第8章 支持物流决策的定量模型-课件.pptVIP

作用 自动智能地分析数据库中的大量数据、以获取信息，是推动数据挖掘型工具产生并发展的强大动力 决策者提供重要的、极有价值的信息或知识，从而产生不可估量的效益 在信息服务的运用上大致可分为两个层次： 验证驱动层次 发现驱动层次 信息服务的发展方向随着挖掘技术的发展而向深度、广度发展 DM与知识发现的关系 知识发现：一个过程，包括数据选择、预处理、数据转换、DM、模式解释和知识评价等多个步骤，是应用特定DM算法和评价解释模式的一个循环反复过程，并要对发现的知识不断求精和深化，使其易于理解； DM：该过程中的一个特定的、关键的步骤，利用特定的DM算法从数据中抽取模式，不包括数据的预处理、领域知识结合及发现结果的评价等步骤，所以DM也称为数据库中的知识发现。 数据挖掘的特点 处理的数据规模十分庞大 响应快速，提供决策支持信息 规则需要适时更新 一项新兴的高新技术，面临着许多理论上或技术上的难点和挑战 DM的技术 人工神经网络方法 遗传算法 决策树方法 中间层 信息输入 信息输出 输入层 输出层 图8-5 神经网络模型 第8章 支持物流决策的定量模型 与信息分析方法 教学目的 利用信息分析技术、物流信息技术和物流定量模型等来进行科学的物流管理决策； 掌握基本的概念和基本的方法和科学的决策思维。 教学内容 8.1 物流决策支持的特点与系