高校由人事管理到人力资源管理的转变是赢得竞争力的必然趋势。高校人事管理信息化积累了越来越多的历史数据，迫切需要一种技术来发现隐藏在数据背后的有价值的信息。数据挖掘的研究为开掘这种数据资源提供了可能，它能对繁杂的数据进行有效地组织，通过公正客观的统计和分析，快速而正确地找出隐含的模式，准确地掌握未来动态。 本文针对高校人力资源管理工作的实际需要，对数据挖掘技术、数据仓库技术在高校人力资源系统中的应用进行了较为深入、系统的研究。 本文首先对回归分析等相关技术进行了研究，结合高校教师人数预测这一回归挖掘任务，重点分析了基于最小二乘法的多元线性回归分析方法，并对多元线性回归方程和回归系数的显著性检验方法进行了详细论述，进而采用这种方法设计了高校教师人数回归挖掘算法。 本文对经典关联规则挖掘算法进行了研究和总结，详细分析了Apriori算法的不足和性能瓶颈，并以此作为突破点改进了Apriori算法，以用于对师资队伍结构进行关联规则挖掘。改进算法借助SQL技术直接生成频繁项集，省去了传统算法中创建候选集的步骤。另外，改进算法结合具体应用，扩展了布尔型关联规则挖掘算法，允许用户选择挖掘属性，并在挖掘前不需对现有关系型表结构进行转换。在对关联规则进行评价时，改进算法在原有“支持度-置信度”框架基础上，加入了影响度，避免了高置信度的误导规则的出现。 本文还探讨了数据仓库的设计、实施方法，并详细论述了设计、建立高校人力资源数据仓库的整个过程。通过对现有数据和多维数据建模方法的分析，本文设计了高校人力资源数据仓库的概念模型、逻辑模型和物理模型，并利用OWB工具及SQL技术完成了数据仓库的构建工作。 最后，本文利用高校人力资源数据仓库提供的良好挖掘环境，将回归挖掘、关联规则挖掘应用于高校人力资源系统中，建立了高校教师人数预测模型，分析了教师数据间相互关联的深层信息，为高校师资队伍建设提供了参考和依据。