随着教育事业的不断发展,高校教育规模不断扩大,如何提高学生综合素质以及如何科学地评价大学生综合素质成为高校管理者的关注热点。对大学生综合素质进行科学的测评不仅关系着大学生自身的发展,也关系到高校高素质人才的培养。本文在对大学生综合素质测评成绩进行分析研究后发现,挖掘合理的测评规则在本质上就是要解决机器学习领域中的一种有序分类问题。由于学生各课程的成绩存在序关系,综合素质测评结果用“不及格”、“及格”、“良”、“优”等来表示,也满足“不及格<及格<良<优”的序关系,我们认为学生课程的成绩与综合素质测评结果之间满足单调约束关系:学生的所有课程的成绩越好,其综合素质测评结果等级越高。本文主要完成了如下工作:1、将基于有序熵的有序决策树算法应用于大学生综合素质测评工作中,实验结果表明有序决策树算法比经典决策树C4.5算法有更好的分类效果。2、大学生综合素质测评工作是高校每年都要开展的常规工作。近年来,高校招生规模不断扩大、学生数量持续增加导致大学生综合素质测评的工作量不断增加;高校开展的教学改革会导致课程的变化,而课程的变化就会导致大学生综合测评规则重新挖掘。为解决以上问题,首先将基于有序互信息和最大相关最小冗余理论的属性选择算法应用到大学生综合素质测评工作中进行课程选择,然后利用有序决策树进行规则的挖掘;实验结果表明挖掘出的规则更加稳定,挖掘规则的计算量大大减少,提高了测评工作的效率。3、设计实现了大学生综合素质测评系统,并将有序决策树算法与属性选择算法应用到了大学生综合素质测评系统的功能模块中,促进了大学生综合素质测评工作质量的提高。