在高校教学中,学生成绩问题一直以来都是个重要的问题。很长时间以来,在高校教学管理过程中积累了大量的学生成绩数据,但在这些数据中隐藏的深层次的信息没有得到充分利用,而随着数据挖掘技术的发展,我们期望通过数据挖掘技术从中找到有价值的信息,找到影响学生成绩的潜在因素,实现对学生课程成绩的预警,从而达到为学校的教学工作服务的目的。目前,在学生成绩分析方面已有的方法和功能基本大同小异,都主要存在两大问题:1)学生成绩分析预测功能大多是基于关联规则算法分析课程间的关联性对学生课程成绩的影响,但却忽略了导师和学生等个体属性因素对成绩的影响,导致分析预测结果不够全面;2)由于大多数学生成绩分析考虑的是所有学生课程间的普遍关联性,得到的分析预测结果也是普遍性的结果,在个体分析预警时缺乏直观依据。针对上述问题,本论文将实现如下过程:首先,针对问题并基于本校计算机专业的学生课程成绩信息建立相应的数据仓库,数据仓库的建立将为后续的成绩分析提供可靠的数据支持。然后运用了关联规则算法进行学生课程成绩分析,可有效地挖掘出课程间的关联性以及隐藏在成绩数据中潜在的有价值的信息,可为教学课程的计划安排提供依据,但在分析过程中,我们也发现了其在课程、学生、教师等客观因素对学生成绩分析影响方面的不足。为了解决学生和导师个体因素对学生成绩也会影响的问题,我们又实现了一种将关联规则与决策树算法相结合的方法,然后把由关联规则模型产生的较强规则作为新的属性加入到决策树算法,并做进一步挖掘分析,得出了更全面的分析结果。其次,完成了将关联规则和决策树结合算法用于本校计算机专业学生课程的分析与预测,基于该分析预测结果,实现了单一学生成绩分析与预测,并运用基于B/S结构的网页程序实现预警功能的展示。基于上述问题的解决方案,完成了本文基于数据挖掘的学生成绩分析与预测研究工作,分析预测结果更加全面、可靠,预警功能更加有针对性。成绩分析和预警的结果能够为学校教学提供信息支持。