随着高校教育体制的改革及学分制的推广,学生选课的自主性越来越大。但是学生在选课的过程中,由于对所选课程需要的基础知识认识不足,导致选课具有一定的盲目性。对此,通过对高校信息管理系统中学生历史成绩数据库进行基于关联规则的分析,得出课程之间的关联程度,进而获得所选课程的相关先修课程,使学生在选课过程中得到一些有意义的指导信息,在一定程度上避免其选课的盲目性。传统的关联规则主要是考虑称作置信度和支持度的阈值,但在学生选课指导系统的实际应用中发现仅考虑置信度和支持度时,存在挖掘出来的规则数量过多;只能得出两门课程之间有相关性,无法确定先修后继关系;产生大量弱关联规则,甚至误导规则等问题。本文研究了数据挖掘中的关联规则算法,主要研究内容和取得的成果如下:1.对经典的关联规则算法在学习指导体系中的应用进行了研究,并对其性能进行了比较和评估。2.研究了目前主流的关联规则算法,再分析其局限性的基础上,提出了基于相关系数的关联规则在学习指导系统中的应用。3.以本文提出的算法为基础,利用Microsoft Visual Studio 2005开发工具设计并实现了一个基于Windows操作系统的课程相关性挖掘平台。4.采用东北师范大学近六年的成绩纪录作为测试数据对算法进行测试,并与经典关联规则算法进行对比分析,结果表明基于相关系数的关联规则算法在解决挖掘课程相关性问题上是有效的,但是也存在一定的问题。最后论述了基于相关系数的关联规则算法在学习指导方面的发展前景。