D-S证据理论在决策支持系统中的应用

决策支持系统实例

决策支持系统实例 物资分配调拨问题是根据各单位提出对物资的需求申请，按仓库的库存情况制定分配方案，再根据分配放案以及仓库和单位的距离制定物资运输方案。最后按照物资运输方案制定各仓库的发货表和各单位的接收表，修改各仓库库存数和各单位的物资数。 该决策问题需要设计多个数据库和多个模型共同求解。总的处理流程如图： 图1 物资分配调拨流程图 一、物资申请和库存的计划汇总 1、各单位按自己的需求提出对各物资的申请 申请数据库为： D i={SQ(W1)，SQ(W2)，… } i=1,2,3…（1.1） 其中D i表示第i各单位，SQ(W j)表示申请物资W j的需要数量。 将各单位的申请数据库汇总成各单位对物资的需求量，形成总申请数据库。 W j={ SQ(D1)，SQ(D2)，…} j=1,2，3… (1.2) 其中SQ(D i)表示第i个单位对物资W j的申请数量。 该项数据处理需要编制程序，类似于数据库的旋转来完成。

2、 各仓库度物资的可供应情况 K i ={XY(W 1)—KD(W 1)，XY(W 2)—KD(W 2)，…} i=1，2，… （1.3） 其中K i 表示第i 个仓库；XY(W j )， KD(W j )分别表示该仓库中物资W j 的现有数量和最低储备量；XY(W j )—KD(W j )表示物质W j 的可供量。 各仓库的多物资的可供应情况汇总成某一物资个仓库的可供量，形成总库存数据库。 Wj={XY(K 1)—KD(K 1)，XY(K 2)—KD(K 2)，…} （1.4） 该项数据处理工作，要在数据库中计算出可供量后，再进行类似于数据库旋转来实现。 该计划汇总工作构成数据处理模型，它与数据库的关系如图： 图2 计划汇总模型与数据库的关系 二、 制定物资的分配方案 物资分配方案是利用物资分配模型来完成的，该分配模型是通过一系列公式实现。 1、 比较分配情况 对同一物资W j 计算总可供量S （各仓库可供量之和）与总申请量Q （各单位申请量之和）的大小。 2、 物资分配方法 （1） 总可供量大于等于总申请量S ≥Q 物资总申请数据库 物资总库存数据库

DS证据理论

一.D-S证据理论引入 诞生 D-S证据理论的诞生：起源于20世纪60年代的哈佛大学数学家A.P. Dempster利用上、下限概率解决多值映射问题，1967年起连续发表一系列论文，标志着证据理论的正式诞生。 形成 dempster的学生G.shafer对证据理论做了进一步发展，引入信任函数概念，形成了一套“证据”和“组合”来处理不确定性推理的数学方法 D-S理论是对贝叶斯推理方法推广，主要是利用概率论中贝叶斯条件概率来进行的，需要知道先验概率。而D-S证据理论不需要知道先验概率，能够很好地表示“不确定”，被广泛用来处理不确定数据。 适用于：信息融合、专家系统、情报分析、法律案件分析、多属性决策分析

二.D-S证据理论的基本概念 定义1 基本概率分配（BPA） 设U为以识别框架，则函数m:2u→*0,1+满足下列条件： (1)m(?)=0 (2)∑A?U m(A)=1时 称m(A)=0为A的基本赋值，m(A)=0表示对A的信任程度也称为mass函数。 定义2 信任函数（Belief Function） Bel:2u→*0,1+ Bel(A)=∑B?A m(B)=1(?A?U) 表示A的全部子集的基本概率分配函数之和

ｍ个mass函数的Dempster合成规则 其中K称为归一化因子，1?K即∑A1?...?A n=?m1(A1)?m2(A2)???m n(A n)反映了证据的冲突程度

四.判决规则 设存在A1,A2?U ,满足 m(A1)=max{m(A i),A i?U} m(A2)=max{m(A i),A i?U且A i≠A1} 若有： m(A1)?m(A2)>ε1 m(Θ)<ε2 m(A1)>m(Θ) 则A1为判决结果，ε1，ε2为预先设定的门限，Θ为不确定集合五.D-S证据理论存在的问题

决策支持系统课程论文(范文)

决策支持系统在市场预测中的应用 张三 12090XXXXX 计科/电商 120X 班 摘 要：系统中的应用，在此基础上提出了杭州市自来水公司生产和销售两大主题的数据仓库概要设计。为了解决自来水公司的供销差异和客户服务问题，研究中结合地理信息系统提出了管网计算模型和求解方法，为生产、销售两大主题数据挖掘分析提供解决途径。本研究对公用事业领域数据仓库和数据挖掘技术的应用有一定的参考价值。 关键词：数据仓库；数据挖掘；决策支持系统；地理信息系统

1 引言 董事会集资了1500万元，动用了资金储备100万元，向银行借贷了长期贷款600万元，合计2200万元，用于建造企业厂房、添置生产设备、引进研发人员、招聘生产人员、购买材料及机器人等，创办一家生产激光打印机的专业企业。市场经济条件下的现代企业不再是一个封闭式的系统，而是一个与其外界有着广泛经济联系的开放性系统。为此，决策仿真系统构造出的企业为一个开放性的、生产激光打印机的有限股份制模拟企业，模拟企业与采购市场、销售市场、股东、银行、国家及劳动力市场等有着密切的经济往来关系。决策仿真系统设置的模拟企业与其外部经济体系间的主要经济往来关系如图1.1所示。 图1.1 决策仿真系统设置的模拟企业与其外部经济体系间的主要经济往来关系 模拟企业可以生产和销售的产品及销售市场如图1.2所示。设各模拟企业可以生产和销售三种不同类型的激光打印机,各类不同打印机产品主要功能为： Ｅ型（一般产品）──具有自动定位、多种打印规格选择，并带有复印功能的激光打印机。

Ｂ型（特殊产品）──与Ｅ型相比，无复印功能。 Ｉ型（特殊产品）──与Ｅ型相比，无复印功能，但带有读卡器。 生产的产品可在三种不同的市场上进行销售。 一般市场场── 通过聘用的销售人员参与竞争，在市场上销售Ｅ型激光打印机。 附加市场Ⅰ── 企业参与用户对Ｅ型激光打印机进行的大批量招标、投标活动。 附加市场Ⅱ── 根据用户的订购要求，而生产的Ｂ型或Ｉ型激光打印机的销售。 图1.2. 模拟企业可以生产和销售的产品及销售市场 2 决策支持系统与市场预测 2.1 决策支持系统与数据仓库 2.1.1 决策支持系统的概念 ······

浅析法定证据制度

浅析法定证据制度 证据制度是诉讼制度的灵魂，是法制建设的重要环节之一。其基本涵义是指关于证据概念，种类及运用证据之规则的总和。证据制度具体体现在各类诉讼法典和其他法律之中，包括证据的分类制度，证据的收集、查证、认证及证据保全等制度。证据制度作为一国诉讼制度的重要内容之一，其重要性是显而易见的。 首先，证据制度决定着实体公正的实现程度。通过证据制度的各项规则，明确应受追诉者，保护无辜者。因此，完善证据制度对于实现法律的最终目的，即实体正义与程序正义，具有极其重要的意义。 其次，证据制度决定着一国司法制度先进与否。司法制度先进与否关键在于其程序制度能否有效地保证实体公正的实现。证据制度作为一国诉讼制度的核心必然决定着实体公正的实现程度。因此，要较大程度地实现实体公正，即诉讼最终结果必须以先进的证据制度为保障。由此可见，一国司法制度先进与否，最终决定于该国证据制度的发展状况。 在国外，证据制度作为诉讼法的一项基础制度，广受关注。相较而言，我国的证据立法尚不完善，证据理论研究也还处于初步阶段。我国实行实事求是的证据制度。其主要内容是司法人员办理刑事、民事、行政诉讼案件，必须坚持从实际出发，采取调查研究的方法，以充分，可靠的证据为根据，准确地查明案件的真实情况。具体情况具体分析，实事求是，是我国证据制度的基本精神 .我国现行的证据制度对于维护我国的社会秩序起过非常重要的作用。但是随着我国社会、经济、政治条件的逐步转变，公民的权利观念日趋增强，尤其是我国庭审方式逐渐由职权主义向当事人主义转换，我国现行证据制度已不适目前司法实践的需要。 首先，随着社会主义市场经济有序地发展。市场观念、个人本位已深入人心。在此情况下，人们对行为的判断更为理性，从而对诉讼结果的可预测性要求更高。因此，司法实践迫切需要以科学、完备的证据规范排除诉讼过程中的意外因素。我国原则的证据立法根本无法适应这种新情况。 其次，现行证据制度的滞后已经在很大程度上阻碍了我国诉讼制度的进一步发展。改革开放以后，我国的诉讼制度有了较大的改善，形成了较为完备的诉讼法体系。它以各诉讼法典为基础，辅以大量的司法解释及个案批复，各诉讼法律制度大多处于良性发展之中。但我国现行证据制度的滞后，明显阻碍了我国诉讼制度的进一步发展。要想使我国诉讼制度改革取得进一步推进，必须对作为诉讼制度核心的证据制度进行改革。 证据制度的改革迫在眉睫。为此，我们必须搞清楚我国现行证据制度存在的问题，通过分析其存在的问题进而谋求解决问题的途径。 一、我国现行证据制度存在的问题分析 （一）首先从宏观上加以分析 第一，我国证据制度的立法过于原则。

证据理论的广泛应用和不足(仅供参考)

在现实生活中，国家、政府、企业和个人都离不开决策，决策是人类社会的 一项基本活动，小到个人选择上班路线，大到国家分配有限的社会资源，都是一 个决策的过程。决策存在于社会经济系统、生产系统、工程系统，乃至生活的各 个方面，决策结果对于整个工作或全局行动的成败起着至关重要的作用。任何决 策都是人对事物的评价和选择，都是建立在人类对客观事物的认识和人类改造客 观世界的实践基础之上，由于客观世界的不确定性、模糊性、变化性、多样性等， 导致人们主观认识上的种种不足与误差，加上决策过程中时间的有限性和决策者 认识的局限性，决定了决策的复杂性。因此，在现实决策中，决策者获得的信息 往往是不完整的、不精确的，甚至是矛盾的。根据人们获得的决策信息的完整性， 决策可以分为确定性决策和不确定性信息决策[1]。 证据理论是对概率论的一种扩展，在不需要得知先验概率分配的前提下，以 简单的形式推出较好的融合结果，因此采用证据理论进行决策的关键在于两点： 一是构造一个合适的基本概率分配函数；而是选择一个合理的证据合成公式和方 案排序准则。 证据理论广泛的应用于不完全信息决策领 域，如图像识别、模式识别、故障诊断、专家系统、风险评估等。国内外学者的 研究已经证明，证据理论能够有效地解决属性值不完全、属性权重信息不完全或 者效用函数未知的不完全信息多属性决策问题。 目前关于证据理论的研究，主要集中在以下几个方面：理论研究，如冲突证 据的合成问题，相关证据的合成问题等；证据理论的扩展问题，主要是把证据理论引入不完全信息多属性决策中，如证据理论与其他决策方法的结合使用，如与 神经网络网络方法的结合使用，与AHP方法的结合使用等；实践应用研究，如 证据理论在面相识别、故障诊断、遥感分类、水质监测、决策评价、信用评估中 的应用研究等。本文将重点研究冲突证据的处理问题和证据理论在不完全信息多 属性决策中的应用问题。 用基于证据理论的信息融合方法，进行目标识别、检测和分类有很多优点。 它不需要任何先验信息和条件概率，能成功地将“不确定”、“未知”等认知学 上的重要概念引入到融合模型中。证据理论“将基本概率赋值分配给鉴别框架 中的命题，这和传统的概率分布有着本质的不同。特别是，通过给整个鉴别框 架分配基本概率赋值，反映了缺少足够的可用信息来进行决策”[3]。 尽管利用证据理论处理不确定信息有着独特的优点，但仍存在不少问题， 主要有以下四个方面。其一，组合条件苛刻，要求证据之间相互独立。其 二，现有的证据组合规则无法处理冲突证据，且无法分辨证据所在子集的大小 。其三，证据理论会引起焦元“爆炸”，焦元以指数形式递增。其四， 基本概率赋值获取困难，如何根据实际情况构造基本概率赋值函数，是实际应 用中的一难题川。本章针对证据组合规则无法处理冲突证据的问题，在分析现 有的证据组合方法的基础上，对证据理论进行研究和改进，并将改进后新的证 据组合方法应用于工件类型的识别中。

决策支持系统发展综述精编

决策支持系统发展综述 精编 Document number：WTT-LKK-GBB-08921-EIGG-22986

决策支持系统发展综述 空军工程大学导弹学院雷英杰 计算机是当代发展最为迅速的科学技术之一，其应用几乎已深入到人类活动和生活的一切领域，大大提高了社会生产力，引起了经济结构、社会结构和生活方式的深刻变化和变革。计算机科学技术具有极大的综合性质，与众多科学技术相交叉而反过来又渗入更多的科学技术，促进它们的发展。计算机科学与其他学科相交叉产生了许多新学科，推动着科学技术向更广阔的领域发展。 智能决策支持系统（Intelligent Decision Support Systems，简称IDSS）是决策支持系统（Decision Support Systems，简称DSS）与人工智能（Artificial Intelligence，简称AI）相结合的产物，它将人工智能中的知识表示与处理的思想引入到DSS，其独特的研究方法和广泛的发展前途使之一出现就成为决策支持技术研究的热点。 智能决策支持系统是以信息技术为手段，应用管理科学、计算机科学及有关学科的理论和方法，针对半结构化和非结构化的决策问题，通过提供背景材料、协助明确问题、修改完善模型、列举可能方案、进行分析比较等方式，为管理者做出正确决策提供帮助的智能型人机交互信息系统。

实践表明，只有当决策支持系统具有较丰富的知识和较强的知识处理能力时，才能向决策者提供更为有效的决策支持。 考虑到IDSS是在传统DSS基础上发展起来的，所以这里先介绍有关决策、决策科学和决策支持技术的基本概念。 一、DSS的产生与发展 1.1DSS的产生背景 电子数据处理EDP（Electronic Data Processing）：提高了工作效率，把人们从繁琐的事务处理中解脱出来。缺点：仅局限于具体信息处理，不共享，不考虑整体或部门情况。 管理信息系统MIS（Management Information Systems）：整体分析，系统设计，信息共享，部门协调。缺点：难于适应多变的内、外部管理环境，对管理人员的决策帮助十分有限。 决策支持系统DSS（Decision Support Systems）：70年代中期Keen和Scott Morton在《管理决策系统》（1971）一书中提出。目标：对管理者做决策提供技术支持。 背景：运筹学模型发展已经比较完善，多目标决策分析突破了单一效用理论的框架，计算机软、硬件及网络技术的迅猛发展，人工智能特别是知识处理技术的发展，数据库技

商务智能与决策支持-案例及案例分析

商务智能与决策支持-案例及案例分析 商务智能与决策支持教学案例 案例1：光大银行商务智能系统的实施一、案例内容 成立于1992年8月的光大银行，作为国内最大的股份制商业银行，拥有众多客户群，几百个分支机构遍布国内外;同时光大银行以领先的理念为客户提供种类繁多的金融服务。对于一个如此庞大的机构，如此繁多的金融服务，管理的复杂性可想而知。近年来，通过综合柜台业务系统、阳光卡系统、网上银行系统和办公自动化系统等一系列信息化基础建设，光大银行率先实现了业务系统全国联网和总行数据大集中。 在成功实现业务系统全国联网和总行数据大集中后，经营管理分析方面又出现了一些极待解决的新问题，如：统计数据不够及时准确、对决策分析缺乏专业化系统化支持、报表处理效率低、数据共享差、难以为以客户为中心的经营管理模式提供充足的信息支持、业绩考核没有理想的IT系统为支撑等等。众多新问题的出现是银行管理层始料未及的。 为了尽快突破海量数据的“封锁”，挖掘其中蕴涵的知识和信息，光大银行决策层于2002年初开始立项商业智能及数据仓库系统。光大银行根据自身情况，以实际需要为导向，对各家方案的优劣进行仔细分析、反复考察、综合考虑。最终，菲奈特软件公司的高端商务智能产品BI.Office以其领先的技术和简便的操

作从众多竞争者中脱颖而出，赢得了光大银行决策层的一致青睐。 经过商议，双方在国际结算业务统计分析、对公业务统计分析、信贷风险管理、客户经理业绩考核等方面签定了一系列合作计划。为了降低实施风险，将从国际结算业务统计分析系统开始，各个项目逐步实施。成功的选型是光大银行商业智能应用系统成功实施的开始。国际业务部商业智能的应用证明，光大银行所采取的“以部门为基础实施数据处理”的决定是正确的，也是务实的。 从2002年12月开始，菲奈特BI.Office商业智能应用平台相继应用于光大银行其他几个业务部门，形成相应部门的商业智能系统。这些商业智能系统以数据仓库技术为基础，把分散在各个业务系统的数据进行整合，数据经过清洗、转换，加载到数据仓库；再采用OLAP和Data Mining等技术，为管理决策人员提供强大、灵活的日常查询和决策支持。 一个应用实例：有一段时间存款余额持续不断的增长，但是同期的流失客户数也在不断增长，这个问题引起了业务部分析人员的高度重视。该分析人员通过系统进行自助分析，最后发现，问题的根源在于很多客户经理为了完成揽存目标，费了大量的人力和成本开拓新行业、新客户，而忽略了对老客户的关系管理，才出现了存款余额和流失客户数同时增长的怪想象。于是马上向

信息与计算科学论文 证据理论在就业选择决策中的应用

证据理论在就业选择决策中的应用 摘要 本论文从证据理论的角度出发，着重研究大学生在就业选择问题上应如何做决策，提出了一种基于证据理论的就业选择决策方法。针对大学毕业生就业选择时可能考虑到的因素，通过问卷调查列出大部分毕业生就业选择时较为重视的五个因素，并结合毕业生对所考虑因素的偏重度进行综合考虑及分析。基于D-S 证据理论，建立以不同的就业公司即A，B，C，D，E组成的识别框架，构建以录用率、工资、假期、工作环境、交通满意度为证据体的融合决策模型。利用多属性决策和D-S 证据理论建立的大学生就业选择决策模型，不仅可以尽可能的考虑到了大学毕业生就业时重视的一些条件，进而帮助大学毕业生顺利就业。通过一个简单的大学生就业选择实例分析，充分说明了该模型在处理大学生就业选择决策方面的效性和可行性。 关键字：证据理论；多属性决策；焦元；决策矩阵；mass 函数

Abstract From the perspective of evidence theory, this paper focuses on college students should be how to make decisions on employment selection problem, this paper proposes a employment choice decision-making method based on evidence theory. For college graduates employment may consider when the choice of factors, most of the graduate employment options listed by questionnaire more attention to the five factors, combined with the graduates by consideration of the degree of lay particular stress on comprehensive consideration and analysis. Based on D - S evidence theory, set up in different jobs the company A, B, C, D, E of recognition framework, build to employment rate, salary, vacation, work environment, traffic satisfaction decision model for the integration of body of evidence. Use of multiple attribute decision making and D - S evidence theory to establish a model for university students' employment choice, not only can be considered as possible when the attention of some university graduates employment conditions, to help university graduates employment. Through a simple example analysis of university students' employment choice, fully illustrates the model in dealing with the effectiveness and feasibility of university students' employment choice decisions.

D-S证据理论在目标识别中的应用

科技信息 ＳＣＩＥＮＣＥ＆ＴＥＣＨＮＯＬＯＧＹＩＮＦＯＲＭＡＴＩＯＮ2013年第7期※基金项目：此文为西安工业大学校长科研基金项目研究成果，项目编号XAGDXJJ1042。 作者简介：马颖（1979—），男，西安工业大学，工程师，研究方向为量子信息、信号处理等。 在现代电子战中，依靠单传感器提供信息已无法满足战争的需要，必须运用包括雷达、声纳、电视、红外、激光、电子支援措施(ESM)以及电子情报技术(ELINT)等多种传感器，来提供多种观测数据。多传感器数据融合对来自多个传感器的数据进行多级别、多方面、多层次的综合处理，以更好地进行状态、属性估计，并完全和适时地进行态势和威胁评估[1-2]。在多传感器信息融合系统中，各传感器提供的信息一般是不完整、不精确、模糊甚至可能是矛盾的，即包含着大量的不确定性。信息融合中心不得不根据这些不确定性信息进行推理，以得到目标身份识别和属性判决的目的[3-7]。 D-S 证据理论具有较强的理论基础，既能处理随机性所导致的不确定性，又能处理模糊性所导致的不确定性。它可以不需要先验概率和条件概率密度，依靠证据的积累，不断地缩小假设集，能将不知道和不确定区分开来。本文应用D-S 证据理论对多传感器雷达目标信息进行识别，计算结果证实了该方法的有效性。 1D-S 证据理论简介 Dempster 和Shafer 在20世纪70年代提出了D-S 证据理论。该 理论在概率的基础上对概率论的概念进行了扩展。把概率论中的事件扩展成了命题，把事件的集合扩展成了命题的集合，并提出了基本概率赋值、信任函数和似真度函数的概念,建立了命题和集合之间的一一对应关系，从而把命题的不确定性问题转化为集合的不确定性问题。 1.1识别框架 设U 表示X 所有可能取值的一个论域集合，且所有在U 内的元素是互不相容的，则称U 为X 的识别框架。U 可以是有限也可以无限，在专家系统的应用中是无限的。1.2基本概率赋值 设U 为一识别框架，若函数m ：2U →0，→→ 1满足：A 奂U ∑m （A ）＝1 m （准）＝0 则称m （A ）为A 的基本概率赋值。m （A ）表示对命题A 的精确信任度，表示了对A 的直接支持。1.3信任函数 设U 为一识别框架，m ：2U →0，→∑ 1是U 上的基本概率赋值，定义函数： BEL ：2U →0，→∑ 1BEL （A ）＝ B 奂A ∑ m （B ） （坌A 奂U ） 称该函数是U 上信任函数。 BEL （A ）＝B 奂A ∑m （B ）表示A 的所有子集的可能性度量之和，即表示 对A 的总信任，从而可知：BEL （准）＝0，BEL （U ）＝11.4似真度函数 设U 为一识别框架，定义PL ：2U →0，→∑ 1为：PL （A ）＝1－BEL （A ）＝ ∑B ∩A ≠准 m （B ） PL 称为似真度函数。PL （A ）表示不否定A 的信任度，是所有与A 相交的集合的基本概率赋值之和。 信任度和似真度概括了证据对具体的命题A 的关系。它们之间的关系如图1所示，它构成了一个完整的证据空间。 在证据理论中，［BEL （A ），PL （A ）］称为命题A 的信任度区间，［0，BEL （A ）］表示命题A 支持证据区间，［0，PL （A ）］表示命题A 的似真区间，［PL （A ），1］表示命题A 的拒绝证据区间，PL （A ）-BEL （A ）为命题A 的不确定度，其值反映了对命题A 的“未知”信息，该差值越小，则表明“未知”成分越小，证据对假设的支持越明确。 图1证据区间示意图 1.5D-S 合并规则 证据理论中的组合规则提供了组合两个证据的规则。设BEL 1和 BEL 2是同一个识别框架U 上的两个信任函数，m 1和m 2分别是其对应的基本概率赋值，焦元分别为A 1，A 2，…，A k 和B 1，B 2，…，B r ，又设： K 1＝∑ A i ，j i ∩B j ≠准 m 1（A i ）m 2（B j ）＜1 则： m （C ） ∑ A i ，j i ∩B j =C m 1（A i ）m 2（B j ）1－K 1 坌C 奂U C ≠准 0， C ＝≠ ≠≠≠≠≠≠≠≠≠≠ 准 在式中，若K 1≠1，则m 确定一个基本概率赋值；若K 1=1，则认为 m 1、m 2矛盾，不能对基本概率赋值进行组合。对于多个证据的组合，可采用组合规则对证据进行两两综合。1.6决策准则 基于证据理论的决策方法主要有三种：基于信任函数的决策、基于基本概率赋值的决策和基于最小风险的决策。本文实例采用基于基本概率赋值的决策，其定义如下。 设埚A 1，A 2奂U ，满足： m （A 1）＝max m （A i ），A i 奂奂 奂U ，m （A 2）＝max m （A i ），A i 奂U ，且A i ≠A 1奂奂，若有 m （A 1）－m （A 2）＞ε1m （U ）＜ε2m （A 1）＞m （U 奂 ） 则A 1即为判决结果，其中ε1，ε2为预先设定的门限。 2 识别系统设计 2.1 融合原理图 图2是利用D-S 证据理论对多传感器身份数据进行融合的原理框图。每个传感器把观测数据从空间变换到证据空间，对每一个命题或每个传感器所给出的“粗糙”的身份报告分配一个证据，即对每一个 Ｄ－Ｓ证据理论在目标识别中的应用 马颖1马健2 （1.西安工业大学电子信息工程学院，陕西西安710032；2.中国人民解放军空军工程大学，陕西西安710000） 【摘要】分析了D-S 证据理论用于多传感器数据融合的基本概念和理论,构造了融合结构，该结构通过预处理先对单一传感器在时域上融合，再对预处理后的数据进行多传感器数据融合，实验结果证明了目标识别的基本概率赋值有了明显提高，验证了这一结构的正确性和有效性。 【关键词】D-S 证据理论；数据融合；目标识 别○本刊重稿○50

决策支持系统在企业中的应用

决策支持系统在企业中的应用 20 - 20 学年第学期 姓名： 班级： 学号：---- 授课教师：实验教师： 决策支持系统在企业中的应用

摘要：随着时代的发展，决策支持系统作为新兴的一种信息技术，能够为企业决策者提供各种各样的决策方案在绝大程度上减轻了其工作量，提高了决策的质量，在企业中有着毋庸置疑的重要地位。本文从决策支持系统的发展现状、系统的概念、应用的特点及其在企业中实行的便利性和重要性经行了全方位的阐述。 关键词：决策支持系统决策者数据数据仓库 1 引言 在当今社会，高速有效的信息对一个企业的发展与决策有着无比重大的意义与价值。企业信息化管理是在企业管理的各个环节应用现代化的信息技术，来加快企业管理息的传递、加工和处理的速度，使这些信息资源得到高效的利用，及时地为企业管理高层提供决策的依据，能够切实有效地促进企业管理水平的提高。但是实际上，企业信息化建设是一个宏伟的系统工程，有着非常重大的意义与影响。 一个企业在其信息化建设中要着重突出管理决策信息系统的主体地位，企业管理的核心是“决策”。随着信息技术的全面发展，使用先进的科技技术从而消除了许多信息流通的阻碍。也使企业面临了比以往任何时候都更为复杂的生存环境。竞争的压力对企业制定决策的速度与质量都有更高要求。仅凭自身以往的经验来进行的决策已远远不能适应现代企业管理的需求，合理地利用计算机来辅助企业的决策，实施科学的决策是非常必要的。 2 我国企业信息化发展现状 充分利用信息技术来实施以信息化带动工业化的发展战略，是企业提高其核心竞争力，从而与国际化接轨的重要途径。我国的企业信息化建设是从七十年代初开始起步，到了八十年代中期打下的基础，在九十年代中后期才开始迅速发展。目前，我国企业信息化建设已经取得了非常大的效果。但是，与国际的先进发展水平仍有很大的差距，还存在着非常多的问题。下面对这些问题进行一些简要分析。根据在企业中的调查，随着其体制的改革与市场化压力的逐渐增大，大多数的企业已经能够深切地体会到了信息的重要性，从而对信息化技术发展能够促进企业发展达成了共识。为了实行以信息化带动工业化的发展战略实现生产力跨越式发展的过程，企业的管理者充分意识到信息技

决策支持系统解决方案

目录 1 工程背景和依据 (2) 1.1 项目背景 (2) 1.2 编制的依据 (3) 2 决策支持建设现状 (4) 2.1 建设基础 (4) 2.2 需求分析 (4) 3 指导思想、建设原则 (6) 3.1 指导思想 (6) 3.2 建设原则 (6) 4 总体目标 (7) 4.1 总体目标 (7) 5 总体框架和体系 (8) 5.1 总体框架 (8) 5.2 技术路线 (9) 6 主要任务 (11) 6.1 完善信息基础设施 (11) 6.2 建立信息资源中心 (11) 6.3 搭建应用支撑平台 (11) 6.4 建立决策支持应用 (12) 6.5 完善相关支撑体系 (13) 7 重点工程 (15) 7.1 市领导辅助决策支持系统 (15) 7.1.1 市级领导应用 (15) 7.1.2 办公厅及部门应用 (15) 7.2 市领导空间决策支持系统 (16) 7.3 市领导智能决策支持系统 (17) 7.4 市领导多媒体协同办公系统 (18)

7.5 决策分析政务数据交换平台 (19) 7.6 领导决策综合数据库 (20) 8 保障措施 (22) 8.1 加强组织体系建设 (22) 8.2 完善相关政策和制度 (22) 8.3 加强资金保障 (23) 8.4 加强项目培训和咨询 (23) 8.5 强化标准规范建设 (23) 9 计划安排及投资类别 (24) 9.1 总体安排 (24) 9.1.1 工程一期 (24) 9.1.2 工程二期 (24) 9.2 投资类别 (25) 1 工程背景和依据 1.1 项目背景 贯彻党的十六大报告要求“进一步转变政府职能，改进管理方式，推行电子政务，提高行政效率，降低行政成本，形成行为规范、运转协调、公正透明、廉洁高效的行政管理体制”。 贯彻党的十七大报告要求“推进决策科学化、民主化，完善决策信息和智力支持系统”。 《黑龙江省电子政务建设“十一五”规划》：“各级各部门要高度重视电子政务建设工作，切实纳入重要议事日程。主要领导要及时掌握情况，解决问题，加强督促，有计划、有力度地搞好工作推进。”。 《黑龙江省电子政务建设“十一五”规划》：“整合各专业数据系统的关系型数据、非结构化数据，以及多媒体数据，建设全省电子政务数据仓库，利用数据整合、数据分析、数据挖掘技术，建立全省电子政务决策支持系统，为各级领导提供决策支持。”

律师审查和运用证据技巧

律师审查和运用证据技巧 在《律师应有符合律师职业特征审证技巧》，笔者提到律师要形成自己的证据运用体系，不拘泥于法律和理论上的束缚，根据律师的实务需求，核心任务是在证据符合定案“根据”的前提下，将证据运用成“特战队”，和逻辑技巧一同，组合成强有力的事实呈现。“应用”是律师实务的重点。之所以这样说，这是因为当前的理论界与实务界对法律应用的研究还是存在分野。甚至，有些理论并不是产生于实务之中。沉浸在实务之中的律师，真正深入研究业务规律，才能验证理论是否能有效指导实践。所以，笔者对有些理论是持批判接受的态度的，当然，这符合理论发展的规律。 沈志先主编的《法律方法论》中一针见血地指出了中国法学研究的弊病：理论界与实务界沟通不够，法学教授和法官还是各自为战，不能达到很好的沟通和融合。理论之腿长，应用之腿短，法律方法论的研究更多的是从理论上引介国外法学家的著述，缺乏创新，更欠缺法律方法实际应用层面的研究，本来，实践性和应用性是法律方法论的特点，但我们的法学恰恰在这方面出现了欠缺，未能使法律方法论应有的实践性和应用性在司法实践中得到彰显。 从整体的法律方法论研究上尚且如此，具体到律师实务更难以有对应的、权威的理论指导，律师实务的理论尚处在萌芽自发的状态，散见于一些资深的律师撰写的实务文章。律师要自己总结，将有关的知识吸纳为自己的理论体系。来源于实践并指导实践，律师的实务理论任重道远，但它即将分娩。正中《法律方法论》中所言：转型中的中国法学正逐渐走向法律方法论的时代。我们正在逐步从以翻译介绍性研究为主，转向立足本土，建构中国化的法律方法论知识体性。这其实就是说明：中国的法学绝不能移植、移植再移植，而是要看移植来的东西是否适应“本土”。本土对法学的要求，才是真正的法学中国化，才能水土相服，长成理论的参天大树。 在此前提下，律师的证据理论其实就是律师独特的职业思维。有关专家认为，法律思维是根据法律的思考，是法律职业者基于法律的特定认识活动。但笔者认为，律师独特的职业思维并非单纯“根据法律的思考”，而是始终将事实与法律联结在一起的理性思考。 法官裁判案件的一般规律是先查明事实，然后才作出法律适用。而律师的职业特点决定，事实的确定是提出诉求或主张的前提，某种意义上说，一旦律师确立了提出主张的事实，除非法律允许的情况外，便要始终捍卫这个事实，因为正是这个事实支撑起对应的主张。一旦事实不成立，毫无疑问，主张便成为缘之木。 易言之，律师的任务是为委托人寻找事实与证据的最佳组合，并应用这个组合向法院提出主张，并始终捍卫这个组合。所谓开弓没有回头箭，这是律师职业的特点。正是基于这样的特点，成熟的诉讼主张的产生，的确是检验律师思维的一次艰难考验。

证据理论的应用举例

证据理论的应用举例 1 D-S 证据理论 1.1关于D-S 证据理论的概念 D-S 理论假定有一个用大写希腊字母 Θ 表示的环境（environment ），该环境是一个具有互斥和可穷举元素的集合：Θ = { θ1 , θ2 , ? , θn }术语环境在集合论中又被称之为论域（the universe of discourse ）。 在D-S 理论中，习惯上把证据的信任度类似于物理对象的质量去考虑，即证据的质量（Mass ）支持了一个信任。关于质量这一术语也被称为基本概率赋值（BPA , the Basic Probability Assignment ）或简称为基本赋值（Basic Assignment ）。为了避免与概率论相混淆，我们将不使用这些术语，而是简单的使用质量（Mass ） 一词。 1.2 D-S 证据理论与概率论的区别 D-S 理论和概率论的基本区别是关于无知的处理。即使在无知的情况下，概率论也必须分布一个等量的概率值。假如你没有先验知识，那么你必须假定每一种可能性的概率值都是P, N P 1=其中，N 是可能性的总数。 事实上，这赋值为P 是在无可奈何的情况下作出的。但是，概率论也有一种冠冕堂皇的说法，即所谓的中立原理（the principle of indifference ）。当仅仅有两种可能性存在的时候，比方说“有石油”和“没有石油”，分别用H 和?H 表示，那么出现应用中立原理的极端情况。在与此相类似的情况中，即使在没有一点知识的条件下，那么也必须是P = 50 % ，因为概率论要求P(H)+P(?H) = 1，就是说，要么赞成H ，要么反对H ，对H 无知是不被允许的。表1-1为证据理论与概率论的区别。 表1-1 证据理论与概率论的区别

决策支持系统的功能及应用简单案例分析

决策支持系统的功能及应用 酒店13-1班 黄小娇 201305002866 决策支持系统是指将数据、管理模型和用户友好的软件集成在一起的、能够支持中高层和中层管理人员进行结构化和半结构化决策的信息系统。其目的在于提高决策的效能，而不是效率。 随着电子商务系统的发展以及信息化程度的不断提高，在采购决策支持方面不断吸纳新的信息处理技术、提高决策的科学性和规范性，成为提高企业办事效率、促进经济发展的关键所在。在现实生活中见到的如原材料供应商选择、合理库存量分析、物品运输最佳路径选择都是决策支持系统的具体运用。 在企业生产过程中，原材料采购是第一步，在整个生产过程中起着至关重要的作用，因此供应商的选择是材料采购成败的关键。企业与供应商建立的是长期合作关系，优质的供应商可以保证企业生产的正常运行，还可以避免出现缺货、材料劣质、配送滞后等问题，为企业减少不必要的损失。 企业在制定采购需求后，经过分析确定采购标准，然后寻找商家进行洽谈，洽谈的内容或者说影响供应商选择的方面主要有：原材料、商家提供的配送服务、商家的信誉度等。 供应商选择决策支持系统就是将决策支持系统技术运用到企业

对供应商的选择当中，从而能有效地对采购方进行辅助决策，提 高决策的效率和准确性。 这个系统包括原材料市场调查、配送服务评析、信誉度调查三个模块。通过原材料市场调查模块，企业管理者可以方便的了解到所需的原材料的市场现状，材料的性能，包括质量、价格、性价比等；通过配送服务评析可以对供应商的物流能力做出评判，运输量、运输能力、运输距离都应该纳入考虑范围，最后得出有利于自己的决策；通过信誉度调查，可以知道商家的信誉度，信誉度越高，口碑越好，就越适合进行合作，一个可靠的商家是可以进行长期合作的保证。 这个系统可以对供应商的相关数据进行科学分析，研究公司需求与市场供给的数量关系，运用对比分析方法揭示事物之间的关系及均衡性；根据供应商的生产经营情况和竞争情况对其可选性进行量化评测和科学分类，最终权衡利弊，得出最佳方案。 由此可知，决策信息系统有一下基本功能：1、管理并随时提供与决策问题有关的组织内部信息，如订单需求，库存状况等。2、收集、管理并提供一决策问题有关的组织外部信息，如市场行情、科技信息等。3、收集管理并提供各项决策方案执行情况的反馈信息，如订单合同执行进程、供应计划运行情况等。4、能灵活的对数据进行加工、汇总、分析、预测，得出所需逇综合信息和预测信息。5、具有良好的数据通信功能，保证及时收集数据并将加工结果传送给使用者。 决策支持系统还具有一定的特点，第一，它可以进行集中式决策

由一个案例浅谈证据制度

由一个案例浅谈证据制度 案例： 一天早晨，王某骑自行车去上班，路上见到一个过马路的老太太被一个骑车的年轻人撞倒了。那个年轻人回头看了一眼，没有下车，跑了。王某是个心地善良的人，便下车来看那老太太摔得怎么样。他见老太太伤得不轻，就把老太太送进了附近的医院。他本想做一回好事儿，但是等那个老太太的儿子来到医院之后，老太太反而一口咬定说王某就是撞伤她的人。王某怎么解释都没有用。后来他们一起去了当地的派出所。但是警察也不相信他的话，最后让王某赔了老太太一笔钱，算是医药费和营养费。王某气坏了，觉得这世道真是不讲理，明明自己是好人，却没有人相信他的话。 这个案例实际上就说明证据证明的问题。此案中王某实在冤枉：没有撞人，却被咬定是肇事者，本来是好心救人，最后还要被迫付赔偿费。王某就是因为不能提供证明自己清白的证据，才被反咬一口。其实，可以提供王某清白的证据有很多，当然，就王某个人的证词肯定站不住脚，而且王某自己证明自己无辜在举证上也不可行。但是，王某可以提供目击证人，事发当时肯定有人经过或有人见到老太太被车撞倒的事实，如果没有目击证人，王某也可以提供物证，就是王某的自行车到底有没有撞过人的痕迹，只要经过验证，王

某就能证明自己在此案中是清白的，就不会这么不明不白的被认定为

是肇事者了。 由此案可以看出，“证据”在一个案件中的重要性。也可以说，证据是诉讼制度的灵魂，是法制建设的重要环节之一。那么，什么是证据？从《现代汉语词典》中查到：能够证明某事物的真实性的有关事实或材料。在诉讼过程中，证据无疑是核心因素，仔细考察诉讼的整个过程，无论是作为原告的诉讼请求，还是作为被告的抗辩，或是人民法院作为诉讼主导者而因此所产生的裁决过程，无—不围绕着证据进行。从某种意义上讲，人民法院对具体案件的审理就是对双方提供的证据作法律上的评判，以及对证据与所蕴涵的事实间相互关系的评判。 一、证据的特征 诉讼活动中，用作证明案件事实的诉讼证据，有其自身的特征。传统理论根据证据首先是客观存在的事实这一观点出发，归结出证据的客观性特征，此外，根据“证据是与案情有联系的事实”即关联性特征，“证据必须依法取得”即合法性特征，共同作为证据的三个特征存在。 但是，证据的客观性特征有时不能准确地反映诉讼中事实证明者的本质特征，同时片面强调证据是客观存在的事实可能与证据的另一特征合法性相互冲突，甚至有可能出现合法取得的证据不是客观存在的事实

决策支持系统名词解释大全

高度结构化决策：如果决策的目标简单，可选行动方案少，界定并且明确决策带来的影响，则此类决策为高度结构化决策。 简答决策支持系统的设计思想：是努力实现一个具有巨大发展活力的、适应性强的开发系统，其设计方法则强调充分发挥人的经验、判断力、创造力，强调其未来的发展，努力使决策更加正确。 数据仓库：将大量用于事物处理的传统数据库数据进行清理、抽取和转换，并按决策主题的需要进行重新组织。 确定型决策：是指只存在一种完全确定的自然状态的决策。 风险型决策：也称随机决策，是决策者根据几种不同的自然状态可能发生的概率所进行的决策。 不确定型决策：对这类事件的决策只能在不肯定情况作出，即在知道可能出现的各种自然状态，但又无法确定各种自然状态发生概率的情况下作出，这类决策问题就是不确定型决策。目标准则体系：在多目标决策问题中，其目标或者经过逐层分解，或者依据决策主体要求和实际情况需要，形成多层次结构的子目标系统，使得在最低一层子目标可以用单一准则进行评价，称之为目标准则体系。 多阶段决策过程：把一个问题看作是一个前后关联的具有链状结构的多阶段过程就称为多阶段决策过程。 定性方法：是指决策者在占有一定的事实资料、实践经验、理论知识的基础上，利用其直观判断能力和逻辑推理能力对决策问题进行定性分析的方法。 定量方法：是指决策者在占有历史数据和统计资料的基础上，运用数学和其他分析技术建立起可以表现数理关系的数学模型，并利用它进行决策的方法。 信息管理科学：是以信息为主要研究对象，以信息处理的规律和应用方法为主要研究内容，以计算机等技术为主要研究工具，以模拟和扩展人类的信息处理和知识处理功能为主要目标的综合性学科。 简答信息处理技术：是指信息本质与信息收集，信息组织与数据仓库，信息分析与数据挖掘。联机分析处理：是决策者和高层管理人员对数据仓库的多维信息分析处理。 数据挖掘：是从大量数据中提取或挖掘深层信息或知识的过程。 解决问题的灵活性：是指提供给最终用户的灵活性，称为解决问题的灵活性。 修改配置的灵活性：是指在使用F1还不能生效的情况下，DSS所提供的修正某个特定的DSS 的能力，称为修改配置的灵活性。 适配的灵活性：是指当完全不同的特定DSS的要求产生时，系统能够通过对DSS的基本成分的变更，使得新的专用DSS的产生。称为适配的灵活性。 包容的灵活性：如果DSS的基础技术的某些基本性质发生了变化，它们必然影响到在其之上的系统的能力，称包容的灵活性。 适应性设计方法：DSS的开发过程不应当像开发MIS那样严格地划分成若干阶段，而应当是一个前后各阶段紧密联系的、反复的实施过程。他们所提倡的DSS开发方法叫适应性设计方法，又称反复设计法。 四要素法：表达方式、系统操作、记忆输助、控制机构，这个系统分析观点又被简称为四要素法或ROMC方法。 DSS工具：是指用于开发DSS最基础的技术，既可用于DSS生成器的开发，也可用于专用DSS的开发，它包括开发专用DSS或DSS生成器的基本硬件和软件单元。 外壳类：即提供决策支持系统的一个框架。当开发一个具体的DSS时，开发者只需根据使用说明填写“具体内容”（包括数据、模型与方法等），即可形成一个可运行的决策支持系统。专用DSS：是完成专门决策任务的计算机软件和硬件系统。