智能决策支持系统是将人工智能技术引入决策支持系统而形成的一种新型信息系统。人工智能技术中的基于知识的推理与机器学习技术是决策支持系统具有智能的关键，并且也是智能决策支持系统成败的关键。数据挖掘处于智能决策支持系统的影响空间中，负责处理逻辑性质的智能决策支持，因此数据挖掘在整个智能决策支持系统中处于最重要的地位。 由于影响数据挖掘在实际应用中的效果的优劣的其最根本直接原因在于数据挖掘算法的效率低劣甚至错误，因此本文在着重认真分析了常规的数据挖掘方法的优缺点之后，提出了基于不确定性知识的主观贝叶斯网络算法，并在一个知识库系统中实现了上述主观贝叶斯网络算法。该算法能从不确定性的知识中作出快速、稳定、高精度的推理。同时，从实际应用角度出发，真正地做到既定性又定量，获取关联规则，也即关联知识。提出了基于网格的退火遗传算法(GSAG)，该算法的基本思想是利用网格在种群规模一定的情况下，能够保证初始群体的遍历性与多样性，它主要用于初始群体的产生，基于网格的退火遗传算法最大特点：模拟退火同时作用于选择算子、交叉算子以及变异算子从而在整体上增强对遗传算法的自适应性，更好地满足了优胜劣汰的自然进化法则。在上述(GSAG)算法的基础上，提出了基于GSAG进化神经网络初始权矩阵算法，本文在实例应用中证实了该算法不仅具有很好的全局寻优能力，同时也具有良好的模式分类能力。 最后，本人完成了基于数据挖掘方法的智能决策支持系统的模型自动选择系统，并在该系统中应用了上述三种算法，进一步验证了算法的有效性与可行性。