美国麻省理工学院的Keen和ScottMorton于20世纪70年代中期首次提出了“决策支持系统”一词，标志着利用计算机支持决策的研究与应用进入了一个新的阶段，并形成了决策支持系统这一新的学科。在短短的30余年里，各国学者对决策支持系统的理论研究和开发应用进行了卓有成效的工作。决策支持系统是一个十分开放的系统，从诞生之日起，它一直就在吸收其它学科的营养。20世纪90年代中期以来，计算机科学领域新兴的数据挖掘技术得到了迅速的发展，并逐渐形成了一股数据挖掘研究和应用的潮流。在这种背景下，许多早期出版的决策支持系统方面的著作都在再版时新加入了数据挖掘部分的内容，近期出版的决策支持系统方面的论著也都把数据挖掘作为一个重点内容加以介绍。可见，数据挖掘对决策支持系统的发展产生了十分深刻的影响，这也正是本文写作的背景。许多学者在审视了决策支持系统存在的缺陷后，主张将数据挖掘技术引入决策支持系统，在一定程度上解决目前决策支持系统存在的问题。建立基于数据挖掘的决策支持系统(DecisionSupportSystemBasedonDataMining，为方便表述，以下简称DMDSS)，将为决策支持系统的发展开辟一个新的方向。 将数据挖掘引入决策支持系统，建立DMDSS的过程中，系统结构是一个不可回避的问题。系统结构(SystemArchitecture，SA)是指系统中各部件之间的关系，而部件是在系统边界以内的一些可区分的要素，一般来说，部件代表系统的某种功能模块或模块组合。建立DMDSS的思路是对决策支持系统进行改造，即把数据挖掘集成到决策支持系统中，具体方法是把数据挖掘作为一个新的部件，并使之与决策支持系统已有的部件有机结合、协调一致的工作。设计系统结构，是开发DMDSS的重要环节。系统结构的好坏，直接影响到系统开发的进程，关系到系统的功能和适用性。 目前学术界对DMDSS的系统结构已经展开了初步的探讨，并且建立了一些模型。在某种特定的环境下，什么样的系统结构是可行的、合理的，这是目前研究的重点所在。这是一种静态的研究，它只能在各种因素既定的条件下，为我们设计系统结构提供参考，一旦环境改变，这种研究就失去了意义。组织与组织之间存在差异，同一组织在不同的阶段也面临着不同的情况，因此这种研究不具有广泛的指导意义。为解决这一问题，本文重点研究了数据挖掘如何与决策支持系统已有的部件相衔接的问题，并探讨了影响DMDSS系统结构设计的关键性因素。 探讨DMDSS的系统结构，我们首先必须了解传统决策支持系统的组成，所以本文的第二章在介绍了决策支持系统的产生背景和定义后，着重介绍了决策支持系统的五个子系统。另外，第二章还介绍了决策支持系统的研究现状和发展动态。 在将数据挖掘看成一个不可拆分的整体的情况下，探讨其与决策支持系统的集成是非常困难的。所以本文在第三章阐述了数据挖掘的产生背景和定义的基础上，重点分析数据挖掘的过程和数据挖掘系统的组成，其结论是我们可以将数据挖掘引擎(数据挖掘系统的核心模块)独立出来，通过数据挖掘系统的其他部件与决策支持系统的部件有机结合。另外，第三章还介绍了数据挖掘的研究现状和发展动态。 前面两章分别阐述了数据挖掘和决策支持系统，第四章则阐述数据挖掘在决策支持系统中应用的问题。我们之所以将数据挖掘引入决策支持系统中，是因为决策支持系统存在一些缺陷，而这些缺陷通过集成数据挖掘后有望得到解决。所以第四章首先分析了决策支持系统存在的主要问题，这实际上说明了建立DMDSS的必要性。然后分析数据挖掘在决策支持系统中的地位和作用，我们的观点是数据挖掘在四个决策支持空间中，处于影响空间之中。第三章的最后分析了数据挖掘在决策支持系统中应用的意义。 数据挖掘如何与决策支持系统已有的部件相衔接是我们研究DMDSS的系统结构要解决的主要问题。所以第五章在总结国内外关于DMDSS系统结构的研究现状的基础上，分析了目前的研究中存在的问题，然后在借鉴广大专家和学者的成果，从四个方面分别探讨了数据挖掘与人机界面、数据库、模型库、知识库相衔接的方法。最后探讨了影响DMDSS系统结构的关键性因素。 本文论证了数据挖掘在决策支持系统中应用的必要性和可行性，总结了数据挖掘技术在决策支持系统中应用的研究成果，说明了计算机领域新兴的相关技术(如数据挖掘、数据仓库、联机分析处理等)对决策支持系统发展的影响，重点研究了DMDSS的系统结构问题。另外，本文对决策支持系统领域一些有争议问题的展开了讨论，如模型库是否是决策支持系统必不可少的部件等，还对以数据仓库作为数据挖掘对象的优势进行了探讨。本文的研究将在一定程度上推动决策支持系统理论的完善和实践的发展，在一定意义上促进DMDSS的开发和应用，并为便开发人员建立DMDSS提供参考，为组织选择适用自己的系统结构提供意见和建议。