近年来,高等职业教育迅速发展,从规模上,高等职业教育已.经占到了半壁江山；但从结构上,它还远没有形成；从质量和效益来看,50%以上的高职院校刚刚建立,高等职业教育还处在摸索阶段。因此高等职业教育体系还未完成。同时,随着高等职业学校扩招和学校的发展,一些学校积累了大量的数据,如学籍管理、成绩管理、就业管理等。但由于缺乏信息意识和技术,管理人员只能通过简单的统计或排序等功能获得表面的信息,而隐藏在这些数据中的信息一直没有得到应用。如何对这些数据进行重新利用,将现有的数据转化为可供使用的知识,提高学校的管理水平和办学质量,是很多高职院校正在考虑的问题。数据挖掘技术就是为解决这个问题而产生的,针对数据挖掘技术的研究,国内外已经取得了许多令人瞩目的成就,并成功地应用到了许多领域,但在教育领域中的应用并不广泛。本课题利用北京信息职业技术学院丰富的教育经验和大量的极有价值的数据资料,紧紧抓住职业教育和就业两个中心,利用数据挖掘技术探索信息类高职教育规律,并在研究的基础上建立一个高等职业教育数据挖掘系统。该系统包括四个功能模块：第一,学生特征分析模块,该模块利用本文提出的基于遗传的自适应模糊C均值聚类算法(GaFcm-Genetic Algorithms Fuzzy C-Means)对学生聚类并对聚类结果进行系统分析；第二,成才因素分析模块,该模块利用C4.5决策树算法建立就业影响因素模型,从而挖掘出哪些课程对学生成才因素就业有较大的影响；第三,学生就业预测模块,该模块建立了基于主成分分析的决策树就业预测模型,利用该算法能够根据学生成绩信息预测学生就业是否与专业相关的情况；第四,生源质量分析模块,该模块利用遗传聚类算法和支持向量机分类方法建立了基于学生信息的大学表现预测模型。