随着信息技术的不断发展与高等教育规模的快速增长,信息化建设已成为高等教育现代化建设的必然。基于网络的综合教务管理信息系统得到了各高校的广泛应用,促进了高等教育管理体制的创新,提高了教学管理部门的管理水平。教务管理系统实现了日常的教学管理工作,积累了大量有用的数据资源。如何利用现代化的技术对这些大量有用的数据资源进行处理,并准确地发现隐藏的知识,不是一件容易的事。而近年来数据挖掘技术的出现,为解决这类难题提供了强有力的技术支持。利用数据挖掘技术从这些大量的数据中发掘出有价值的数据或是相关的知识规律信息,并将分析挖掘出来的结果应用到教学管理工作中,对提高教务管理工作者的决策能力和管理水平都将有着深远的意义。本文首先对数据挖掘的理论和技术,数据挖掘的流程和常用方法进行了研究,并重点深入的研究了数据挖掘的聚类分析方法的原理和流程,包括K均值聚类算法(K-Means)和模糊C均值聚类算法(FCM)。接着,本文对应用到的当前比较热门的推荐技术——协同过滤技术进行了详细的介绍,包括基于用户的的协同过滤技术和Slope One算法。协同过滤技术利用相似用户对某一信息的评价,形成系统对该指定用户对此信息的喜好程度的预测,应用到教务管理的学生成绩系统中,该技术能对学生的成绩进行很好的分析和预测。在对本文应用到的聚类技术和协同过滤技术进行详细介绍后,本文提出了三种结合这两种技术的预测方法,它们分别是基于K均值聚类和学生协同过滤的预测方法(KMCF)、基于模糊C均值聚类和学生协同过滤的预测方法(FCMCF)和基于模糊C均值聚类和Slope One算法的预测方法(FCMSO)。最后本文将三种预测方法应用到教务管理系统中学生成绩子系统中,对学生的成绩进行分析和预测,实验结果证明了本文方法的有效性。