决策支持系统是一门新兴的管理信息技术,能为决策者提供各种决策支持信息,可提高决策的质量和效率。数据仓库和数据挖掘是数据库研究、开发和应用的最活跃的分支之一,也是新型决策支持系统的关键技术。近年来,随着我国高等院校招生规模的不断扩大,知识的自动获取已成为制约高校招生进一步发展的“瓶颈”。因此,建立一个基于数据仓库和数据挖掘技术的高校招生决策支持系统,是具有理论意义和重要实用价值的。论文将数据仓库技术运用到高校招生决策支持系统中,分析利用高校招生系统数据仓库的需求,并结合两个实际的主题,给出了具体的设计及实施方案。论文的数据挖掘部分是由描述型挖掘模式和预测型挖掘模式两类构成的。前者采用的是一种基于模式增长的频繁模式挖掘FP-Growth算法,避免了大量候选项集的产生,只需要两次扫描数据库,效率比经典的Apriori算法快一个数量级。将FP-Growth挖掘算法结合到高校招生决策支持系统中去,最终形成了对招生决策有指导意义的关联规则。后者根据招生数据具有分类的预知性与离散性的特点,运用了朴素贝叶斯分类算法建立了考生填报志愿预测模型,完成了对未知样本数据集的分类预测,对招生决策的制定具有一定的价值。论文基于上述数据仓库和数据挖掘技术,在Microsoft Windows 2000 Server和Microsoft SQL Server 2000的系统环境下,使用Microsoft Visual Basic 6.0作为开发工具实现了高校招生决策支持的实验系统,得出了具有实际价值的结果。