高职院校学生人数迅速增多,教学科目也大幅度增加,因此造成高职院校教学资源优化配置存在较大的困难。学生成绩数量较多,可以采用数据挖掘算法从海量成绩数据中挖掘出各门课程之间的影响关系,比如英语成绩好的学生能够更好地掌握国外先进的计算机技术,提高计算机学习水平,计算机考试成绩更好。有助于优化学校教学资源配置,指导教学管理,改变教师教学、学生学习的盲目性。传统的Apriori算法在高职院校成绩分析过程中,由于成绩数据记录较多,算法不能快速的获取有价值的信息。因此,本文针对这个问题提出引入二进制编码和剪枝的方法,提高Apriori算法的运行效率和关联规则挖掘的准确度。总结起来,本文的主要特色/创新点包括以下两个方面:(1)设计并实现一种改进的Apriori算法。随着高职院校成绩数据的增多,海量的数据会造成传统的Apriori算法运行时间长,数据库扫描次数多,无法满足人们实时的、高效的成绩知识利用率。本论文引入了二进制编码和剪枝的方法对Apriori算法进行改进,效率较原始算法有了显著提高,这在理论和实际中都有较大的意义。(2)将改进的Apriori算法应用到成绩分析系统中。成绩分析管理系统是本人所在高职院校信息化发展的重要成果,该系统采用B/S架构,实现成绩管理、课程管理、教师管理、学生管理及系统管理等功能,采用改进的Apriori算法发现基础课程与计算机综合课程之间、各门专业课程之间的关联性,对教学管理、课程的设置提供一些可行性的建议,最终达到提高教学质量的目的。