近年来，大学生心理健康状况引起了全社会的普遍关注，对大学生心理健康状况的深入研究及对大学生心理干预模式的探索是国内外学者普遍关注的热点。数据挖掘技术在挖掘业务数据中隐含的规律以及解决具体问题方面，是其它技术所不能比拟的。随着数据挖掘技术的成熟及应用领域的不断扩展，不少高校学者不断研究方法，将数据挖掘技术应用于高校的教学与管理领域，本论文搜集和查阅了大量的相关文献资料，对数据挖掘技术进行了较深入地研究和学习，尝试把数据挖掘技术应用于大学生心理问题数据的分析研究。 本文介绍了数据挖掘技术的基本原理与概念、数据挖掘的任务、方法及应用领域等方面内容，分析了数据挖掘技术应用于解决大学生心理问题的可行性，并对ID3决策树算法和Apriori关联规则算法进行了详细分析。采用决策树算法，计算出哪种属性与心理问题最为相关(即信息增益值最大的属性)，以此作为决策树的根结点，然后采用迭代递归方法将剩余的属性同样地采用该算法进行分类，形成决策树，建立一个分类树状模型，用它对大学生心理问题进行数据预测分析。采用Apriori算法，分析学生心理问题与学生属性间的内在关系，为学校心理咨询中心提供决策支持信息，使心理健康教育工作更具针对性和目的性。 作者独立地开发了一个性能良好、简单实用的心理问题数据挖掘系统。该系统界面友好，具有数据文件访问、数据预处理、生成决策树、生成关联规则、对规则进行解释和保存规则等功能，用此数据挖掘系统，成功地获得了一些分类规则知识和关联规则知识。并以绍兴文理学院05级学生心理问题数据为例，开展了大学生心理问题数据挖掘功能验证实验。最后，指出了本文的不足和今后努力方向。