信息技术的飞速发展促使数据大量增加与积累,与此同时也促进了数据库技术的发展,当今数据挖掘技术已深入到社会中的各个领域。数据挖掘技术可以对数据进行异常检测、分类预测、关联规则挖掘、聚类分析等。其中关联规则技术能从大量的数据中挖掘频繁模式,根据这些规则分析出潜在的有价值的信息。教学评价是高校教学质量监督的一个重要手段,如今在各个高校已经得到了普及,但教学评价数据没有得到充分的利用,且评价方式单一。本文分别在数据挖掘以及关联规则中的经典算法Apriori进行了详细的介绍,描述算法的思想、实现过程以及算法所存在的不足。针对存在的缺陷,在分析前人改进的思想与方法,以及结合移动平台教学评价特征的基础上,对原经典Apriori算法进行了改进。改进后只需扫描一次原始数据库,对各个频繁项集所属事务进行存储,并将这些集合存储在新增的数据库中。因此,对自连接生成候选项集计数时,只需求候选项集的子集中存储的所属事务集合的交集,即可得到该候选项集的支持数。改进后的算法减少了对原始数据库的扫描次数,压缩了扫描的范围,从而提高了算法的效率。现今智能手机已成为我们日常生活的重要部分,为顺应时代发展,设计一种基于移动平台的教学评价系统成为了需求。在开展了高校师生对教学评价系统的需求调查后,对基于移动平台的教学评价系统进行需求分析和设计,并在Android平台上进行实现,完善教学评价系统的评价模式。基于移动平台的教学评价系统一方面满足了全校师生的需求,提供极大的便利,因此也能大大的提高参评率,使得数据更加全面、完整。本研究在基于移动平台的教学评价环境的基础上,将收集到的教学评价数据进行预处理,利用改进后的Apriori算法对评价数据进行挖掘。通过对挖掘结果进行分析和总结,得到潜在于数据背后的信息,这些重要信息将成为提高高校教学质量的重要依据。