随着科技的发展,信息化在经济增长中的作用日益显著,依据信息对企业问题做出快速科学的决策,对优化企业资源配置、提高企业的核心竞争力等方面起到非常重要的作用。目前大多数企业普遍采用手工报表分析数据的决策方式,这种方法存在工作量大、速度慢及容易丢失数据等问题,因此管理者迫切需要一套适合自身企业发展的决策支持系统来及时了解企业信息,做出利于企业发展的决策。本文进行了“基于人工智能技术的企业决策支持系统”的研究,对决策支持系统相关的关键技术进行总结和研究,提出基于数据仓库和数据挖掘相结合的企业决策支持系统的解决方案。本文主要做了以下方面的研究:论文以关联规则的挖掘问题为研究对象,介绍并分析对比了Apriori算法和FP-Growth算法;同时研究了决策树算法的代表算法ID3算法,并对他们各自的性能及其优劣有了初步的认识和总结。论文在研究关联规则挖掘和决策树分类算法与决策支持系统结合时,对其中遇到的问题进行了分析,并在此基础上研究分析了一种基于决策树的快速关联规则挖掘算法,为架设一种平台来帮助企业决策提供了方法和实现途径。由上述所提出的算法,论文设计了一种决策支持系统平台,并对其中的决策树分类过程、剪枝过程、分类结果及关联规则挖掘的可视化等问题和实现步骤进行了探讨和设计。最后以耗油和车身重量等属性决策汽车所属年代这一决策过程为例,进一步验证本文所提算法及设计平台的正确性和有效性。