数据仓库和数据挖掘是数据库研究、开发和应用最活跃的分支之一,也是决策支持系统的关键因素,数据仓库是一个支持管理决策过程的、面向主题的、随时间而变的数据集合,它是集成的,也是稳定的。数据挖掘是采用人工智能的方法对数据库和数据仓库中的数据进行分析、获取知识的过程。它们的结合能更好地为企业或有关部门不同范围的决策分析提供有力的依据。在网络应用环境和趋势发生变化的今天,“中国的校园网建设正在从‘万兆校园网’向‘数字化校园网’过渡”,在这一过渡期中,现阶段的建设主题正由带宽、链路等“硬主题”向数据集中、数据整合、应用与管理智能等“软主题”迁移,一个新的教育信息化建设时代正在来临,将从过去的“基础网络核心时代”逐渐跨入到“数据核心时代”。如何在大量数据中发现所隐含的规律,从而应用这些规律去指导学校的工作,数据挖掘技术无疑将在这当中起着越来重要的作用。本文主要探讨了基于数据仓库的数据挖掘技术的基本理论和实施方法,探索了数据挖掘分类方法和聚类方法。结合学生信息管理系统,改进分类方法中的决策树算法并应用于英语四级成绩分析,实现聚类方法中的k-平均算法和k-中心点算法并应用于学生毕业情况分析,从而挖掘出潜在的学生发展相关规律,为大学学生信息管理、决策提供科学依据。以往的学生信息管理系统,多半是OLTP系统,缺乏综合分析、辅助决策的能力,并且对其历史积累的海量信息中隐含知识的利用无能为力。通过在学生信息管理系统中的具体挖掘实践,得到了许多有价值的信息,这些知识在帮助学校更好地进行学生的培养,对学生表现情况的掌握以及课程的安排等方面无疑具有重要的指导意义。