本文關(guān)鍵詞：基于案例的機遇發(fā)現(xiàn)決策支持技術(shù)及其系統(tǒng)的研究，，由筆耕文化傳播整理發(fā)布。

【摘要】： 伴隨全球經(jīng)濟的飛速發(fā)展和科學(xué)技術(shù)的日新月異,企業(yè)所處市場環(huán)境動態(tài)變化導(dǎo)致交易不確定性日益加劇,企業(yè)面臨日趨激烈的市場競爭,若不能有效發(fā)現(xiàn)并把握市場機遇,將隨時面臨被淘汰的風(fēng)險,特別是在金融危機背景下,機遇發(fā)現(xiàn)已成為學(xué)術(shù)界和企業(yè)界關(guān)注的熱點和焦點。然而市場環(huán)境中的信息來源和信息量越來越多,信息復(fù)雜性和隱蔽性越來越高,市場給企業(yè)獲取信息、分析判斷、進而作出決策的時間期限越來越短,企業(yè)越來越難以憑借以往的人工方式來發(fā)現(xiàn)機遇,此時利用信息技術(shù)構(gòu)建機遇發(fā)現(xiàn)的支持系統(tǒng),輔助決策者更好地利用所掌握的信息和知識進行機遇發(fā)現(xiàn),已成為關(guān)系企業(yè)生存和發(fā)展的迫切需求。 自2000年日本學(xué)者Ohsawa提出Chance Discovery (CD)以來,機遇發(fā)現(xiàn)已得到國內(nèi)外學(xué)者越來越多的重視,提出了許多機遇發(fā)現(xiàn)理論模型及支持技術(shù)和方法,但在理論方法、實現(xiàn)技術(shù)以及應(yīng)用系統(tǒng)等方面仍然存在一些有待改進和完善之處。本文在跟蹤機遇發(fā)現(xiàn)、決策支持、人工智能等相關(guān)學(xué)科國內(nèi)外發(fā)展動向,集成多學(xué)科領(lǐng)域的最新研究成果基礎(chǔ)上,采取定性、定量相結(jié)合的分析方法,對機遇發(fā)現(xiàn)在內(nèi)在機理、本質(zhì)特性、決策過程、支持技術(shù)等方面進行了如下幾部分的研究： 首先,從機遇發(fā)現(xiàn)主體內(nèi)部認知和外部環(huán)境兩方面分析了機遇發(fā)現(xiàn)的動態(tài)特性,通過提取機遇發(fā)現(xiàn)的需求、供給和運作三個維度,建立了機遇發(fā)現(xiàn)三維空間,提出機遇發(fā)現(xiàn)路徑圖式及演化機制；通過分析機遇發(fā)現(xiàn)決策的特性,提出基于案例的機遇發(fā)現(xiàn)決策支持框架。 其次,針對機遇發(fā)現(xiàn)的案例表示問題,提出了機遇發(fā)現(xiàn)樹模型以支持對機遇發(fā)現(xiàn)過程的描述；通過分析機遇的發(fā)現(xiàn)信息層級和多元關(guān)系,結(jié)合信息系統(tǒng)和超圖概念提出機遇發(fā)現(xiàn)樹的超圖系統(tǒng)；研究了超圖系統(tǒng)的粒度描述和粒度計算方法。 第三,對于機遇發(fā)現(xiàn)的案例檢索,在總結(jié)歸納已有的相似性度量方法基礎(chǔ)上,提出基于超圖系統(tǒng)的相似度計算模型,包括對象可比分析、對應(yīng)求解、相似度計算三個步驟；對于超圖系統(tǒng)中頂點對應(yīng)求解,提出了一種基于可比鄰接矩陣的二部圖極大匹配枚舉算法；通過兩組實驗驗證了模型和算法的有效性。 第四,針對機遇發(fā)現(xiàn)的案例學(xué)習(xí),提出其中的機遇發(fā)現(xiàn)活動模式挖掘問題,通過對不同重要程度機遇發(fā)現(xiàn)活動進行賦權(quán)處理,提出一個基于加權(quán)支持度的機遇發(fā)現(xiàn)活動模式挖掘wGSP算法；在活動模式挖掘基礎(chǔ)上,提出一種機遇發(fā)現(xiàn)活動序列相似匹配方法。 第五,根據(jù)問題求解的理論方法,研究了基于問題求解的機遇發(fā)現(xiàn)決策支持過程,包括信息吸取、案例檢索和案例修正三個階段的循環(huán)迭代；研究了信息吸取的方式、算子和信息吸取方法；研究了案例檢索要素模型和檢索模式；研究了案例修正的方式、算子,并提出一個基于κ階星狀超圖提取的案例修正啟發(fā)式算法；闡述了基于案例的機遇發(fā)現(xiàn)決策支持工作過程。 第六,分析了機遇發(fā)現(xiàn)決策支持的工作要求以及決策支持系統(tǒng)的工作機制,引入多智能代理(Multi-Agent)技術(shù)并分析了系統(tǒng)中信息吸取Agent、案例檢索Agent、案例修正Agent和人機界面Agent的結(jié)構(gòu)和工作流程,提出了Multi-Agent的機遇發(fā)現(xiàn)決策支持協(xié)同工作模型；給出了基于案例的機遇發(fā)現(xiàn)決策支持系統(tǒng)的體系結(jié)構(gòu)和功能描述,以及系統(tǒng)實現(xiàn)的平臺和工作實例。 最后,對本文的研究進行了總結(jié)并對未來進一步的研究方向進行了展望。
【關(guān)鍵詞】：機遇發(fā)現(xiàn) 決策支持 決策支持系統(tǒng) 基于案例的推理 超圖 超圖系統(tǒng) 多智能代理
【學(xué)位授予單位】：華中科技大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2010
【分類號】：C934
【目錄】：

• 摘要4-6
• ABSTRACT6-8
• 目錄8-11
• 1 緒論11-32
• 1.1 研究背景及課題來源11-13
• 1.2 國內(nèi)外相關(guān)研究及評述13-28
• 1.3 研究內(nèi)容、結(jié)構(gòu)及創(chuàng)新點28-32
• 2 機遇發(fā)現(xiàn)的動態(tài)演化機制及決策支持框架32-48
• 2.1 機遇發(fā)現(xiàn)的動態(tài)特性32-34
• 2.2 機遇發(fā)現(xiàn)的三維空間與演化機制34-42
• 2.3 機遇發(fā)現(xiàn)的決策支持框架42-47
• 2.4 本章小結(jié)47-48
• 3 基于超圖系統(tǒng)的機遇發(fā)現(xiàn)樹模型48-70
• 3.1 機遇發(fā)現(xiàn)案例表示問題分析48-49
• 3.2 機遇發(fā)現(xiàn)樹模型49-54
• 3.3 機遇發(fā)現(xiàn)樹的超圖系統(tǒng)表達54-64
• 3.4 基于超圖系統(tǒng)的粒度描述與計算64-69
• 3.5 本章小結(jié)69-70
• 4 超圖系統(tǒng)的相似性度量方法70-85
• 4.1 機遇發(fā)現(xiàn)案例檢索問題分析70-71
• 4.2 相似性度量的方法71-74
• 4.3 基于超圖系統(tǒng)的相似度計算模型74-84
• 4.4 本章小結(jié)84-85
• 5 機遇發(fā)現(xiàn)活動模式挖掘及序列相似匹配方法85-99
• 5.1 機遇發(fā)現(xiàn)案例學(xué)習(xí)問題分析85-87
• 5.2 序列模式挖掘相關(guān)研究87-89
• 5.3 機遇發(fā)現(xiàn)活動模式挖掘89-95
• 5.4 基于機遇發(fā)現(xiàn)活動模式的活動序列相似匹配95-98
• 5.5 本章小結(jié)98-99
• 6 基于案例的機遇發(fā)現(xiàn)決策支持工作模式99-121
• 6.1 基于問題求解的機遇發(fā)現(xiàn)決策支持過程99-102
• 6.2 機遇發(fā)現(xiàn)決策支持的信息吸取102-106
• 6.3 機遇發(fā)現(xiàn)決策支持的案例檢索106-110
• 6.4 機遇發(fā)現(xiàn)決策支持的案例修正110-117
• 6.5 基于案例的機遇發(fā)現(xiàn)決策支持工作過程117-120
• 6.6 本章小結(jié)120-121
• 7 基于案例的機遇發(fā)現(xiàn)決策支持系統(tǒng)分析與設(shè)計121-142
• 7.1 機遇發(fā)現(xiàn)決策支持系統(tǒng)的工作機制分析121-125
• 7.2 基于MULTI-AGENT的機遇發(fā)現(xiàn)協(xié)同工作模式125-133
• 7.3 基于案例的機遇發(fā)現(xiàn)決策支持系統(tǒng)結(jié)構(gòu)和功能133-138
• 7.4 原型系統(tǒng)的實現(xiàn)與工作實例138-141
• 7.5 本章小結(jié)141-142
• 8 全文總結(jié)與研究展望142-146
• 8.1 全文總結(jié)142-144
• 8.2 研究展望144-146
• 致謝146-147
• 參考文獻147-159
• 附錄1 攻讀博士學(xué)位期間完成的學(xué)術(shù)論文159-160
• 附錄2 攻讀博士學(xué)位期間參與的課題研究160

【引證文獻】

中國博士學(xué)位論文全文數(shù)據(jù)庫 前2條

1 胡慕海;面向動態(tài)情境的信息推薦方法及系統(tǒng)研究[D];華中科技大學(xué);2011年

2 胡慕海;面向動動情境的信息推薦方法及系統(tǒng)研究[D];華中科技大學(xué);2011年

  本文關(guān)鍵詞：基于案例的機遇發(fā)現(xiàn)決策支持技術(shù)及其系統(tǒng)的研究，由筆耕文化傳播整理發(fā)布。

本文編號：326019