在高职院校的教学管理中,特别是学生成绩管理工作中,每年产生大量的学生成绩数据,但对这些数据的处理还停留在简单的数据备份、查询及简单统计阶段,并没有对这些成绩数据进行深入的分析,找到有利于教学管理的信息,这是对教学信息资源的浪费。数据挖掘技术正是解决这个问题的可行而有效的方法。数据挖掘是一个新兴的边缘学科,经过十几年的努力,数据挖掘在许多领域都取得了广泛的应用。本文着重研究了数据挖掘分类算法,对决策树ID3算法、C4.5算法的理论进行了详细的介绍和分析,通过对各种常用分类算法的比较研究,总结了各种分类算法的优点和缺点,为选择使用C4.5决策树算法提供了依据。针对C4.5算法计算量大的缺点,利用高等数学中的等价无穷小原理提出了改进的C4.5算法,减少了计算量,提高了构造决策树的效率,并用UCI中的数据集对C4.5算法和改进后的C4.5算法进行了对比试验。为了使数据挖掘中的决策树算法应用在高职学生的成绩分析中,提出了决策树算法在高职院校学生成绩分析中的应用方案,构建了成绩分析模型;并对学生成绩数据库中的成绩进行了数据清理、数据转换、数据削减等数据预处理,处理了空缺数据、将连续值属性离散化,建立了数据挖掘数据库。使用改进后的C4.5决策树算法生成决策树,由决策树产生分类规则,从分类规则中找出影响高职学生学习成绩的主要因素,为学院教学管理部门和教师有针对性的提高教学质量提供有力的数据支持;对高职院校计算机应用技术专业的课程设置体系进行了简单的探讨。