您所在的位置:e-works首页 > 管理信息化 > BI

集成数据挖掘的决策支持系统的系统结构

发表时间:2007-12-2 刘先红 来源:万方数据
将数据挖掘集成于传统的决策支持系统中提升决策支持系统的性能,是本文要探讨的要问题。本文首先 简要地介绍了数据挖掘,然后总结了广大专家和学者在建立集成数据挖掘的决策支持系统方而的研究成果,最后构造一个集成数据挖掘的决策支持系统的系统结构。 数据挖掘决策*支持系统*系统结构

    计算机问世不久就被应用于管理领域,开始时人们主要用它进行数值计算、数据存储和编制报表,其目的是实现办公自动化20世纪70年代 期,Keen和Scott Morton首次提出了决策支持系统(Decision Support System ,DSS)一词,标志着利用计算机辅助管理和决策的研究与应用进入实质性的阶段。但是DSS的发展道路并不平坦,其中也有过低谷,人们甚至一度对DSS的前景失去希望。数据挖掘(Data Mining ,DM)是数据库领域最前沿的研究热点问题之一,将DM引入DSS,建立集成DM的DSS,将使DSS的发展进入一个新的阶段。
   
    一、数据挖掘
   
    谈到DM的延生,我们不得不引用如下一些十分精辟的描述:"数据过剩""丰富的数据,贫乏的知识""数据爆炸,知识贫乏""数据矿山,知识金块"。所有的描述都基于这样一个事实:一方而在数据收集上具的帮助下,我们积累了庞大的甚至是海量的数据,另一方而由于缺乏强有力的数据分析上具的辅助,我们不能把这些数据转变成有价值的知识为了早日走出这一尴尬的境地,人们迫切需要新的技术和上具,以帮助我们将巨大的数据资源转换成有价值的知识资源,从而辅助人们进行科学的决策。在这一需求的引学下,DM便应运而生。1995年,在关国计算机年会(ACM)上,首次提出了数据挖掘的概念数据挖掘是从数据库(Database,DB)、数据仓库(D69)或其他的数据集合中提取隐含的、事先未知的而又潜在有用的规则、规律、模式或更高层次的知识的过程。
   
    二 DM与DSS集成的模式
    

    一般认为,DSS由数据库、模型库、知识库和人机界而四个部分组成,称为三库结构。DM如何与DSS已经有部件衔接-设计新的DSS的系统结构,是集成DM的DSS要讨论的主要问题。广大专家和学者对这一新的系统结构已经展开了探讨,并且建立了很多模型。总的来说,这些模型可以分为三类:
    1.抛弃模型库与知识库,直接用DM的结果作为决策信息以辅助决策,基于模型构造的DSS实际上只是一个简单的数据挖掘系统,由于彻底放弃了传统的三库结构,也就是不成为真正的DSS。这种观点实际上是对DSS的误解,认为只要是为管理者提供信息的计算机系统都是DSS。


    2.烙合式结构。这种结构的典型特征是将DM与传统的三库相衔接,惠晓滨等在参考文献所建立的模型就属于这种类型。这样,模型的典型结构如图2这种模型的主要思想是将数据挖掘引擎归于模型库,这样模型库就包括传统模型和数据挖掘引擎两部分;将数据挖掘的结果存入知识库,这样知识库就包括传统知识和数据挖掘的结果两部分。这是一种较为理想的模型,笔者在后文构造的模型就借鉴了这种观点。


    3.并联式结构。这种结构的特点是DM与传统的三库并立,夏火松在参考文献所建立的模型就属于这种类型这种模型的典型结构如图3.DM与传统的三库缺少衔接以及集成度不高是这类模型的主要缺点.


    
    三、DM与三库无缝衔接的DSS的系统结构


    
    笔者认为:第一、不能抛弃传统的三库结构,一方而是因为这就将使我们前期的研究作都付诸东流,使我们对DSS的理解更加混乱,另一方而,放弃了传统的三库,对那些已经建立了DSS的企业来说就意味着极人的资源浪费;第一、数据挖掘的核心模块(数据挖掘引擎)应该独立于模型库,这有利于充分发挥数据挖掘的功能与作用也有利于保持现有系统的稳定,避免现有系统作人幅度的改动。基于以上几点,在此提出一种集成DM的DSS的系统结构图,如图4这种系统结构既集成了DM,又保留了传统的三库结构,是对DSS的扩展。这种结构具有如下几个特点:
    1.数据挖掘引擎和知识库具有良好的交互性。知识库中存储的各种领域知识,可以用来帮助数据挖掘引擎更好地进行挖掘数据挖掘的结果-知识折时保存于知识缓冲区中。这此知识经过解释后可以直接提供给决策人员,用于辅助决策。一但这此知识被证明是正确的、合理的,或者经专家验证是科学的,就可以将这此知识从知识缓冲区转移到知识库中,以丰富知识库,或者修改知识库中已有的知识
    2.DSS的人机界面为用户参与数据挖掘过程提供了方便DSS作为一个人机系统,具有强人的人机对话功能;DM虽然是一种自动化的过程,但也离不开用户的参与,如关联挖掘中支持度、可信度的确定就需要等待用户的输入。在这个模型设计了数据挖掘引擎和人机界而的接口,用户就可以利用DSS的成熟的人机界而来参与数据挖掘的过程
    3.定量分析和定性分析相结合"不能一说到模型就一定是定量的,就一定是数学模型"。我们不能将模型与定量等同,但还是可以认为模型的主要作用是定量分析。同样,我们将DM与定性同日而语,但DM的主要功能是定性分析。模型和DM的结合,就是定量分析和定性分析的结合,有利于解决半结构化和非结构化的问题。
    DM将为DSS注入新的活力,可以说DM为DSS的发展创造了机遇,将使DSS的发展进入一个全新的阶段。但这个新的集成系统在设计和实现时都存在着一此问题,有待广大专家和学者的继续努力。

本文为授权转载文章,任何人未经原授权方同意,不得复制、转载、摘编等任何方式进行使用,e-works不承担由此而产生的任何法律责任! 如有异议请及时告之,以便进行及时处理。联系方式:editor@e-works.net.cn tel:027-87592219/20/21。

责任编辑:童伟
;