1.DDS和IDDS的组成。
DSS决策支持系统（Decision Support System）是一个基于计算机用于支持业务或组织决策活动的信息系统。 DSS服务于组织管理、运营和规划管理层（通常是中级和高级管理层），并帮助人们对可能快速变化并且不容易预测结果的问题做出决策。决策支持系统可以全计算机化、人力驱动或二者结合。基本结构主要由四个部分组成：即数据部分、模型部分、推理部分 决策支持系统和人机交互部分
IDSS智能决策支持系统充分发挥了专家系统以知识推理形式解决定性分析问题的特点，又发挥了决策支持系统以模型计算为核心的解决定量分析问题的特点，充分做到了定性分析和定量分析的有机结合，使得解决问题的能力和范围得到了一个大的发展。智能决策支持系统是决策支持系统发展的一个新阶段。20世纪90年代中期出现了数据仓库（Data Warehouse, DW）、联机分析处理（On-Line Analysis Processing, OLAP）和数据挖掘（Data Mining, DM）新技术，DW+OLAP+DM逐渐形成新决策支持系统的概念，为此，将智能决策支持系统称为传统决策支持系统。新决策支持系统的特点是从数据中获取辅助决策信息和知识，完全不同于传统决策支持系统用模型和知识辅助决策。传统决策支持系统和新决策支持系统是两种不同的辅助决策方式，两者不能相互代替，更应该是互相结合。智能决策支持系统（IDSS）：即在传统三库DSS的基础上增设知识库与推理机，在人机对话子系统加入自然语言处理系统 (LS)，与四库之间插人问题处理系统(PSS)而构成的四库系统结构。
2.电子商务系统的结构。
电子商务整体结构分为电子商务应用层结构（简称应用层）和支持应用实现的基础结构（三层），基础结构一般包括三个层次和两个支柱。三个层次自下而上
分别为网络层、传输层和服务层，两个支柱分别是安全协议与技术标准、公共政策与法律规范。前三个层次为基础层次，其上就是各种特定的电子商务应用，可见
三个基础层次和两个支柱是电子商务应用的条件。为不失一般性，在此仅对电子商务的基础结构作概括说明。
1、网络层（网络平台）
网络层是电子商务的硬件基础设施，是信息传输系统，包括远程通信网（telecom）、有线电视网（cable TV）、无线通信网（wireless）和互联网（internet）。
远程通信包括电话、电报，无线通信网包括移动通信和卫星网，互联网是计算机网络。对这些网络基本上是独立的，研究部门正在研究将这些网络连接在一起，
到那时传输线路的拥挤将会彻底改变。
2、传输层（信息发布平台）
网络层提供了信息传输的线路，线路上传输的最复杂的信息就是多媒体信息，它是文本、声音、图像的综合。最常用的信息发布应用就是WWW，用HTML或
JAVA将多媒体内容发布在Web服务器上，然后通过一些传输协议将发布的信息传送到接收者。
3、服务层（电子商务平台）
这一层实现标准的网上商务活动服务，以方便交易，如标准的商品目录/价目表建立、电子支付工具的开发、保证商业信息安全传送的方法、认证买卖双方的合法性方法。
4、应用层（电子商务各应用系统）
3.电子政务系统的类型与应用。
电子政务系统是基于互联网技术的面向政府机关内部，其他政府机构的信息服务和信息处理系统，系统利用高现代信息技术对政府进行信息化改造， 以提高政府部门依法行政的水平。
4.电子健康系统应用的影响。
电子健康档案系统记录个人从出生到死亡的所有生命体征的变化，包括个人的生活习惯、以往病史、诊治情况、家族病史、现病史及历次诊疗经过、
历次体检结果等信息。环球软件电子健康档案系统以"六位一体"为中心，通过标准数据接口实现与医院HIS、PACS、LIS、电子病历、社区卫生、新农合等
系统的数据共享与交换，可实现健康档案动态更新，实现真正意义上的"活档"。电子健康档案是进行健康信息的搜集、存储、查询和传递的最好助手。电子
健康档案融合当今最新IT软硬件技术于一身。电子健康档案可以为个人建立始自出生、终其一生的健康档案，从而为健康保健、疾病治疗和急救提供及时、
准确的信息，使人们的医疗保健有了科学、准确、完整的信息基础，为人们的医疗保健提供了新工具、新方法和新思路。电子健康档案可以将人们分散在不
同医院电脑系统中的体检报告、门诊和住院治疗中的治疗方案和检查结果搜集在一起。当发生意外时，可以立即通过电脑查阅其中的急救信息，了解危重病人
的血型、过敏药品、当前的慢性病以及个人保健医生的联系方式，从而采取及时、正确的急救措施，挽救病人的生命。
5.供应链管理的概念。
供应链的概念是从扩大的生产(Extended Production)概念发展而来，现代管理教育对供应链的定义为“供应链是围绕核心企业，通过对商流、信息流、物流、资金流的控制，从采购原材料开始到制成中间产品及最终产品、最后由销售网络把产品送到消费者手中的一个由供应商、制造商、分销商、零售商直到最终用户所连成的整体功能网链结构”。
6.数据挖掘的主要功能。
数据挖掘是为了从现有数据中获得信息，但它也不是万能，能够发现的知识主要是以下5种：
1.概念知识
类别特征的概括性描述知识。根据数据的微观特征发现同类事物带有普遍性的、较高层次概念的共同性质，是一种对数据的概况、提炼和抽象。
2.关联知识
主要反映一个事件和其他事件之间依赖或者关联性。如果两项或者多项属性之间存在关联，那么其中一项的属性值就可以根据其他属性值进行预测。这类知识发现方法中最有名的就是Apriori算法。
3.分类知识
主要反映同类事物的共同特征和不同事物之间的差异。
4.预测性知识
根据历史数据和当前数据对未来数据进行预测，主要是时间序列预测。
5.偏差性知识
这是对差异和阶段特例的揭示，如数据聚类的离群值等。
相较于挖掘能够发现的知识而言,数据挖掘的方法类型很多，大致可以分为7类
1.决策树方法（信息论方法）
这类方法给予信息论原理，直观容易理解。一般来说这类方法效果好，影响力大。代表算法：ID3算法、C4.5算法、IBLE算法。
2.聚类方法
比较样本距离，距离近的归为一类，距离远的分属在不同的类中。代表算法：k均值、Clara算法、变色龙算法。
3.统计分析方法
利用统计学原理对数据进行分析，这方面有大量的商业软件可以选用。
4.仿生物技术
代表算法：神经网络算法和遗传算法，当然包括两者的其他衍生或近似算法，如鸟群算法。
5.可视化技术
对传统图标功能的一种扩充，让用户对数据的剖析更清晰。
6.模糊数学方法
我最喜欢的一类方法，包括模糊评判、模糊决策、模糊模式识别和模糊聚类。可以参考我以前的有关Aforge.net的博文。
7.其他
其他就是其他，比如SVM、文件挖掘、最近邻方法等。