随着国家、社会、科学技术的前进发展,国家及社会的人才需求变得日益庞大,高等院校是培养人才的担当者,因此,高等院校需要科学的管理,来提高教学质量,保障对国家、社会的人才输送。数据分析与挖掘技术在社会各领域的研究与应用,为学校科学的提高教学质量提供了思路。本文立足于课程和学生,从学校课程安排设置、学生的个性化针对培养、学生成绩影响因素的角度出发,利用数据挖掘相关技术,来探寻如何保障学校的教学质量。针对学校课程设置问题,本文利用了关联分析方法对课程的关联度进行研究;针对学生个性化培养问题,本文利用了聚类方法中的KMeans算法对学生群体的划分进行研究;针对学生成绩分析问题,本文利用了决策树方法对学生成绩的影响因素进行了分析;并集成所提出的算法,开发了一套学生信息分析系统。主要工作包括:(1)提出了基于欧几里得距离的课程关联度分析算法,该算法以距离为角度,通过衡量课程在不同维度的差值情况,计算课程的关联度;基于余弦相似度的课程关联度分析算法,该算法以向量的角度,通过测量不同课程向量的夹角余弦值,计算课程关联度;基于相关系数的课程关联度分析算法以中心化的角度,评价不同课程的关联度。在对课程成绩进行预处理后,选取了两类不同的数据集对三种算法进行实验,结果表明,三种算法都能计算出课程的关联度,能为学校的课程安排提供科学的数据支撑,使学校可以科学的验证和优化课程的安排,三种算法从计算结果和理论上进行对比,其中相关系数关联分析算法的效果最好。(2)提出了基于改进型KMeans算法的学生群体划分方法,对标准的KMeans算法在初始聚心选取上进行了改进,能改善标准KMeans算法中初始聚心选择对聚类结果有较大影响的不足。并选择了以不同学生数量和课程数量为基础的四个数据集进行实验,得出结果并加以分析,找出了学生的特点,为学校实现个性化的培养提供参考依据,使教师能根据学生特点有针对性的进行培养。(3)提出了基于决策树算法的学生成绩因素分析方法,先通过调查问卷,收集学生信息,利用决策树算法,根据信息增益,建立相应的决策树,获取了影响学生成绩的关键因素,为提高学生的成绩和学生辅导工作提供有价值的参考信息。(4)开发了一套基于Java的学生信息分析系统,包括课程关联分析、学生群体划分、学生成绩分析模块,实现了本文所用的算法。