随着计算机网络技术的发展和普及,数据采集、管理、查询等技术快速发展,人们身处在海啸般汹涌的数据“海洋”之中,他们迫切需要一种其他智能技术,以便从数据“海洋”里“勘探”出更有价值的“油矿”,数据挖掘技术便顺势而生,目前已成功的应用于商业、医疗、金融等诸多领域。数据挖掘的主要技术有分类分析,聚类分析,关联规则分析等,其中关联规则分析技术是数据挖掘中不可或缺的重要分支,它能够从数据仓库中提取人们想知道的有价值的联系或规律。高校对教师的教学进行评价,对鼓励教师的教学积极性、提高教师的教学水平、改进高校的管理办法、提升高校的综合实力都有积极的推进作用。因此,将数据挖掘技术同高校的教学评价工作结合起来,充分的利用、分析教学评价数据,从中获取能够帮助高校管理者更好的进行学校管理,提高学校的教学质量的有用信息,是高等院校发展的必然要求。本文对教学评价做了概要介绍,分析了目前高校教学评价普遍出现的问题,说明把关联规则技术与教学评价相结合的现实意义;本文还阐述了关联规则分析的相关概念,对Apriori算法进行详细的介绍,并针对Apriori算法I/O开销大、生成候选集也较大,且不适用多值属性数据库的主要问题,实现了基于矩阵压缩的AMC改进算法。AMC算法从多角度对Apriori算法进行了改进,不仅压缩了数据库的大小、减少了数据库的扫描次数、减少不必要候选集的生成,同时还省略了剪枝操作、提前结束算法,从而使算法效率在空间和时间上都有较大的提高。最后,本文利用AMC算法,对泉州地区某高校的教学评价数据挖掘出有用的规则,并对结果进行分析,提出提高教学质量的方案,为教学管理者提供决策和帮助。