在互联网迅速发展的环境下，智能决策支持系统面临新的挑战。互联网给决策支持提供了丰富的信息资源，同时增加了信息的不确定性，对互联网上的信息进行采集、信息质量分析与挖掘利用成为智能决策支持系统利用互联网信息资源所要解决的问题。互联网给智能决策支持系统提供了方便快捷的通讯手段，使得决策可更广泛地选择决策参与者，使群决策能更好地得到应用。如何更好地建立群体决策的系统机制，对群体决策的意见进行有效的合成，成为利用互联网进行群决策面临的新问题。本文将证据理论引入智能决策支持系统，作为解决上述问题的基本理论，探讨了面向互联网、基于证据理论的智能决策支持系统的基本框架与决策程序，研究了基于证据理论的证据合成问题。针对解决问题的需要，将证据理论与神经网络、包含度理论、协同学理论、粗糙集理论相结合，研究了对互联网上不确定信息的采集、信息质量分析问题，探讨了群决策专家的聚类分析、群决策专家的选择、群决策专家意见的合成与基于证据理论的不确定性决策问题。具体研究内容如下： (1)分析了决策支持系统的研究现状及其发展趋势，阐述了互联网的发展对决策支持系统的影响，分析了证据理论在专家群体决策意见合成与不确定性决策中的作用，提出面向互联网、基于证据理论的智能决策支持系统的功能框架。 (2)针对群体决策信息融合的问题，分析证据理论近来的发展与证据合成的研究现状与问题。分析了已有的对相关证据、不同重要性的证据、存在较强冲突的证据的合成方法，提出证据合成的发展方向与新方法。 (3)研究基于神经网络与D-S证据合成规则的证据合成方法，将神经网络与Dempster合成规则进行结合用于证据合成，使证据合成具有学习能力，挖掘隐含在证据合成历史绩效数据中的知识用于证据合成，并使该方法适用于相关的、冲突的、不同重要性的证据的合成，使证据合成方法适用于群体决策的意见合成。分析研究基于神经网络与D-S证据合成规则的证据合成方法所具有的特性，分析比较该方法与D-S证据合成规则的优劣，分析该方法对合成信息源的筛选能力，探讨合成的专家群体决策意见与专家个体决策意见之间的关系。 (4)设计定义了基于包含度理论的贴近度指标，用它来分析反映专家意见的不确定数据与比较标准数据的差异，以此来分析不同专家的信息质量。并基于贴近度定义了两个不确定数据的相似度指标，依据相似度指标设计了对不确定数据进行聚类分析的方法与程序。在聚类分析的基础上，研究基于协同学理论的竞争、合肥丁业大学他士论文 摘 要协同、序变量与伺服原理选择群体决策专家，以提高集结专家群体意见进行预测与决策的有效性。 （5）研究基于证扼理论的诀策方法。探讨基于焦元分析求解各状态的基本可信数的决策方法，将求解各状态的基本可信数与决策过程相联系，并将诀策结果与基于粗糙集的决策规则的不确定性分析相联系，使基于证掘理论的决策方法更科学合理。 （6）研究面向互联网基于证拥理论的智能决策支持系统框架模型，针对处理互联网上信息的特点，融入证掘理论的信息融合方法，将定量分析与定性分析相结合、将数掘仓库与OLAP、数据亿掘相集成，研究利用互联网进行决策的一般框架模型与诀策程序c （7）结合证券市场群体专家忡测与投资决策，分析设计与厂发了面向互联网、基于证据理论的证券投资IDSS原型系统。研究了证券投资专家预测意见合成的现状，分析了专家群体抉策意见合成的己有方法和存在间题，探索面向互联网的基于神经网络与证据理论的专家预测意见合成。研究基于证掘理论的抉策与基于粗糙集的诀策规则的不确定性分析州联系进行组合决策分析的方法。通过对互联网上证券咨询网站公布的多位专家的预测意见进行采集、存储、信息质量分析、聚类分析与筛选群体专家、合成协同专家的预测意见，并在合成预测意见的基础上，进行投资决策分析探讨卜还方法与 Lh系统的有效性。 对实例的分析计算结果表明，在对群体专家预测信息进行质量分析与聚类分析的基础上，按协同学原理筛选专家群体，对筛选出的专家群体的预测意见用基于神经网络与证据理论的专家预测怠见合成方法进行合成，并用基于焦元分析求解各状态的基本可信数的决策分析斤法进行决策分析取得了良好的效果。基于神经网络与证据理论的专家预测意见合成方法的性能比现厅的数理统计预测方法、DS证掘合成方法、Ronald R．Ya罗r的证据合成方法等有较大的提高。 面向互联网、基于证扼理论的证券投资智能决策支持系统的研究成果在一定程度上解诀了利用互联网上信息阶于决策和利用互联网进行群体决策的个体决策意见集结的问题，并为智能决策支持系统集成证据理论提供了一般的框架。