近年来,随着国家对职业教育的扶持力度不断加大,职业院校的规模迅速扩张,致使职业院校之间的竞争愈加激烈。在如此激烈的竞争中,各个职业院校要想占有一席之地就必须提高新生的报到率以及获得更多的优质生源。目前,一些院校建立了招生信息系统,希望借助于信息化的平台为招生工作提供帮助。但是在这些招生系统中,大部分仅是完成了信息统计和存储的功能,并不能解决实际的问题。而数据挖掘技术的出现,可以将存在于生源信息之间有价值的规律挖掘出来,找到影响学生报到率和生源质量优劣的因素,从而为学校的管理者科学的指导招生宣传工作、合理的制定招生政策提供帮助。本文从招生工作的实际出发,通过应用决策树和关联规则算法对学生的录取信息进行挖掘,分析研究影响学生报到率的因素。论文所完成的主要工作如下：1、研究探讨了数据挖掘的基础知识以及数据挖掘技术中的决策树和关联规则算法,并分别选取决策树算法中的ID3算法、C4.5算法和关联规则算法中的Apriori算法进一步研究分析,比较不同算法之间的差异。2、结合实际工作,对高职院校生源存档数据按照数据挖掘工作的要求进行数据预处理,保证后面的数据挖掘工作更高效、更可靠。3、对高职院校生源存档数据集分别运用C4.5算法和Apriori算法进行数据挖掘,并在WEKA平台上实现相关算法,得出相关规则和结论。通过对数据集使用上述两种不同的数据挖掘方法,可以分析研究存在于两种算法间的相关性、差异性,归纳出更符合实际需求的规则,从而为日后的招生工作提供帮助。