基于辅助决策技术与J2EE架构的企业CRM系统的研究与设计
这是一篇关于辅助决策,数据挖掘,数据仓库,决策,CRM,J2EE,UML的论文, 主要内容为发达国家药品管理计算机化水平很高，有一套完整、科学的实时成本核算系统，尤其对客户关系管理(CRM)有一整套完善的分析与运行指导软件系统。因此，研究、设计、开发我国自主版权的药品行业的CRM经济性辅助决策分析系统，是药品行业迫切的现实需要。 本次硕士论文设计的重点是在研究多种决策分析方法的基础上，通过对大型药品企业管理全过程各个环节的数据进行实时采集与分析，为整个药品企业的CRM系统提供有效的数据，便于采取有效的控制，留住老客户，吸引新客户。 由于该CRM体系是在网络中运行的，作者采用J2EE技术构架了B／S模式的网络体系，使用了目前流行的分布处理模式—中间件的思想来支持决策分析。本系统用对象化分布中间件Java-EJB模式建立了通用的异构分布平台，实现了面向对象的原型系统；给出了系统中对象的继承和引用关系描述；并通过多个模块的投入使用验证了本文所提出方法的有效性。 在整个系统软件工程的实施中，作者使用了面向对象的分析、设计建模语言UML来进行分析和设计。作者参与研究、设计的《药品企业经济性运行辅助分析系统》，既有决策方法上的研究和设计，也有系统的架构设计。该系统为药品企业管理者提供智能化决策分析功能，根据药品企业基本数据，构建数据分析库，主要对库存、销售、客户管理、决策分析模块的状态进行跟踪，完成WEB上各个流程的分布处理。 系统在进行辅助决策分析时，利用Oracle9i提供的数据仓库功能，采用了多种数据挖掘技术。作者使用分类决策树归纳算法构建决策判定树，对客户流失、客户价值度、促销等模块进行分析，达到辅助决策的目的。
应用于旧水表改造的智能水务管理系统
这是一篇关于LoRa,数据分析,智能远传水表,GPRS,辅助决策的论文, 主要内容为随着城市智能化水平的提高,反映城市智能化水平的水务抄表越来越受到人们的关注。采用传统的方式对水表改造存在许多问题:城市中的水表因常年放置在阴暗潮湿的隐蔽环境,需要解决无线通信干扰与功耗问题;水表的使用与分布不均匀,对于城市边缘地区移动基站信号覆盖不到的地方需要增加中继设备与网络基站,扩展物联网感知层区域的覆盖范围;水表采集终端上识别的读数需要校准机制;当智能水表大量使用时需要建立网络管理系统维护水表终端设备。为了解决以上抄表问题,本文基于物联网三层模型(感知层、网络层、应用层)提出一种应用旧水表改造的智能水务管理系统。智能水务系统的感知层部分,解决水表读数识别问题。在网络层部分,LoRa(Long Range)技术作为一种低功耗广域网技术,因其低功耗、远距离、抗干扰、低成本的优秀特性,相较于传统无线通信技术,更适合解决有障碍物的互联通信问题。为了智能水务系统可以接入公网,便于网络服务器的搭建,我们选择LoRa+GPRS组合作为网络层的通信方式。智能水务系统的应用层,需要开发适合水务部门、设备管理员与普通用户需求具备一定数据分析与反馈能力的网站系统。本文提出的智能水务系统,确定自动抄表技术与数据挖掘技术为主要研究内容,现在原型系统已经搭建完成,前端采集系统、应用管理系统与数理统计分析三部分内容共同实现了物联网的三层模型结构。本文提出的系统具有如下特色:(1)基于智能水务的管理业务需求,提出适用于水务业务的私有通信协议设计。(2)依托应用管理系统中样本数据,进行统计学分析,提出服务于系统管理人员的辅助决策机制。从系统测试结果来看,基于旧水表改造的智能水务管理系统具备以下功能:(1)前端采集设备具备多水表的互联上传数据功能;(2)前端采集系统与后台服务器进行心跳连接:(3)终端水表数据可以成功写入后台服务器中的数据库中;(4)基于Struts+Spring+Hibernate后台框架技术设计后台网络服务器,管理用户权限,数据仓库。设备管理员可以监控设备状态,执行设备报修功能;(5)数据分析模块提供指导管理部门决策。设定阈值、为设备管理员修理水表提供依据的服务。当前数据分析在抄表方面的应用研究多集中于智能电表领域,本文致力于将智能远程水表、后台网络管理系统、数据分析三者相结合,为当前智能抄表提供一种新的设计方案。
基于J2EE的社保财务管理系统的研究
这是一篇关于社保财务,J2EE,SOA,数据集成,辅助决策的论文, 主要内容为本文首先对选题的背景及意义和研究现状进行阐述,然后对系统的总体设计和相关技术进行了介绍,最后对系统的设计、开发及实现进行了详细的表述。基于社保基金财务管理的特点,运用互联网应用的形式,并在系统中引入基于SOA架构系统的理论思想,与之相结合,进而让系统能够具备更好的扩展性和可复用性,使得财务管理工作的效率能够得到增强,让财务管理变得越来越科学有序、智能快捷从根本上对于传统的财务管理中出现的信息失真、管理失控的一系列难题进行解决。迄今为止,很多国内公司的行政及人事工作正在逐步的取消掉传统的手工操作方式,正式对计算机和互联网应用的结合,摒弃手工操作方式并不只是对劳动强度的降低,人力成本的缩减、相关费用的节省这些方面,更是能够将因为人为操作导致的疏忽而引起的纰漏减少,从而让有关工作能够越加的简单明了、方便、精确和有效率。本文将会对财务的审批和数据异常诊断来重点分析,同时调研和分析现在国内外的相关财务系统研究和发展近况,与此同时和业界内现今比较成熟的处理方案相结合,分析相关财务系统的需求,进而设计和建立系统的架构,以Agent基础设计并实现数据集成管理模型,最后对整个系统的主要功能进行分析和设计,系统的主要功能包括辅助决策管理、系统维护、凭证管理、支付管理、财务管理、报表管理等模块。通过对用户的分析和对系统的调研,和一些对功能模块的设计和实现工作进行对系统的开发,现在全部模块也都已经结束并完成,其中包括对功能设计模块和对需求的调研工作,同时对于相关的功能模块开发工作也都己经完毕。经过分析系统的设计和实现的部分,证明基于J2EE的财务管理系统是有着一定的实际应用价值的,可以对企业的信息化建设进行更好的服务。
空间机械臂在轨巡检任务规划系统研制
这是一篇关于空间机械臂,在轨巡检,任务规划,辅助决策的论文, 主要内容为我国在轨建造的中国空间站是目前地球轨道上最具发展潜力的空间站项目,在其建设与运营过程中将执行各种复杂危险的在轨任务。舱外巡检任务作为一类典型的在轨服务任务,是进行空间站外部结构健康检查、发现空间站潜在故障威胁和保障空间站长期安全稳定运行的重要手段。空间机械臂在舱外巡检任务过程中起到重要作用,但其尚不具备自主规划能力,完成巡检任务的效益好坏很大程度依赖地面人员的经验知识。因此,开展空间机械臂在轨巡检任务规划方法和辅助决策方法研究对于高效完成在轨巡检任务,保障我国空间站建设顺利实施具有重要的理论意义与工程应用价值。本文主要研究工作如下:首先,开展空间机械臂在轨巡检任务规划系统设计。通过对系统进行需求分析,明确系统具体的功能需求和性能需求。结合系统需求,遵循“高内聚低耦合”的设计原则,设计系统总体架构,并明确用户使用系统的工作流程。根据功能需求将系统划分为在轨巡检任务规划子系统和在轨巡检辅助决策子系统,分别完成子系统设计。以实现空间机械臂在轨巡检全流程所涵盖的任务规划和运动规划过程,以及具备可视化仿真验证功能作为设计目标,完成系统设计。其次,为优化空间机械臂在轨巡检任务效益,研究面向在轨巡检任务的空间机械臂任务规划算法。根据空间机械臂在轨巡检任务特点,明确任务约束条件与评价指标,建立在轨巡检任务规划数学模型。利用基于臂形角的机械臂逆运动学和基于FCL的碰撞检测技术求解巡检点对应的可行构型,提出一种巡检可行构型集合选取策略。针对机械臂巡检过程中的安全性问题,以及确定巡检点之间的执行代价,对基于PRM算法的空间机械臂无碰撞路径规划算法展开研究。针对多目标在轨巡检任务规划模型,采用多种群蚁群算法求解最优空间机械臂巡检动作序列,实现空间机械臂巡检任务自主规划。再次,针对任务规划算法面对密集巡检任务耗费时间长的问题,以及地面人员确定巡检点位姿时存在重复性工作的情况,研究基于知识图谱的空间机械臂巡检辅助决策方法。将知识系统分为知识表示层和知识操作层,设计空间机械臂巡检辅助决策方法工作流程。为确定机械臂末端相机在巡检点位姿下能看到的巡检目标,提出一种基于点云模型的巡检目标确定方法。采用链路预测方法从先验巡检知识中推理得到巡检目标之间的连通概率,进而考虑任务评价指标,采用深度优先算法进行知识检索得到最优机械臂巡检动作序列。仿真实验表明,在完成相同巡检目标巡视的情况下,辅助决策方法与任务规划方法相比计算耗费时间缩短了 92.4%,可以有效提升空间机械臂在轨巡检任务规划效率和知识管理能力。最后,为验证系统在空间机械臂巡检任务中的应用价值,开展空间机械臂在轨巡检任务规划系统研制与实验。针对实际空间机械臂在轨巡检任务场景,分别设计面向在轨巡检任务的任务规划算法和辅助决策方法的实验方案。按照实验方案开展实验,分析实验结果,处理实验数据,验证本文提出方法的有效性与高效性。
基于机器学习的刑事案件辅助决策研究
这是一篇关于辅助决策,CART算法,RandomForest算法,AdaBoost算法,决策系统的论文, 主要内容为大数据时代的到来,对案件的侦查、审理和定性提出了更大的挑战,利用现有的机器学习方法,对新发生的刑事案件结果进行准确合理的预测,减少误判案件的发生显得越来越重要。文章以刑事案件中如何确定侵犯公民人身权利的两种犯罪类型(故意杀人罪和过失致人死亡罪)为例,选取美国数据样本作为实验数据,建立了犯罪类型是谋杀(Murder)还是误杀(Manslaughter)的预测模型及决策系统,能够为我国刑事案件辅助决策领域提供可借鉴的理论基础和系统实现。本文所作的主要工作有以下三点:(1)完成了638454条样本数据的预处理,得到14467条训练集数据和4823条测试集数据。结合犯罪记录数据的实际情况,分析决策模型对数据的客观要求,采取了相应的策略对数据进行处理。首先剔除不合时宜的数据实现数据的清洗;再根据实际情况采取众数或均值填充或分组填充缺失值;采用标签编码实现特征转换;对数据进行重采样;采用Featexp模块实现数据的降维以及最终的数据拆分工作。(2)完成了决策模型的设计与创建,预测准确率达到96.10%。文章分别采用CART算法,RandomForest算法,AdaBoost算法创建决策模型,实现了刑事案件辅助决策的目标,各模型的准确率分别达到了89.07%、90.77%、96.06%;得出了各个特征对目标的影响状况,便于以后对特征有偏向性的分析与应用;最后,基于优劣解距离法改进Stacking策略并集成以上三种算法,再一次将预测的准确率提升至96.10%。(3)完成了刑事案件辅助决策系统的设计与实现。基于RandomForest决策算法,采用B/S系统架构,利用Java+SpringBoot+BootStrap+MySQL+IDEA技术,实现了具有犯罪记录管理、犯罪类型决策和权限日志管理功能的辅助决策系统。最后,根据实验结果以及决策系统的测试使用,可为我国刑事案件辅助决策相关领域的研究提供参考建议,并对此次研究过程中存在的不足进行了总结,需要在今后的刑事案件辅助决策研究中作进一步的改进。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：代码导航 ，原文地址：https://m.bishedaima.com/lunwen/45490.html
