摘要 | 第1-10页 |
Abstract | 第10-13页 |
致谢 | 第13-14页 |
目录 | 第14-17页 |
插图清单 | 第17-18页 |
表格清单 | 第18-19页 |
第1章 绪论 | 第19-28页 |
·决策支持系统的研究与发展 | 第19-22页 |
·决策支持系统的概念及决策支持能力的发展 | 第19-20页 |
·DSS的体系结构的研究与发展 | 第20-21页 |
·决策支持系统的智能数据处理理论与方法的发展 | 第21页 |
·决策参与者与群体决策的发展 | 第21-22页 |
·面向互联网基于证据理论的智能群体决策支持系统 | 第22-25页 |
·互联网对决策支持系统的影响 | 第22-23页 |
·利用互联网上的信息进行决策所面临的问题 | 第23-21页 |
·面向互联网、基于证据理论的IDSS应具有的功能 | 第21-25页 |
·文章的主要研究内容及结构安排 | 第25-28页 |
·研究内容 | 第25-26页 |
·结构安排 | 第26-28页 |
第2章 证据理论与证据合成 | 第28-46页 |
·证据理论的基本概念与性质 | 第28-35页 |
·D-S证据理论的基本概念 | 第28-31页 |
·D-S证据理论的证据合成规则及其性质 | 第31-33页 |
·D-S证据理论的框架的转化、证据权重与决策 | 第33-35页 |
·相关证据合成方法 | 第35-42页 |
·相关证据分解成独立证据的合成方法 | 第36-37页 |
·调整相关证据基本可信数函数的合成方法 | 第37-38页 |
·基于可变参数优化的相关证据合成方法 | 第38-42页 |
·各证据源提供重要性、可靠性不同的证据的合成 | 第42页 |
·冲突证据的合成方法 | 第42-43页 |
·基于综合修正系数优化的重要性、可靠性不同的冲突证据合成 | 第43-44页 |
·本章小结 | 第44-46页 |
第3章 基于神经网络的证据合成方法及其性质 | 第46-53页 |
·基于神经网络与Dempster合成规则的证据合成方法 | 第46-50页 |
·基于神经网络与Dempster合成规则的证据合成方法的三个性质 | 第50-52页 |
·本章小结 | 第52-53页 |
第4章 聚类分析、协同专家选择与基于证据理论的决策 | 第53-64页 |
·不同证据源基本可信数的聚类分析 | 第53-57页 |
·基于包含度理论的聚类分析 | 第53-55页 |
·聚类分析的计算程序与实例 | 第55-57页 |
·协同学理论与合成证据源的选择 | 第57-60页 |
·协同学理论与协同专家(证据)选择 | 第57-59页 |
·证券市场群体专家预测信息合成中的协同专家的选择 | 第59-60页 |
·基于证据理论的决策方法 | 第60-63页 |
·基于证据理论决策方法与存在的问题 | 第60-62页 |
·基于焦元分析求解各状态的基本可信数的决策方法 | 第62-63页 |
·本章小节 | 第63-64页 |
第5章 面向互联网、基于证据理论的IDSS框架研究 | 第64-72页 |
·面向互联网、基于证据理论的IDSS的网络模型 | 第65页 |
·面向互联网、基于证据理论的IDSS的结构框架 | 第65-69页 |
·面向互联网、基于证据理论的IDSS的决策过程 | 第69-71页 |
·本章小结 | 第71-72页 |
第6章 面向互联网、基于证据理论的证券投资IDSS研究 | 第72-91页 |
·基于神经网络与证据理论的证券市场专家群体预测方法 | 第72-77页 |
·证券市场专家群体预测方法概述 | 第72-74页 |
·基于神经网络与证据理论的证券市场专家群体预测方法 | 第74-77页 |
·面向互联网、基于证据理论的证券投资IDSS | 第77-89页 |
·问题求解分析与综合系统 | 第78页 |
·互联网数据采集与存储系统 | 第78-79页 |
·预测历史数据的统计分析处理系统 | 第79-80页 |
·OLAP、聚类分析与专家选择系统 | 第80-82页 |
·基于神经网络与证据理论的数据挖掘系统 | 第82-86页 |
·证券市场专家群体预测、决策系统 | 第86-88页 |
·决策不确定性的进一步思考 | 第88-89页 |
·本章小结 | 第89-91页 |
结论 | 第91-93页 |
参考文献 | 第93-100页 |
攻读学位期间的主要研究成果和发表的论文 | 第100-102页 |