21世纪初,随着高校规模的不断扩大,随之带来高校教师资源紧张、生均资源利用率低、高校教育经费问题等相关的问题。随着信息技术的发展,高校同时积累了大量的相关高校数据,通过采用高效的数据挖掘技术对大量的高校人力资源相关的历史数据进行分析,得到其中有关联价值的关系和规律。首先,对数据挖掘的相关概念进行了概述。扼要的介绍了数据挖掘常用的技术人工神经网络、遗传算法、决策树算法等。本文介绍了BP神经网络的结构、学习算法流程、及算法的局限性和改进措施等。将BP神经网络应用到高校生师比的模型的验证和预测。重点论述了优化算法中的遗传算法和粒子群算法的学习流程和结构设计。为优化BP神经网络奠定了基础。其次,本文从研究高校人力资源规模为出发点,介绍了高校人力资源中生师比的相关概念,收集了辽宁省近十余年的高校人力资源相关数据,采用MATLAB7.0软件对高校生师比建立模型,在建模前需要对数据预处理,包括数据的量纲化、归一化处理、主成分分析等相关工作。通过大量相关的实验验证,确定了BP网络模型中隐含层神经元的个数,最终确定训练网络的合理结构。本文分别研究了综合、师范、民族院校；工科、农、林院校；医学院校三大类高校的生师比。并对三大类的高校的生师比指标进行验证和分析。并将遗传算法优化BP神经网络和粒子群优化BP神经网络建立的模型应用在三类高校生师比中。对比分析上述模型的预测精度和相对误差。最后,介绍了相关的预测模型方法,对高校生师比运用滚动预测方法来预测未来几年内高校生师比的变化趋势。最终根据高校生师比的预测来分析未来几年内高校人力资源的规模和利用率的情况。