与正序列模式挖掘相比,负序列模式挖掘不仅考虑了已经发生的事件,还考虑了未发生事件,它能够在单纯的正序列模式挖掘可能会误导决策时辅助决策。并且现有序列模式挖掘算法在应用时的各项目具备同样的重要程度,这是不切实际的,权重的提出使这一问题得到了解决。本文提出了一种基于加权正负序列模式的数据挖掘算法,在挖掘过程中为项目设置不同的权值,各序列的加权支持度与最小支持度对比得出频繁序列模式,算法应用在学生数据时运用K-均值聚类方法进行建模仿真。实验结果表明该方法有效提高了数据挖掘的效率和准确度,很好地展现了数据挖掘技术在数据分析方面的应用,实用性强。随着数据挖掘技术的快速发展,产生了海量的高校信息数据,这些复杂的信息中隐藏着许多有价值的信息。如何充分利用高校的信息资源,挖掘出有价值的信息,是目前高校研究的热门课题。前人对于高校数据进行挖掘时大多采用决策树、关联规则等挖掘方式,很少使用序列模式挖掘方法。存在的问题是,这些研究方法在突出数据重点等方面存在一定的不足。本文通过基于加权正负序列模式方法在高校数据中的应用,弥补以上不足的同时更好地通过学生的在校行为分析得出优秀学生培养规律,并对不同类型学生进行针对指导。