داده کاوی یک شیوه نوین برای استخراج اطلاعات در فرایند تصمیم گیری های علمی است و اغلب از روشهای آماری و یادگیری ماشین برای تجزیه و تحلیل داده ها استفاده مینماید. یک رویکرد جدید رد این راستا ترکیب شیوه های آماری و یادگیری ماشین برای کسب اطلاعات بیشتر از استفاده جداگانه هر یک میباشد. در این پایان نامه فرایند داده کاوی رگرسیون لجستیک و درختهای تصمیم معرفی میشوند و با ترکیب cart یکی از الگوریتمهای درختهای تصمیم با رگرسیون لجستیک چندگانه شیوه نوینی برای تحلیل داده های چند رسته ای ارائه میگردد. سپس این روش ابداعی را برای داده های واقعی خط تولید ورق فولاد به کار گرفته که نتایج نشان میدهند تحلیل داده ها کاراتر و حاوی اطلاعات سازنده تر به خصوص برای پاسخهای رسته ای ترتیبی میباشد.

یک شیوه علمی متداول برای فرایند انتخاب و تصمیم گیری، استفاده از سیستم پشتیبانی تصمیم است. سیستم پشتیبانی تصمیم یک سیستم مبتنی بر کامپیوتر است که اطلاعات را از منابع مختلف گرداوری نموده و به ساماندهی، تجزیه و تحلیل اطلاعات و ارزیابی فرضیه ها با استفاده از مدل های معین می پردازد. به دلیل نداشتن ساختار و چارچوب جامع، معمولا کاربران در اجرا دچار مشکلاتی می شوند که موجب کاهش عملکرد و کارایی سیستم پشتیبانی تصمیم می شوند. همچنین علی رغم این که هدف اصلی استفاده از این شیوه، پشتیبانی از تصمیمات است ولیکن در ساختار آن هیچ گونه اشاره ای به نحوه و ابزار انجام آن، در اجزای سیستم پشتیبانی تصمیم نشده است. به علاوه، تحقیقات نشان داده است که عامل اصلی موثر بر یک تصمیم گیری صحیح مربوط به روش هایی است که در ارزیابی گزینه های موجود اتخاذ می شوند. از سوی دیگر، امروزه داده کاوی، مهم ترین ابزار استخراج دانش از حجم بالای داده های خام است. همچنین بکارگیری روش های تصمیم گیری چندمعیاره در سالهای اخیر، پیشرفت چشمگیری در فرایند تصمیم گیری داشته است. در این رساله، برای برطرف کردن کمبودهای مذکور و بهبود عملکرد سیستم پشتیبانی تصمیم، ساختاری جامع و علمی با ارائه راهکاری برای ارزیابی تصمیمات و رویکرد یکپارچه سازی سیستم های پشتیبانی تصمیم، داده کاوی و تصمیم گیری چندمعیاره ارائه شده است. سپس برای بررسی و ارزیابی اثربخشی و کارایی چارچوب پیشنهادی در موضوعات مختلف پیاده سازی شده است که در هریک از اجراها نیز ابداعات و نوآوری هایی از جمله بهبود قوانین همبستگی با استفاده از روش تحلیل سلسله مراتبی، الگوریتم جدیدی برای اولویت دهی به قوانین درخت های تصمیم گیری، و رویکردی برای اولویت دهی به روش های طبقه بندی موجود ارائه شده اند.