Theory and application of intelligent decision support system

　　第1章 决策支持系统概述／1
　　 1.1 决策支持系统的内涵／1
　　 1.1.1 决策支持系统的概念／1
　　 1.1.2 决策支持系统的组成与系统结构／1
　　 1.1.3 决策支持系统与管理信息系统的比较／8
　　 1.2 决策支持系统中模型库系统简介／10
　　 1.2.1 建模在DSS中的地位与重要性／10
　　 1.2.2 模型库系统的结构／10
　　 1.3 模型库的内容及分类／11
　　 1.3.1 模型库的内容／11
　　 1.3.2 模型库的分类／12
　　 1.4 模型库管理系统(MBMS)／13
　　 1.4.1 模型库管理系统的功能／13
　　 1.4.2 模型库管理系统的结构／13
　　 1.4.3 模型库管理系统的工作原理／14
　　 1.5 决策支持系统中数据库的组成／16
　　 1.6 本章小结／19
　　第2章 智能决策支持系统概述／20
　　 2.1 智能决策支持系统的内涵／20
　　 2.1.1 智能决策支持系统的基本概念／20
　　 2.1.2 智能决策支持系统的结构及特点／21
　　 2.1.3 智能决策支持系统的特点和功能／25
　　 2.2 智能决策主要方法／26
　　 2.2.1 机器学习／26
　　 2.2.2 软计算方法／26
　　 2.2.3 数据仓库和数据挖掘／27
　　 2.2.4 基于范例推理(Case―Based Reasoning，CBR)／29
　　 2.3 智能决策支持系统的发展／29
　　 2.3.1 智能决策支持系统的分类／29
　　 2.3.2 智能决策支持系统发展中遇到的问题／30
　　 2.3.3 智能决策支持系统的发展展望／31
　　 2.4 本章小结／3l
　　第3章 基于粗糙集方法的数据处理／33
　　 3.1 粗糙集理论的基本概念／33
　　 3.1.1 粗糙集理论的知识表示／33
　　 3.1.2 粗糙集理论的知识获取／37
　　 3.2 数据的离散化预处理／37
　　 3.3 基于粗糙集理论的决策表约简／40
　　 3.4 本章小结／43
　　第4章 神经网络的训练算法和模型研究／4J4
　　 4.1 神经网络的训练算法／44
　　 4.1.1 单参数动态搜索算法(sPDS)／44
　　 4.1.2 前馈式神经网络(BP网络)的权值诱导和层次训练算法／50
　　 4.1.3 约束SPDS算法／50
　　 4.1.4 集成BP算法与SPDS算法优点的快速组合训练算法／51
　　 4.2 神经网络模型／53
　　 4.2.1 基于BP算法的区域映射模型／53
　　 4.2.2 基于SPDS算法的区域映射模型／58
　　 4.2.3 区域映射模型的判定区域和分类算法／60
　　 4.3 计算实例／62
　　 4.4 本章小结／66
　　第5章 基于粗集、神经网络和专家系统的智能决策支持系统／67
　　 5.1 粗糙集与神经网络集成系统的研究／67
　　 5.1.1 粗糙集与神经网络的异同点／67
　　 5.1.2 粗糙集与神经网络的集成／68
　　 5.2 神经网络与专家系统集成的研究／69
　　 5.2.1 专家系统与神经网络的异同点／69
　　 5.2.2 专家系统与神经网络的集成／70
　　 5.3 粗糙集、神经网络与专家系统集成系统的功能结构／71
　　 5.4 粗糙集、神经网络与专家系统集成系统的框架结构／72
　　 5.5 应用实例／74
　　 5.6 本章小结／82
　　第6章 基于小波分析的心电信号处理／83
　　 6.1 心电图概述及国内外心电信号自动分析研究现状／83
　　 6.1.1 心电图概述／83
　　 6.1.2 心电图的自动分析技术／86
　　 6.2 小波理论基础／91
　　 6.2.1 连续小波变换／92
　　 6.2.2 连续小波变换的离散化／92
　　 6.2.3 多分辨分析与Mallat算法／93
　　 6.2.4 小波基的选择／101
　　 6.3 基于小波变换的：ECG信号特征点检测／103
　　 6.3.1 检测ECG突变点的原理／103
　　 6.3.2 模极大值与突变点局部奇异性的关系／105
　　 6.3.3 信号奇异值的小波变换检测原理／108
　　 6.3.4 ECG特征点的小波变换检测方法／110
　　 6.4小波变换检测方法的实现／117
　　 6.4.1 ECG信号的采集／117
　　 6.4.2 信号的预处理／118
　　 6.4.3 特征点检测的实现／119
　　 6.4.4 MIT／BIH标准心电数据库的评估／121
　　 6.5 多元小波变换及逆变换／122
　　 6.5.1 多元可允许小波／123
　　 6.5.2 多元小波变换及逆变换／124
　　 6.5.3 二元小波变换数值方法／126
　　 6.6 本章小结／128
　　第7章 心血管疾病诊断智能决策支持系统的实现／129
　　 7.1 心血管疾病诊断智能决策支持系统的可行性／129
　　 7.2 心血管疾病诊断智能决策支持系统的设计／131
　　 7.2.1 样本的采集与顸处理／132
　　 7.2.2 系统的人机界面设计／133
　　 7.2.3 提高系统主动性的研究／138
　　 7.3 心血管疾病诊断智能决策支持系统的诊断结果／140
　　 7.3.1 心肌梗塞诊断结果分析／140
　　 7.3.2 心绞痛诊断结果分析／142
　　 7.3.3 高血压诊断结果分析／144
　　 7.4 本章小结／152
　　第8章 我国A股市场流动性风险的可拓智能预警／153
　　 8.1 金融风险预警预警理论／154
　　 8.1.1 金融风险预警的基本思路和基本原理／154
　　 8.1.2 金融风险预警的基本内容／155
　　 8.2 股票市场流动性风险度量国内外研究现状／155
　　 8.2.1 流动性的概念和四维衡量标准／155
　　 8.2.2 股票市场流动性的度量方法／161
　　 8.2.3 流动性风险预期损失的度量方法／164
　　 8.2.4 国内外研究现状及评价／166
　　 8.3 可拓学理论的基本思想和方法／171
　　 8.3.1 可拓学的基本思想／171
　　 8.3.2 物元理论／172
　　 8.3.3 可拓数学――可拓集合和关联函数／175
　　 8.3.4 综合评判的可拓物元方法／176
　　 8.4 股票市场流动性风险预警的可拓模型设计／180
　　 8.4.1 股票市场流动性风险的可拓定义／180
　　 8.4.2 股票市场流动性风险预警的矛盾问题求解模型／182
　　 8.4.3 股票市场流动性风险的可拓性分析／184
　　 8.4.4 基于可拓理论的我国A股市场流动性风险预警模型设计／186
　　 8.5 我国A股市场流动性风险可拓智能预警系统的应用／202
　　 8.5.1 样本期内流动性风险情况分析／203
　　 8.5.2 各指标的风险界限划分／207
　　 8.5.3 可拓流动性风险预警指标体系的经典域和节域／218
　　 8.5.4 可拓智能预警模型在A股市场的应用实例／220
　　 8.5.5 实证结果分析／230
　　 8.5.6 政策建议／232
　　 8.6 本章小结／234
　　参考文献／236
　　后 记／247