随着科研管理信息化的持续发展,各类科研数据在近年来迎来了井喷式地增长,随之而来的是对数据分析的急切需求,而传统的人工分析方式和半自动化的管理工具已经无法有效地处理海量数据下的数据分析工作。以统计分析、数据挖掘为代表的现有数据分析方法,均能很好地展示数据某个维度下的特征和价值,然而,这些分析方法往往相对独立,不能很好地支撑决策支持的工作。为了实现对科研管理的决策支持,本课题将数据仓库、联机分析处理、数据挖掘、模型库等技术理念相结合,设计了一个科研管理决策支持系统。本文首先对国内外决策支持系统的现状进行调研,分析现有系统中存在的不足,并结合科研数据的实际情况,梳理出科研管理决策支持系统的需求;然后,以Oracle数据仓库、SSH框架、Lucene全文检索引擎、OLAP数据统计、前端JS可视化插件等相关技术为基础,以开源的机器学习和数据挖掘框架Mahout为核心,研究了主流的数据挖掘算法,以此为基础实现了一套基础性的决策支持框架,并在科研管理中进行了应用;最后,对科研管理决策支持系统的各个模块进行了详细的测试,以验证功能的准确性和系统的健壮性。本系统完全基于开源框架开发,除开发效率提升外,还有利于系统后续的扩展和维护。以科研管理决策支持系统为基础,通过对高校、学科以及研究人员的数据分析,辅以简洁直观的可视化界面,系统大大提高了科研管理的效率,同时,也为各类科研决策的制定提供了科学的保障。