决策支持系统中的可信度计算与回溯规则

"这篇内容涉及的是决策支持系统中的知识，特别是如何通过回溯规则来计算事件的可信度。文中给出的示例展示了在智能决策支持系统中如何运用规则进行推理和计算。" 在智能决策支持系统中，计算事件的可信度是关键步骤，这通常涉及到对已知规则的应用和回溯。例如，在描述中提到了计算A的可信度的过程。首先，根据规则R21，可以计算出CF1(A)，这是通过将A的初始可信度0.47乘以规则R21的影响因子0.7得到的，结果是0.329，近似为0.33。接着，如果引用R22规则求E，而E的回答为no，那么CF(E)为0，此时需要计算A的可信度更新，即CF2(A)。由于E为否定，所以CF2(A)是0乘以0.7，结果为0。最后，将CF1(A)和CF2(A)合并，但要注意CF2(A)的负值不会减少CF1(A)，因此CF(A)保持为0.33。 然后，系统回溯到规则R1以求解B。在此过程中，规则R3被用来求解J和K。对于J，回答是yes，其可信度为0.4，而对于K，回答也是yes，其可信度为0.6。根据B的规则，其可信度CF(B)是根据J和K的最小可信度计算的，即CF(B)等于0.8乘以0.4和0.6的最小值，也就是0.32。 这个过程展示了决策支持系统中如何利用规则和概率进行推理。在实际应用中，这样的系统可以基于历史数据、专家知识和其他相关信息来辅助决策者做出更科学、更合理的决策。在课程《决策支持系统》中，学生会学习到DSS的基本概念、模型辅助决策、人机交互系统、DSS的体系结构、模型库系统以及专家系统的基本原理等。通过学习，学生应能够设计和应用模型进行辅助决策，理解和开发决策支持系统。 教材推荐包括陈文伟的《决策支持系统及其开发》和《决策支持系统教程》，以及张玉峰的《决策支持系统》等，这些书籍可以帮助深入理解DSS的理论、方法和实践。课程还涵盖了从DSS的产生背景到其与管理信息系统（MIS）的区别，以及新一代DSS的发展趋势，旨在全面培养学生在决策支持领域的专业能力。