随着全球制造业的飞速发展，机械产品的种类和型号也日益增多，并且人们对产品综合性能的要求也越来越高。面对众多的产品型号，选用者需要在大量同类产品中快速、准确挑选出满足一定要求的自己所需要的型号。因此，需要一个基于产品综合性能评判的决策支持系统来帮助选用者做好产品选型工作。数据挖掘技术可从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中，提取隐含在其中的、人们事先不知道的，但又是潜在有用的信息和知识；而灰色系统理论则以“部分信息已知，部分信息未知”的“贫信息”不确定系统为研究对象，它通过“部分”已知信息的生成，开发，提取有价值的信息，实现对系统运行行为的正确认识。本论文研究的中心任务：通过综合比较数据挖掘技术和灰色系统理论的优势互补性，基于灰色系统理论构建适用于产品综合性能评判的数据挖掘算法模型，并结合实例来验证该算法模型的可行性。最后，根据该算法模型，研制出一套适用于产品综合性能评判的计算机应用软件。本研究的主要特色与创新在于：一是将灰色系统理论中的某些算法融合在数据挖掘技术中，克服单一应用带来的一系列问题。将灰色系统理论看成是对数据挖掘技术的有益补充，构建出适用于产品综合性能评判的灰色数据挖掘算法模型，并进行了多个的实例分析和验证，由此开发出一套基于产品综合性能评判的计算机应用软件；二是改变传统灰色关联分析法主观赋权法和等权赋权法，采用组合决策权重，这样可以避免赋权的主观随意性，使对属性的赋权达到主观与客观的统一，进而使决策结果更真实、可靠；三是对于不同的实例，均运用TOPSIS算法和灰色数据挖掘模型算法，两种算法获得的结果的基本上是一致的。