高校教务管理工作是高等教育中的一个极为重要的环节，是整个高校管理的核心和基础。纵观以往的教学管理系统，多半是联机分析处理(即OLAP)系统，缺乏综合分析、辅助决策的能力；且对其历史积累的海量信息中隐含知识的利用无能为力。在此利用数据挖掘理论实现教务数据挖掘。本文首先探讨了数据挖掘技术的基本理论和主要算法，对教务数据挖掘的现状进行了研究和总结；主要研究了数据挖掘中主成分分析法和贝叶斯k近邻算法的应用。本文在毕业学生综合成绩评定中采用主成分分析法，通过去掉各分析因子之间的相关性，在保持信息量的同时，减少了分析指标，从而降低了计算量。本文在毕业生就业方向预测中采用了主成分分析和贝叶斯k近邻分类法，采用毕业生成绩作为特征数据，通过主成分分析降低特征数据维数，通过贝叶斯k近邻算法实现分类即职业方向预测。本文采用的贝叶斯k近邻算法与传统k近邻算法相比，可以通过贝叶斯学习和马尔可夫链蒙特卡罗算法确定算法参数，不需假设参数因而使分类结果更稳定。文中给出的仿真实验结果证明利用主成分分析法和贝叶斯k近邻算法的结合具有较好的并能够预测出较适合学生的职业。通过在教务系统中的具体挖掘实践，得到了许多有价值的信息。这些信息可以促使更好地完成毕业学生综合成绩评定、学生就业指导、省计算机二级机考考试成绩预测等工作。以便促进学校更好地发展，培养未来社会需要的多样化的人才。