面向互联网基于证据理论的智能决策支持系统研究

发布时间：2020-10-31 17:55

　　 在互联网迅速发展的环境下，智能决策支持系统面临新的挑战。互联网给决策支持提供了丰富的信息资源，同时增加了信息的不确定性，对互联网上的信息进行采集、信息质量分析与挖掘利用成为智能决策支持系统利用互联网信息资源所要解决的问题。互联网给智能决策支持系统提供了方便快捷的通讯手段，使得决策可更广泛地选择决策参与者，使群决策能更好地得到应用。如何更好地建立群体决策的系统机制，对群体决策的意见进行有效的合成，成为利用互联网进行群决策面临的新问题。本文将证据理论引入智能决策支持系统，作为解决上述问题的基本理论，探讨了面向互联网、基于证据理论的智能决策支持系统的基本框架与决策程序，研究了基于证据理论的证据合成问题。针对解决问题的需要，将证据理论与神经网络、包含度理论、协同学理论、粗糙集理论相结合，研究了对互联网上不确定信息的采集、信息质量分析问题，探讨了群决策专家的聚类分析、群决策专家的选择、群决策专家意见的合成与基于证据理论的不确定性决策问题。具体研究内容如下： (1)分析了决策支持系统的研究现状及其发展趋势，阐述了互联网的发展对决策支持系统的影响，分析了证据理论在专家群体决策意见合成与不确定性决策中的作用，提出面向互联网、基于证据理论的智能决策支持系统的功能框架。 (2)针对群体决策信息融合的问题，分析证据理论近来的发展与证据合成的研究现状与问题。分析了已有的对相关证据、不同重要性的证据、存在较强冲突的证据的合成方法，提出证据合成的发展方向与新方法。 (3)研究基于神经网络与D-S证据合成规则的证据合成方法，将神经网络与Dempster合成规则进行结合用于证据合成，使证据合成具有学习能力，挖掘隐含在证据合成历史绩效数据中的知识用于证据合成，并使该方法适用于相关的、冲突的、不同重要性的证据的合成，使证据合成方法适用于群体决策的意见合成。分析研究基于神经网络与D-S证据合成规则的证据合成方法所具有的特性，分析比较该方法与D-S证据合成规则的优劣，分析该方法对合成信息源的筛选能力，探讨合成的专家群体决策意见与专家个体决策意见之间的关系。 (4)设计定义了基于包含度理论的贴近度指标，用它来分析反映专家意见的不确定数据与比较标准数据的差异，以此来分析不同专家的信息质量。并基于贴近度定义了两个不确定数据的相似度指标，依据相似度指标设计了对不确定数据进行聚类分析的方法与程序。在聚类分析的基础上，研究基于协同学理论的竞争、 合肥丁业大学他士论文 摘 要 协同、序变量与伺服原理选择群体决策专家，以提高集结专家群体意见进行预测 与决策的有效性。 （5）研究基于证扼理论的诀策方法。探讨基于焦元分析求解各状态的基本可 信数的决策方法，将求解各状态的基本可信数与决策过程相联系，并将诀策结果 与基于粗糙集的决策规则的不确定性分析相联系，使基于证掘理论的决策方法更 科学合理。 （6）研究面向互联网基于证拥理论的智能决策支持系统框架模型，针对处理 互联网上信息的特点，融入证掘理论的信息融合方法，将定量分析与定性分析相 结合、将数掘仓库与OLAP、数据亿掘相集成，研究利用互联网进行决策的一般框 架模型与诀策程序c （7）结合证券市场群体专家忡测与投资决策，分析设计与厂发了面向互联网、 基于证据理论的证券投资IDSS原型系统。研究了证券投资专家预测意见合成的现 状，分析了专家群体抉策意见合成的己有方法和存在间题，探索面向互联网的基 于神经网络与证据理论的专家预测意见合成。研究基于证掘理论的抉策与基于粗 糙集的诀策规则的不确定性分析州联系进行组合决策分析的方法。通过对互联网 上证券咨询网站公布的多位专家的预测意见进行采集、存储、信息质量分析、聚 类分析与筛选群体专家、合成协同专家的预测意见，并在合成预测意见的基础上， 进行投资决策分析探讨卜还方法与 Lh系统的有效性。 对实例的分析计算结果表明，在对群体专家预测信息进行质量分析与聚类分 析的基础上，按协同学原理筛选专家群体，对筛选出的专家群体的预测意见用基 于神经网络与证据理论的专家预测怠见合成方法进行合成，并用基于焦元分析求 解各状态的基本可信数的决策分析斤法进行决策分析取得了良好的效果。基于神 经网络与证据理论的专家预测意见合成方法的性能比现厅的数理统计预测方法、 DS证掘合成方法、Ronald R．Ya罗r的证据合成方法等有较大的提高。 面向互联网、基于证扼理论的证券投资智能决策支持系统的研究成果在一定 程度上解诀了利用互联网上信息阶于决策和利用互联网进行群体决策的个体决策 意见集结的问题，并为智能决策支持系统集成证据理论提供了一般的框架。
【学位单位】：合肥工业大学
【学位级别】：博士
【学位年份】：2003
【中图分类】：C934
【部分图文】：

图62面向互联网、基于神经网络与证据理论的证券市场群体专家预测系统主菜单.2.1问题求解分析与综合系统问题求解分析、综合系统是对辅助预测、决策的问题进行分析，规划求与过程，综合预测、决策的结果。该部分针对面向互联网基于证据理论的场群体专家预测与决策问题进行问题的分类与规划如下:(l)调用面向互联网数据采集与存储系统，对相关网站上的专家群体预与证券市场的实际情况进行收集、加工处理，并将采集的数据存储到系统中。(2)对更新的数据调用模型库中的统计分析模型，进行相关的数据进行析如预测准确率、预测贴近度、预测次数、预测结果的统计分布等。初步预测次数较少的专家。(3)对初步入选的专家用OLAP进行聚类分析。在分类的基础上，结析指标与选择专家的启发性知识选择参与预测意见合成的专家，并将他们

样本中参与预测的专家数为52位。。一Ial习采集数据导入数据检遭与维护图6.3证券预ffilJ数据采集与存储菜单6.2.3预测历史数据的统计分析处理系统证券市场预测专家由于学习经历、知识结构、工作经历的差异，专家预测问题的准确性存在差异。对专家的历史预测数据进行分析可掌握参与预测专家的对特定问题的预测准确性与专家的预测特点。一般可采用数理统计的方法分析计算专家对特定问题的预测准确率、对预测问题的特定属性的预测准确率以及专家的预测特点(这位专家是较保守的，还是较激进的等)。根据统计分析可以将不经常参与预测的专家筛选掉，初步确定进一步参与聚类分析的预测专家。本例预测专家预测次数的统计分布如表6.1。

表6专家预测次数统计分布预预测次数数小于200020一399940一599960一799980一9999100一10999110一11999120一1299913000人人数数444llll333llllll000l333l777222在上述统计分布中取预测次数大于110次的专家为学习样本备选专家。入32位专家，这32位专家的预测统计特性分布如表6.2。表6.2专家预测统计特性‘分分组值值0.25一0.3330.3一0.35550.35一0.4440.4一0.45550.45一0.555预预测准确率率4441666999333000分分组人数数数数数数数贴贴近度模数数111】llll222333555分分组人数数数数数数数预测准确率二预测正确次数干预测次数贴近度模数的定义见4.1.1节。.匹通物..........哪匆盛叫巡幽夔馨缈爵一_习回习
【引证文献】

相关期刊论文 前3条

1 朱厚任,朱卫东,杨善林;基于证据理论的证券组合优化分析[J];合肥工业大学学报(自然科学版);2005年10期

2 朱厚任;杨善林;朱卫东;;基于证据理论的公务员绩效评价分析[J];合肥工业大学学报(自然科学版);2006年09期

3 朱厚任;杨善林;朱卫东;;基于关联矩阵法的公务员绩效评估分析[J];中共合肥市委党校学报;2005年04期

相关博士学位论文 前5条

1 胡小建;ABDIDSS环境下多Agents之间协作与近似推理机制研究[D];合肥工业大学;2005年

2 吴强;智能群体决策支持系统中若干关键理论与方法研究[D];中国科学技术大学;2006年

3 胡笑旋;贝叶斯网建模技术及其在决策中的应用[D];合肥工业大学;2006年

4 龚本刚;基于证据理论的不完全信息多属性决策方法研究[D];中国科学技术大学;2007年

5 陈增明;群决策环境下证据理论决策方法研究与应用[D];合肥工业大学;2007年

相关硕士学位论文 前6条

1 方琴芬;顾客满意度测评方法研究[D];合肥工业大学;2006年

2 李闯;一种人民币汇率预测新方法的研究[D];吉林大学;2007年

3 章蕾;电子商务系统绩效评价方法的研究[D];合肥工业大学;2007年

4 李凡;通信网工作可靠性的综合评价模型及方法研究[D];沈阳工业大学;2008年

5 高明亮;基于贝叶斯网络的决策分析系统在电力营销中的应用[D];河北农业大学;2010年

6 詹同军;基于证据推理的超市顾客满意度评价研究[D];合肥工业大学;2010年

本文编号：2864302