随着信息技术的不断进步,企业内部产生了越来越多的数据。快速增长的海量数据收集存放在大型和大量的数据库中,没有强有力的工具,理解它们已经远远超出了人的能力。基于数据仓库的联机分析挖掘(On-Line Analytical Mining,OLAM)技术越来越多的被引入到现代企业的决策支持系统中,为企业决策者提供方便快捷的决策支持。然而,OLAM中数据统计分析和数据挖掘所需的数据基础通常是多样的,对数据处理的准确性和效率要求比较高,传统的OLAM中产生的大量多维数据集使得数据挖掘的功能受到限制,挖掘算法效率低下。针对上述问题,本文主要做了以下工作:对数据仓库环境下的决策支持系统进行了深入分析,设计了一种基于工作仓库和多维关联规则挖掘的OLAM系统框架,并对框架的各部分功能及关键技术进行了说明。给出了整个系统的运行流程,并分析了它的主要特点。分析了当前数据仓库环境下的联机分析挖掘存在的瓶颈和缺陷。阐述了工作仓库的设计要点,运用数据缓存技术对一些频繁使用的数据集进行了处理,以达到及时获取数据和减少对数据服务器I/O操作的目的。本文提出了一种新的数据缓存算法,保证了工作仓库中数据的有效性和高可靠性,提高了工作仓库缓存池中数据的命中率。针对传统OLAM系统中数据挖掘的维度单一和低效的缺点,设计了一种多维关联规则挖掘模型,提出了一种未剪枝的Apriori多维关联规则挖掘算法。通过增益指标评定标准,推导出了用户感兴趣的强关联规则,提高了挖掘结果的准确性和多样性。本文研究成果已初步应用于某海事局船务决策支持系统中。应用结果表明,海量船务数据分析统计的时间大大缩减,分析结果的准确性得到了明显提高,为管理层决策提供了强有力的支持。