高校教务管理系统每学期都会产生大量的学生成绩数据,如何从这些数据中分析出影响学生成绩的因素和各门课程成绩间的潜在联系,用以指导教学从而提高教学效果是广大教育工作者共同关心的问题。从大量数据中挖掘出潜在的有价值的信息是数据挖掘的基本功能,本文将数据挖掘技术应用于成绩分析中,很好地解决了以上问题。首先,提出了基于关联规则和决策树算法的成绩分析方法,可以有效地挖掘出隐藏在成绩数据中潜在的有价值的信息。使用数据挖掘中的关联规则算法挖掘学生成绩数据,通过产生出的关联规则体现各课程成绩间的关联关系以及高考成绩对本科成绩的影响,教师可以根据规则了解学生的学习能力,从而有针对性地制定教学计划,教育管理者则可以依照规则设定课程安排；使用决策树算法挖掘成绩数据,通过产生的决策树找出影响成绩的主要因素,以及各因素的重要性排序。教师可以从决策树中得知影响成绩的主要因素,根据不同学生的特点进行因材施教。利用两种算法各自的特点从不同角度对同一对象进行数据挖掘分析,将两算法得出的挖掘结果相结合,得出了比使用一种算法更全面的分析结果。其次,设计了基于数据挖掘技术的成绩分析模块并实现了用于数据挖掘分析的关联规则Apriori算法和决策树C4.5算法,根据成绩分析的需要对关联规则Apriori算法进行了改进,通过实际成绩数据与原算法进行了对比分析实验,证明了改进后的算法可以有效过滤掉冗余规则,为成绩分析提供方便;在执行效率上相对原始Apriori算法有一定的提高。根据成绩分析的需求设计了集传统成绩分析功能和数据挖掘分析功能于一体的成绩分析系统。最后,使用java按照面向对象的程序设计方法完成了系统的实现,并通过成绩数据对各项功能进行了测试；将系统应用于计算机专业的成绩分析工作中,挖掘出了隐藏在成绩数据中潜在的有价值的信息。本学位论文中设计的基于数据挖掘的高校成绩分析系统,能够完成基于数据挖掘的成绩分析和基于统计学的成绩分析工作。测试结果表明,系统各项功能正常,能够方便、有效地完成高校成绩分析中的各项工作。