1、隨著計算機技術和數(shù)據(jù)庫技術的快速發(fā)展，人們采集數(shù)據(jù)的能力有了很大的提高，并積累了大量的數(shù)據(jù)。通常僅僅對這些數(shù)據(jù)做簡單的查詢、編輯工作，然而這些數(shù)據(jù)中隱含了大量對人們有價值的知識、模式以及規(guī)律等。人們?yōu)榱双@取這些潛在的信息以指導生產、生活，應運產生了數(shù)據(jù)挖掘技術。數(shù)據(jù)挖掘又稱為數(shù)據(jù)庫中的知識發(fā)現(xiàn)，是指從大量的、不完全的、有噪聲的、模糊的、隨機的數(shù)據(jù)中提取人們感興趣的知識。從數(shù)據(jù)挖掘概念的提出到現(xiàn)在，數(shù)據(jù)挖掘技術已得到了廣泛研究，并且已經在

2、商業(yè)、金融、醫(yī)療等領域得到了成功地應用。
　　 近年來，隨著高校研究生教育制度的改革與發(fā)展，以及大學生就業(yè)難的問題日益突出，導致了全國各高校研究生招生規(guī)模的不斷擴大，招生方式也趨于多元化、自主化，而且各高校之間的競爭也日益激烈。為了擴大學校的規(guī)模，高校紛紛降低錄取門檻，導致出現(xiàn)社會對研究生教育質量的不信任態(tài)度。因此，如何提高高校研究生質量已經成為招生單位急于解決的問題。研究生招生是研究生教育整個周期的最初階段，其招生質量為提高后

3、續(xù)研究生培養(yǎng)階段質量奠定了基礎。因此，可以借助于數(shù)據(jù)倉庫和數(shù)據(jù)挖掘技術，通過其中的關聯(lián)分析和決策樹分類算法，找出研究生招生質量中有價值的信息，為高校的決策者提供有力的支持。
　　 本文在分析數(shù)據(jù)挖掘的研究現(xiàn)狀、數(shù)據(jù)倉庫技術、關聯(lián)規(guī)則算法以及決策樹算法的基礎上，主要進行了以下幾方面的研究工作：
　　 (1)研究學習了數(shù)據(jù)倉庫和數(shù)據(jù)挖掘的理論知識，主要包括數(shù)據(jù)倉庫中數(shù)據(jù)的組織、數(shù)據(jù)倉庫的構建、數(shù)據(jù)挖掘概念、數(shù)據(jù)挖掘技術的主要

4、內容、處理過程、應用領域以及數(shù)據(jù)挖掘技術的各種算法，并選取適合于本課題的數(shù)據(jù)挖掘算法。
　　 (2)結合主題“D大學考生來源分析”詳細地介紹了數(shù)據(jù)倉庫的構建、基礎數(shù)據(jù)的準備，包括數(shù)據(jù)抽取、數(shù)據(jù)清洗、數(shù)據(jù)轉換，以及多維數(shù)據(jù)集的建立。
　　 (3)介紹了數(shù)據(jù)挖掘技術在考生對初試科目的選擇、某大學的調劑生以及推免生分類中的應用。通過分析考生對初試科目的選擇，以期發(fā)現(xiàn)每門科目的設置是否具有合理性以及預測考生的選擇結果；通過對某大