目前多数通用数据挖掘系统虽然功能强大，包含的数据挖掘算法众多，但是这些数据挖掘系统主要是针对数据挖掘专家而设计的，操作比较复杂。因为在使用这些数据挖掘系统时，需要由数据挖掘专家根据实际应用自主去选择相应的数据挖掘算法来进行数据挖掘操作，这就使这些数据挖掘系统很难被那些不熟悉数据挖掘术语和数据分析技术的普通用户所使用。如何能扩大数据挖掘系统的使用人群，使那些普通用户能够方便的操作数据挖掘系统，并且保证系统具有较高的运行效率是本文的主要研究目标。本文构建了一个基于案例推理的数据挖掘算法搜索策略原型系统，初步完成案例库的建设。案例库中每一个案例包括某个特定领域的用户针对某个特定应用进行数据挖掘所用过的数据挖掘算法及其相关信息。为了保证系统有更快的运行效率，在组织案例库时，本文没有按照传统方法建立案例索引树，而是结合了模糊商空间的理论，用模糊商空间来描述案例库的组织结构，并结合统计启发式搜索技术进行案例检索，这样可以避免对案例库中的所有案例都进行比较，缩小案例检索范围，降低检索工作量，同时很大程度地提高了检索效率和准确率。当用户提出相关的服务请求时，系统分析服务请求并从案例库中检索与服务请求相关的案例，提取案例中包含的数据挖掘算法，并对这些数据挖掘算法进行比较，决定哪个数据挖掘算法更为适合当前所要解决的问题，调用相应的数据挖掘算法对给定的数据源进行数据挖掘操作，以可视化的形式输出数据挖掘结果图，给出合理性解释。本文以银行客户经理分析客户流失群体为例进行相应的操作，验证了基于案例推理的数据挖掘算法搜索策略系统的准确性。本文在研究通用数据挖掘系统基础上，运用人工智能的相关方法和思想，设计了基于案例推理的数据挖掘算法搜索策略原型系统，并进行了实际应用研究，希望为将来探索与研究通用数据挖掘系统提供一定的理论依据。