随着计算机和互联网技术的飞速发展,人力资源管理已经实现现代科学化管理。然而传统的数据统计方式无法满足政府或企业在人才引进、培养、储备等工作上的需求,为此利用数据挖掘技术发现人力资源管理系统中的隐含规律,为政府或企业提供决策支持,成了政府和企业迫切关心的问题。本文从研究人力资源管理系统的模型架构和数据仓库的设计出发,将集成思想与开源Weka接口相结合,提出基于多种决策树算法的组合分类器模型。改进了基于规则分类和蚁群算法的数据挖掘模型,将其成功应用于人力资源管理系统的数据挖掘中,得到了理想的分类效果和有效的决策支持。本文的创新工作主要包括:1.提出了人力资源管理系统的业务架构设计方法,并将数据仓库理论与人力资源管理系统相结合,设计了基于主题的人力资源数据仓库以及相应的系统结构。2.在Weka平台上采用加权投票方式设计了基于多种决策树算法的组合分类器。在对人力资源管理系统中数据进行仿真后发现,由组合分类器得到的分类准确率要优于单个分类器的结果。3.为了平衡Ant-Miner算法的收敛速度和全局搜索能力,本文对算法中的确定性选择概率和挥发系数进行了动态自适应设计,并用UCI公共数据库中的数据集验证了改进算法的有效性。此外,该算法也在人力资源管理系统中获得了有效的分类规则。