系统理论与应用研究》文中研究指明智能管理信息系统是在传统管理信息系统的基础上，应用人工智能技术，设计实现的具有智能化、集成化、协调化特点的新型计算机管理系统，智能管理信息系统的设计与实现是系统工程研究与人工智能应用研究的热门问题。Agent技术作为分布式人工智能研究中的新成果，多Agent系统的应用研究已成为人工智能领域的一个重要研究方向，并且Agent技术在网络管理、智能机器人、分布式智能控制、信息检索与服务等应用领域取得了巨大的成功。本文的研究在国家自然科学基金项目“基于多智能体的企业信息集成理论及应用研究”(No.79970035)资助下进行的，作者将Agent技术引入到智能管理信息系统研究中，以多Agent系统为基础研究基于多Agent的智能管理信息系统的理论与应用，设计智能管理信息系统的框架模型，给出其实现策略。作者采用面向Agent的软件工程技术来研究和实现管理信息系统中的信息处理、信息查询、辅助决策和数据挖掘等功能子系统，并给出具体应用实例。本文的主要研究工作内容总结归纳如下： 1．介绍了智能管理信息系统的概念，综述了Agent技术和多Agent系统的原理、发展过程及其应用发展现状。 2．通过对智能管理信息系统的系统分析，提出基于Agent技术实现智能管理信息系统的方法，设计整个系统的体系结构和Agent的内部结构并给出Agent的定义，分析了整个系统的设计实现的过程与方法，研究了管理信息系统中Agent之间的协调机制、复杂问题的求解机制和多Agent系统的通讯机制。 3．从企业的组织机构和流程分析入手，提出了支持动态企业模型的基于多Agent的智能管理信息系统，并研究了该系统如何实现对企业的组11 浙江大学博士学位论文织机构和业务流程动态调整的支持。同时从智能人机交互系统的应用入手，分析了智能人机交互系统应具备的功能，提出了基于Agent技术的智能人机交互系统的体系结构，并重点讨论了接口 Agent的设计、机器学习的算法和智能人机交互系统的工作流程。 4．将Agent技术应用于信息查询系统中，从智能综合查询系统功能设计和实际应用出发，分析基于Agent技术的智能综合查询系统的体系结构和系统的工作流程，给出其采用的模糊优化查询算法，总结了采用Agent技术实现智能综合查询系统的主要优点。 5．采用面向Agent的系统分析与设计的方法，分别根据决策支持和数据挖掘的应用模型，分析了基于Agent技术的智能决策支持系统和数据挖掘系统的体系结构，研究了各自的实现技术与方法，总结了各自的主要优点。 6．作为基于Agent的智能管理信息系统理论的一个应用实例，根据检测中心的业务分析并结合其实际特点和管理现状，综合运用CORBA技术和 Agent等技术，构建了一套检测中心智能管理信息系统，详细分析整个应用系统的功能设计、体系结构、实现方法及应用效果。 最后总结了全文的研究工作，归纳了基于多Agen上技术去设计和实现智能管理信息系统的优势，并对该研究方向的未来发展进行了展望。
毛玉艳[6]2016年在《启东市产经发展决策辅助系统设计与实现》文中研究表明本文论述启东市产业经济发展决策辅助系统的软件设计与实现。该系统的开发目的是为启东市政府进行本地产业经济发展政策及项目管理提供决策辅助工具,使政府部门能够采取有针对性和长期性的地方产经促进政策,特别是通过各种产经创新和发展类型的项目形式来实施经济发展政策的目的。论文围绕上述目标,以软件工程的方法为线索,着重论述了以下工作。从启东市的产经政策管理运作亟需改进的方面出发,确定了本系统的必要性和核心的功能内容,展开讨论了各项功能要素的内涵,并通过用例图进行了描述,为该软件的设计建立基础。阐述了该系统的软件架构,说明了模块的配置和内部主要对象单元的分类设计,基于伪程序代码描述了在代表性的数据结构和处理流程图,并说明了数据库的设计方案及其代表性的数据库表结构,为编程实现建立基础。简述了启东市产业经济发展决策辅助系统的编程工具,通过少数代表性的程序实例对该程序的实现进行了概述。该软件基于C#/.NET和SQL Server编程开发。在目前的试运行阶段,不仅为某些重要的产经决策提供了支持性的指标依据,而且还为管理者提供了为保证项目和政策效果所需要重点保障的资源类指标和政策性指标变量的水平和范围。因此,该软件的开发和应用在目前已经取得了积极的效果。
蒋元涛[7]2004年在《基于SWOT的智能型动态战略决策支持系统研究》文中研究指明随着加入WTO和市场化体系的逐步完善,我国的改革开放迈开了更大的步伐,各类企业都面临着巨大的机遇和挑战,如何把握机遇、迎接挑战是每个企业都必须认真思考的问题。然而,我们看到,在一些企业蓬勃发展的同时,也有很多企业在激烈的市场竞争面前束手无策、无能为力。计划经济模式下的经营方式,仍然束缚着企业适应市场经济的步伐,由于缺乏长远的战略方向,导致很多企业陷入严重的困境。近年来,随着现代科学技术突飞猛进的发展,计算机和互联网技术的不断突进和广泛应用,人类开始告别以资本、技术为特征的工业社会,正在进入一个崭新的时代。企业面对的战略环境更加恶劣,战略决策对企业变得比以往任何时候都重要。为了作出正确的战略决策,需要把专家的定性知识或定性判断同定量模型以及定量数据的描述有机地结合起来,以实现定性知识与定量数据之间的相互作用,仅仅靠传统的人工方法进行处理,依人的脑力去解决几乎是不可能的。因此,必须借助计算机寻找更加有效的战略决策方法,研究适合高层应用的辅助战略决策的计算机支持系统。七十年代出现了面向企业战略决策的执行支持系统和战略信息系统,而后发展到战略决策支持系统。作为决策支持系统(Decision Support System,简称DSS)研究的重要分支之一。SDSS的结构框架、设计原理在DSS的基础上向前发展,刻意强调面向企业高层决策者。本文首先根据决策组织的层次,应用从定性到定量综合集成的思想,提出了解决复杂战略问题的递阶分解思想。根据这个思想,探讨了定性模型和定量模型的集成模式和定性知识和定量数据之间的转换映射关系,并且提出了集成定性推理和定量计算的DSS体系结构和智能问题处理系统的分析处理流程,简要讨论了各功能模块。接着,在传统SWOT分析的基础上,把战略选择过程细化为满足两个约束条件地过程:战略地位和战略匹配点,从而构造出基于SWOT的双约束战略决策模型(SWOT-Based Double Retricting Strategic Decision Model,简称为SDRSDM)。利用SDRSDM,决策者首先确定出企业的战略地位,明确本企业在竞争环境中的战略位置,确定战略匹配点,从而客观、理性的在匹配战略中找到合适的战略方案。在以上分析的基础上,针对战<WP=4>略环境复杂、动态的特点,提出了SWOT分析的理性化思路,以投资企业现金流量灾变分析为例子,探讨了建立其它预测模型的可行处。然后,吸收定性和定量集成的思想,在分析影响因素的特性基础上,结合专家的定性判断能力和实际的定量计算模型,根据战略影响因素的定量、定性特征,引入更加合理的分值确定和权重赋值方法,以提高战略因素分析的可信度。在下面,通过引入有序决策树(Ordered Decision Tree, ODT)和最小有序决策树(The Smallest Ordered Decision Tree,SODT)概念将SDRSDM的求解进行了有利于建模和推理的形式化表示,从而将求解过程统一于整个ODT的不同节点之中。在此基础上,研究了SDRSDM的推理算法,为SDRSDM的系统实现奠定了基础。另外,通过以上分析,SDRSDM的求解是一个异常复杂的综合决策系统。因此,提出了基于人工神经网络的战略决策学习模型。研究了应用ANN对复杂的SDRSDM进行学习的原理。基于叁层BP网络学习算法建造了评价专家用于决策分析的ANN学习模型,可以在实际应用中发挥很好的作用。最后是在前面各章工作的基础上,设计并实现一个基于SDRSDM的智能型动态战略决策支持系统应用原型,详细分析了系统的体系结构、功能特点、开发环境和流程以及关键的实现技术。并且为了适应战略决策的需要,提出了网络环境下集成系统的技术方法。
杨春莹[8]2011年在《基于数据挖掘的汽车整车方案设计决策模型的研究》文中研究说明汽车整车方案设计是一个具有创造性、多解性、近似性、经验性和综合性的复杂决策过程,对于整个汽车设计过程具有决定性的作用。基于数据挖掘的汽车整车方案设计决策模型有效嵌入了数据挖掘、人工智能和产品方案设计等理论与技术,是提供方案设计决策支持的关键技术,同时也是我国机械及汽车行业亟待研究的课题。该研究首先分析了当今汽车制造企业所面临的挑战以及在汽车设计过程中所遇到的问题,阐明了汽车整车方案设计的研究目的与意义；其次,分析了相关领域问题的概念,包括汽车整车方案设计内容与方法、设计特点、数据挖掘相关知识理论等；最后,建立汽车整车方案设计决策模型,通过数据挖掘理论和决策树算法,实现了决策模型的求解。本研究以汽车整车方案设计为结合领域,研究了领域问题的QUINT模型求解方法。针对汽车整车方案设计的特点,建立汽车整车方案设计模型,采用数据挖掘理论方法和决策树算法对模型进行求解,并通过本研究建立的模型和求解算法对汽车整车方案设计决策模型进行计算,计算结果显示,决策模型算法精确度较高,匹配性能较好；本文深入研究了基于决策树算法的汽车整车决策方案设计,通过决策树算法进行聚类分析,最后得到了良好的聚类结果,并获得了知识规则,证明了基于决策树的聚类分析方法在汽车整车方案设计和参数匹配中的成功应用。本研究在汽车整车方案设计总体框架下,可实现决策支持系统的系统开发,以辅助整车设计时的方案决策,并为客户个性化定制提供方便、快捷的设计方案。
王和平[9]2013年在《基于战略对应理论的新能源电力项目适时决策研究》文中指出能源是关系国家经济命脉的重要战略物资,如何有效的开发利用我国潜在的各种能源,直接关乎到国民经济的发展和中国经济的增长。在进行多项目集投资决策时需实现项目目标、项目集管理目标与企业战略目标梯级协同,这就要求叁个管理目标达到梯级战略对应的目的。以项目为导向的新能源电力项目要求项目目标、项目集管理目标与企业战略目标实现协同。多项目的管理要比单项目的管理更为复杂,多项目的组合不仅仅是项目间的组合,更要实现多项目组合管理目标的实现,以达到项目集管理目标与企业的战略目标间协同的目的。由于新能源电力项目所涉及的外部因素和内部因素是动态的,参与项目投资的投资人竞争性强,投资主体的投资行为影响面大、项目建设涉及地域广,这些特征给新能源电力项目的投资决策带来了困难。项目所处环境的内外部因素有些是可以量化,有些则不能,而这些因素的实时动态特性对项目决策以及信息对战略的对应性起到了决定性作用。只有当这些要素之间形成一种相互协调、和谐一致的状态时,才能满足在企业战略对应的前提下,实现项目的最优决策。实际上新能源电力企业面临的是对不同类型的发电项目的组合管理问题。PMI在《项目组合管理标准》中提到项目组合管理必须考虑投资和战略的一致性。在此,我们定义新能源电力项目组合管理的概念为“在可利用的资源和企业战略计划的指导下,进行多个新能源电力项目或项目群投资的选择和支持”。战略对应考虑组织某个具体工作领域的战略方向、应用目标与组织战略的方向、目标一致、协同的行为。由于新能源电力项目所涉及的外部因素和内部因素是动态的,参与项目投资的投资人竞争性强,投资主体的投资行为影响面大、项目建设涉及地域广,这些特征给新能源电力项目的投资决策带来了困难。所以本文致力于研究新能源电力项目决策的适时战略对应问题。此问题的概念可以阐述为：“在既定战略下,面对复杂多变的能源发展环境,新能源电力企业如何适时地做出战略对应的组合管理决策”。本文第2章将着重从理论上分析适时战略对应的可行性与具体方法。第3章将分析适时战略对应的组织基础及管理模式基础。第4章着重分析如何通过对KSF的适时生成,来建立新能源电力项目组合适时战略对应决策的基础。第5章根据前述分析和信息系统原理,建立了实现相应信息系统的框架设计。第6章根据已实现的信息系统,阐述了实际应用的案例。第7章提出了结论和展望。综上,本文进行的主要工作如下：(1)针对新能源电力项目决策时出现的问题,从全寿命周期项目组合管理的角度出发,引入实时战略对应理论,建立基于KSF (Key Success Factor,关键成功因素)的新能源电力企业项目评价体系,并将数据挖掘技术应用于KSF的实时生成中,以对新能源电力项目决策起到指导作用。(2)将实时战略对应理论引入新能源电力项目的决策中,在各投资人利用有限的资源配置的前提下,实现了项目目标、项目集管理目标与企业战略目标的协同以及KSF之间的协调,这对新能源电力项目的决策起到了决定性作用,从而实现以创新的管理手段解决以能源项目为导向的集团发展执行力问题。根据其集团决策、分公司统筹、项目公司运营的特征,建立以决策层、管理层和执行层为架构的叁层项目组合管理架构。组合管理以目标为中心,而目标的依据应该是集团战略。根据管理层的组织特征,探究分公司职能部门与项目部可能的项目目标管理交叉点,以探求有效项目组合管理模式,形成新能源发电企业组合管理模式。(3)对新能源电力企业在企业产业结构、竞争策略、环境因素和暂时因素等方面的特点进行实际调研,得出企业成功影响因素的及其相关业务表征的原始数据。然后在其基础上,运用系统分析的方法,梳理因素间的因果链关系；并用粗糙集等方法进行因素的约简工作,进而得出一系列静态的KSF。拟在以上研究的基础上,进一步分析KSF与企业基础业务数据间的联系,为进行企业KSF实时生成研究打下基础。建立动态的KSF项目评价体系,借助管理信息系统收集各时点KSF的相关数据,根据此数据生成不同时点的KSF,进而对不同项目组合在全寿命周期中的KSF进行评价,以此评价结果作为新能源电力项目决策的依据。(4)通过数据挖掘技术,分析企业的实时内外部条件,从而得出企业的实时KSF状态,而企业的战略目标可以通过管理信息系统前台写入,这就实现了企业战略目标与企业KSF的关联。该管理手段对由于内外部条件的变化而对决策产生巨大影响的新能源电力项目起到了指导作用,并实现了企业战略目标与项目目标的战略对应。建立了一种KSF自动生成机制,这种机制从新能源电力企业所有业务,包括项目建设、项目运营和企业总部运作等中收集实时数据,通过数据挖掘的方法,找到企业新的KSF,从而实现企业KSF变化的自动提醒。这样可以实时地根据企业战略和企业内外条件的改变更新项目决选标准,并且对决策者起到提醒变化的作用。(5)在需求分析的基础上,提出了实时决策信息平台设计的方案,分析了系统关键成功因素,提出了系统架构,为文中建立的理论与方法提供了实现路径。针对系统需求,提出新能源电力企业的项目化业务流程重组方式。企业业务流程的重组应结合决策系统对数据入口的需求,将KSF挖掘的基础数据与项目化业务数据进行最大程度的融合。根据企业特点,考虑到系统性能需求、可维护性需求和可修改性需求,设计合理的系统架构。包括设计系统的分层模式,系统持久性存储方式和系统对象等。
何超[10]2014年在《基于数据挖掘的企业竞争情报智能分析研究》文中研究说明随着知识经济时代的来临和经济全球化、信息化、网络化的快速深入,市场竞争日益激烈,企业间的对抗不断升级,影响企业经营活动的内外部因素更加难以预测。因此,企业要在如此残酷的竞争环境中求生存、谋发展,除了增大资金、技术、人才的投入以外,更重要的是面对激变的环境能够及时有效地做出正确的竞争策略。竞争情报作为知识经济时代企业保持竞争优势的战略资源和分析与预测行业发展态势、制定科学战略决策的依据,是被公认的除资本、技术、人才之外的企业“第四核心竞争力”。它是关于竞争对手、竞争环境以及由此引出的相应竞争策略的决策性知识,有助于帮助和支持企业组织成员评估关键发展趋势、跟踪正在出现的不连续性变化、把握行业结构的进化以及分析现有和潜在竞争对手的能力及动向,为企业保持和发展相对竞争优势提供强有力的智力支持和情报保障。基于数据挖掘的企业竞争情报智能分析吸收了情报学、商务智能、知识管理、现代竞争理论等学科的研究成果,并以众多高新信息处理技术为支撑,如本体工程、数据仓库、可视化技术等,为企业竞争情报的智能挖掘、分析、获取、创新及企业决策提供智力支持。本文的研究工作主要包括八章：第1章,本章主要介绍了企业竞争情报的基本概念、特征和功能,分析了当前知识经济环境下企业竞争情报分析的主要内容与分析方法,探讨了企业竞争情报的分析策略与价值增值过程,并给出了基于数据挖掘的企业竞争情报智能分析的优势。第2章,本章主要将数据挖掘技术融入企业竞争情报智能分析之中,构建了基于数据挖掘的企业竞争情报智能分析的体系框架,并从支撑理论与技术、智能分析策略与方法、智能分析结果可视化叁个层面对该体系框架进行了详细的阐述。第3章,本章主要是通过构建领域本体实现企业竞争情报源数据的语义组织,研究了企业领域本体的构建方法与实现,即综合应用知识工程与叙词表方法指导领域本体开发;复用Enterprise本体与TOVE本体的领域知识和概念模型构建领域本体框架,利用本体开发工具Protege对软件企业领域本体进行形式化编码,以便为后续的基于语义的数据挖掘与智能分析提供语义知识。第4章,本章主要从聚类挖掘的角度研究了企业竞争情报聚类分析的方法与算法,即针对传统的聚类挖掘方法与算法由于缺乏语义而导致聚类结果不理想等问题,通过利用领域本体提供语义知识进行语义层面的聚类挖掘,实现企业竞争情报语义聚类挖掘与分析；并以k-means算法为基础,设计了基于领域本体的k-means语义聚类挖掘算法Onto-kmeans,通过在WEKA上进行对比实验验证了该算法比传统的k-means算法有较大的优化。第5章,本章主要从分类挖掘的角度研究了企业竞争情报分类分析的方法与算法,即针对传统的分类挖掘方法与算法存在缺乏语义和需要大量人工标注等问题,通过利用通用本体与领域本体提供语义知识进行语义层面的分类挖掘,实现企业竞争情报语义分类挖掘与分析；设计了基于领域本体的语义分类挖掘算法Onto-TC,通过在WEKA上进行对比实验验证了该算法的有效性。第6章,本章主要从关联挖掘的角度研究了企业竞争情报关联分析的方法与算法,即针对传统的关联挖掘方法与算法由于缺乏语义而导致的I/O负载重、算法开销大、获取的规则概括性不强等问题,通过利用领域本体提供语义知识进行语义层面的关联挖掘,实现企业竞争情报语义关联挖掘与分析,并以Apriori算法为基础,设计了基于领域本体的语义关联挖掘算法Onto-Apriori,通过在WEKA上的对比实验验证了该算法比传统的Apriori算法有较大的优化。第7章,本章选择软件企业为实验对象,通过采集网络信息源作为实验数据,从中挖掘和分析影响软件企业竞争力的影响因素等情报内容。首先,通过语义聚类分析获取影响软件企业竞争力的八个主要因素；然后,以这些因素作为分类标准,利用语义分类分析进行两次分类分析,获取每个主要因素的具体影响要素；最后,通过语义关联分析获取这些主要要素和具体影响要素之间的语义关联,这些要素及其关联信息有助于软件企业核心竞争力的培育和市场风险的预测。第8章,本章对全文的主要内容进行了系统总结归纳以及对未来研究进行了展望。首先,从研究意义、研究内容上对全文进行总结,然后展望基于数据挖掘的企业竞争情报智能分析今后的研究方向,包括复杂数据类型的情报挖掘与分析、可视化情报挖掘与分析、动态情报挖掘与分析、以知识为中心的大数据挖掘与分析等。本文系2012年度教育部博士研究生学术新人奖项目“基于数据挖掘的商务情报分析方法研究”(项目批准号：5052012104001)、国家自然科学基金项目“企业竞争情报分析模型与方法研究”(项目批准号：71073121)和教育部人文社科重点研究基地重大项目“基于智能信息处理的知识挖掘技术及应用研究”(项目批准号：08JJD870225)资助的研究成果之一。
参考文献：
[1]. 决策的知识管理支持理论方法及支持系统研究[D]. 付宏财. 昆明理工大学. 2006
[2]. 基于人工智能与数据挖掘理论的企业决策支持系统[D]. 朱燕. 广东工业大学. 2001
[3]. 嘉泰公司生产设备管理系统设计与实现[D]. 马亦轩. 大连理工大学. 2016
[4]. 基于集成案例推理的商务智能决策研究[D]. 虞娟. 合肥工业大学. 2007
[5]. 基于多Agent的智能管理信息系统理论与应用研究[D]. 黄逸民. 浙江大学. 2002
[6]. 启东市产经发展决策辅助系统设计与实现[D]. 毛玉艳. 大连理工大学. 2016
[7]. 基于SWOT的智能型动态战略决策支持系统研究[D]. 蒋元涛. 华中科技大学. 2004
[8]. 基于数据挖掘的汽车整车方案设计决策模型的研究[D]. 杨春莹. 武汉理工大学. 2011
[9]. 基于战略对应理论的新能源电力项目适时决策研究[D]. 王和平. 华北电力大学. 2013
[10]. 基于数据挖掘的企业竞争情报智能分析研究[D]. 何超. 武汉大学. 2014
标签：企业经济论文; 领导学与决策学论文; 人工智能论文; 数据挖掘论文; 大数据论文; 数据挖掘算法论文; 语义分析论文; 数据集成论文; 智能算法论文; 战略分析论文; 决策能力论文; 功能分析论文; 数据分析论文; 电力论文;