随着数据库技术的迅速发展以及数据库管理系统的广泛应用,各行各业积累了大量的历史数据,而这些激增的历史数据中往往隐藏着很多重要的信息。如何从历史数据中及时发现有用的知识,从而挖掘出其潜在的价值,提高其利用率,是信息处理技术研究领域的一项重要课题。作为其解决方案,近年来数据挖掘(DataMining,DM)技术迅速崛起。以省为单位,每年高考志愿信息相关记录高达数百万条,分布存储在省市的多个数据库中,这些数据规模巨大,蕴涵丰富的决策信息和知识,开发这些宝贵的信息资源,是服务高招录取工作,指导考生科学地填报志愿的一项重要任务,是目前迫切需要解决的问题之一。本文以数据挖掘技术为数据分析手段,根据高考志愿数据的特点和平行志愿投档方式下考生的自我定位原则,对高考志愿及相关数据进行了分析和研究,提出了一个基于数据挖掘技术的考生志愿风险评估模型,并给出了相应具体的算法和解决方案。具体的有以下几个方面的工作。1.对考生志愿相关数据进行预处理。2.灵活运用决策树C4.5算法并进行改进,针对该算法易忽略小数据量属性的缺点和为提高稀少样本精度,使用属性递归优化与经验优选策略相结合的方法;同时提出了能进行增量学习的C4.5算法处理方法,生成非平衡数据集下的决策树,设计一个志愿分析的分类器。3.根据考生填报志愿时自我定位的实际情况,合理的选择K-Means聚类算法的初始中心,使用K-Means聚类算法对院校等信息进行聚类,对高考相关数据进行知识挖掘,获取其中规律性的潜在信息。4.建立一个考生志愿风险评估模型,根据考生的成绩、科类、报考的专业和学校等情况对高考录取情况进行预测,得出平行志愿投档方式下每个志愿较有可能被录取的多个院校和该院校下的志愿风险系数,提供给高考填报志愿考生。据此所开发的“考生志愿风险评估系统”通过对过去三年的河南省高考志愿相关数据进行实验测试,与当年高校实际录取情况分布基本吻合,有理由相信,这些测试结果对来年考生在填报志愿时有着很好的参考价值。