CN107545072A

CN107545072A - 一种融合深度学习的智能决策平台及其构建方法

Info

Publication number: CN107545072A
Application number: CN201710868815.5A
Authority: CN
Inventors: 林浩永; 臧帅; 涂真
Original assignee: Guangzhou Speed Mdt Infotech Ltd
Current assignee: Guangzhou Speed Mdt Infotech Ltd
Priority date: 2017-09-22
Filing date: 2017-09-22
Publication date: 2018-01-05

Abstract

本发明公开一种融合深度学习的智能决策平台及其构建方法，通过以管理科学、运筹学、控制论和行为科学为基础，以计算机技术、仿真技术和信息技术为手段，针对半结构化的决策问题，支持决策活动的具有智能作用的人机平台。该平台能够为决策者提供所需的数据、信息和背景资料，帮助明确决策目标和进行问题的识别，建立或修改决策模型，提供各种备选方案，并且对各种方案进行评价和优选，通过人机交互功能进行分析、比较和判断，为正确的决策提供必要的支持。

Description

一种融合深度学习的智能决策平台及其构建方法

技术领域

本发明涉及一种融合深度学习的智能决策平台及其构建方法，采用先进的云计算技术对不同规模、不同预算、不同需求的用户都能满足其数据量全、功能完善、服务优良的需求。针对特殊用户的特殊情况，为用户量身订制符合用户的最佳解决方案。

背景技术

智能决策支持系统的概念提出20多年来，随着决策理论、信息技术、数据库技术、办公自动化、专家系统等相关技术的发展，智能决策系统取得了长足的进展，在许多领域得到应用。

智能决策支持系统是人工智能和DSS 相结合，应用专家系统技术，使 DSS 能够更充分地应用人类的知识，如关于决策问题的描述性知识，决策过程中的过程性知识，求解问题的推理性知识，通过逻辑推理来帮助解决复杂的决策问题的辅助决策系统。 IDSS 的概念最早由美国学者波恩切克（Bonczek）等人于 80 年代提出，它的功能是，既能处理定量问题，又能处理定性问题。 IDSS 的核心思想是将 AI与其它相关科学成果相结合，使 DSS 具有人工智能。

智能决策支持系统是以日常业务处理系统的数据为基础，利用数学的或智能的方法，对业务数据进行综合、分析，预测未来业务的变化趋势，在企业发展、市场经营战略等重大问题上为领导层提供决策帮助的计算机系统。近年来企业（包括商业）部门业务处理以及信息管理系统的广泛使用，既为决策支持系统的建立提供了基础，也为它的应用产生了强大的推动力。

与此同时，计算机在理论与技术上的新进展也使决策支持系统的研究与应用水平不断提高，使它从早期的批处理方式演变成今天的联机分析处理方式，也带动了数据仓库、多维数据库、数据挖掘等新技术的研究。

速鸿科技的智能决策平台大体上由以下三个部分组成：对决策用的数据进行管理的决策数据管理子系统；决策知识、模型管理子系统；与用户进行对话、接收命令，提供决策结果的交互环境。

发明内容

本发明提供一种融合深度学习的智能决策平台及其构建方法，建立在信息科学、管理科学、系统科学、行为科学、数学、人工智能以及社会学、心理学、经济学等领域科学的基础上，在政治、经济、军事、科技、文化等方面具有广泛的指导意义和应用价值。从单人决策到群体决策、从单目标决策到多目标决策、从静态决策到动态决策，智能决策理论和方法已经发生了巨大的变化。随着决策者获取的决策信息的特征不断变化，决策环境已经由确定型向不确定型转变，决策过程正在由结构化向非结构化过渡，而相应的决策支持系统也从集中式向分布式发展。

为了实现上述目的，本发明采用的技术方案如下。

融合深度学习的智能决策平台及方法包括对决策用的数据进行管理的决策数据管理子系统、决策知识、模型管理子系统、与用户进行对话、接收命令，提供决策结果的交互环境，包括以下步骤。

一、决策支持与数据管理系统

数据管理系统必须为决策支持的分析处理提供以下服务。

（1）根据主题需要，从OLTP数据库中抽取分析用的数据。为此在抽取过程中要对原始数据进行分类、求和、统计等处理，抽取的过程实际上是数据的再组织。

（2）在抽取过程中，完成数据净化，即去掉不合格的原始数据，必要时还必须对缺损的数据加以补充。

（3）在改变分析、决策的主题时，可以按主题进行数据查询与访问。

（4）采用脱机大容量存储、联机磁盘存储、内存存储的多级存储模式，解决数据量巨大及按照主题、粒度划分的数据组织问题。

二、模型、方法和知识管理系统

采用数据仓库和多维数据库技术的数据管理子系统将数据进行整理（预处理）和净化之后，形成可靠的易于进行决策的"数据源"（即数据仓库或多维数据库），这个"数据源"的结构与形式和决策支持系统所采用的模型与知识有关。决策粗略地分为结构化决策支持、非结构化决策支持、半结构化决策支持。

与现有技术相比，本发明具有以下有益效果。

(1)本系统的实施，能够提高分析指标的整体性以及与公司战略目标的结合程度，加强与部门或员工绩效的结合程度。

(2)本系统将以定量分析辅助决策的决策支持系统与以定性分析辅助决策的专家系统结合起来，形成了智能决策支持系统（IDSS），进一步提高了辅助决策能力，IDSS系统实现了对数据、模型、知识、交互四个部件的系统集成。

(3)本系统以数据仓库和OLAP相结合建立的辅助决策系统是决策支持系统的新形式，IDSS将OLAP的多维数据分析与数据仓库的多维数据组织正好形成相互结合、相互补充的关系。

(4)本系统通过搭建智能决策平台建立专业化的智能决策团队与共享服务机制。

(5)本系统实现对已建立决策辅助业务应用的横向集成、纵向贯通。

(6)本系统可迅速采用先进的支撑技术，如AI技术等。

(7)本系统具有很强的模块化特性，并且模块重用性好，系统的开发成本低。

附图说明

图1为本发明的流程图。

具体实施方式

下面结合具体实施例，进一步阐明本发明，应理解这些实施例仅用于说明本发明而不用于限制本发明的范围，在阅读了本发明之后，本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。

融合深度学习的智能决策平台，如图1所示，所构建的系统结构具体构建过程如下。

1、一种融合深度学习的智能决策平台及其构建方法，其中所述决策支持与数据管理系统，提供以下服务：（1）根据主题需要,从OLTP数据库中抽取分析用的数据,为此在抽取过程中要对原始数据进行分类、求和、统计等处理，抽取的过程实际上是数据的再组织；（2）在抽取过程中，完成数据净化，即去掉不合格的原始数据，必要时还必须对缺损的数据加以补充；（3）在改变分析、决策的主题时，可以按主题进行数据查询与访问；(4)采用脱机大容量存储、联机磁盘存储、内存存储的多级存储模式，解决数据量巨大及按照主题、粒度划分的数据组织问题。

2、一种融合深度学习的智能决策平台及其构建方法，其中所述模型、方法和知识管理系统, 采用数据仓库和多维数据库技术的数据管理子系统将数据进行整理（预处理）和净化之后，形成可靠的易于进行决策的"数据源"（即数据仓库或多维数据库）,一个较好的决策支持系统必须完成这两方面的决策支持：1、模型、方法和知识管理系统在决策支持系统中，模型、方法和知识的管理是核心，它对依问题建立的模型库、方法库和知识库进行管理，模型、方法和知识管理系统的主要任务是：(1) 对模型库、方法库和知识库进行维护，模型、方法和知识管理系统必须有对三库的维护界面；可根据问题的需要对模型、方法和知识库进行增加、删除和修改，并保证三库的一致性：一是系统运行过程调用每个库时不发生矛盾，特别是对知识库的维护更为复杂；二是每种模型、方法和知识都能调用到,（2）模型、方法和知识管理系统根据用户的要求和数据仓库提供的数据，能有效地选择模型、方法和知识，经系统运行得到相应的结果，并将结果送给交互环境进行输出；2、智能决策支持系统在模型、方法和知识管理系统的基础上增加专家系统和数据采掘与知识发现技术，随着数据量的增大，不确定因素的增多，专家系统技术和各种推理技术对提高决策支持的准确度十分必要，在人也无法描述出数据间的关系时，就提出数据采掘与知识发现技术。

Claims

1.一种融合深度学习的智能决策平台及其构建方法，其特征在于：包括以下步骤：

步骤一、决策支持与数据管理系统

包括以下服务：（1）根据主题需要，从OLTP数据库中抽取分析用的数据；（2）在抽取过程中，完成数据净化，即去掉不合格的原始数据，必要时还必须对缺损的数据加以补充；（3）在改变分析、决策的主题时，可以按主题进行数据查询与访问；（4）采用脱机大容量存储、联机磁盘存储、内存存储的多级存储模式，解决数据量巨大及按照主题、粒度划分的数据组织问题；

步骤二、模型、方法和知识管理系统

采用数据仓库和多维数据库技术的数据管理子系统将数据进行整理（预处理）和净化之后，形成可靠的易于进行决策的"数据源"（即数据仓库或多维数据库），这个"数据源"的结构与形式和决策支持系统所采用的模型与知识有关，决策粗略地分为结构化决策支持、非结构化决策支持、半结构化决策支持。

2.如权利要求1所述，融合深度学习的智能决策平台以数据仓库和OLAP相结合建立的辅助决策系统是决策支持系统的新形式，IDSS将OLAP的多维数据分析与数据仓库的多维数据组织正好形成相互结合、相互补充的关系。

3.如权利要求1所述，融合深度学习的智能决策平台将数据仓库、OLAP、数据开采、模型库结合起来形成的综合决策支持系统，是更高级形式的决策支持系统，BIDSS集成的综合决策支持系统，将相互补充、相互依赖，发挥各自的辅助决策优势，实现更有效的辅助决策。

4.如权利要求1所述，融合深度学习的智能决策平台将以定量分析辅助决策的决策支持系统与以定性分析辅助决策的专家系统结合起来，形成了智能决策支持系统（IDSS），进一步提高了辅助决策能力，IDSS系统实现了对数据、模型、知识、交互四个部件的系统集成。

5.如权利要求1所述，融合深度学习的智能决策平台中的CRM采用了商业智能中的专家系统、神经网络、智能代理等技术来实现企业级用户可以通过充分挖掘现有的数据资源，捕获信息、分析信息、沟通信息，发现许多过去缺乏认识或未被认识的数据关系，帮助企业管理者作出更好的商业决策。