由于大学招生计划的增幅越来越大,学生人数的增幅加大,给学校的教育管理带来了严峻的考验,而信息技术的发展使学校有了许多信息系统和数据库,用来存储学生的各种信息。这些系统和数据库中积累了不少数据,数据背后隐藏着没有被有效利用的信息,数据挖掘技术作为一种可以从数据中发现隐藏的数据规律或者模式的技术,就可以帮助人们有效利用学生数据。学校多年来累积了非常多的原始考试数据,对于这些数据,只是进行了简单的存储、查询,并没有对其中隐含的可能有价值的信息进行分析和利用。因此本文建议将数据挖掘技术应用到《计算机基础》的成绩分析中来得到其中对教育有有利影响的信息。本文研究理解了数据挖掘的相关知识,重点钻研了聚类分析和关联规则技术,通过对K-Means算法和Apriori算法理论的具体研究,设计适用于《计算机基础》数据的K-Means算法和Apriori算法,并将两个算法应用到《计算机基础》的成绩分析中。首先,选择数据源,本文的研究对象是2011级到2013级三个年级的《计算机基础》课程成绩,然后对原始数据进行预处理,例如数据集成和数据规约；第二,进行数据的K-Means聚类分析,依照学生成绩的分布特点确定k值和最初的聚类中心,得到聚类结果并对结果进行分析；第三,在对数据进行聚类分析得到聚类结果之后,为了进一步确定聚类结果的可信性以及确定学生的院系、各个题型的成绩、学生成绩三者之间的关系,应用Apriori算法找出所有频繁项集,进而得到有价值的关联规则,找出学生成绩的影响因素。通过将聚类分析和关联规则结合起来的方法对《计算机基础》成绩进行了数据挖掘,最后得到了有助于教学的信息,为教师教学提供了决策依据,期望以后通过这种方法对更多课程进行数据挖掘。