标杆分析作为一种绩效管理的有效方法，已在多个行业得到越来越广泛的应用。现有的研究多集中在一些传统的优化模型的直接应用，已产生如随机前沿面分析、数据包络分析等一些标杆分析技术。数据挖掘技术已被广泛应用于数据特征提取等信息处理领域并取得众多成果。将数据挖掘技术引入到标杆分析中，可以减少不良数据和人们对数据的主观认识对分析结果的一些影响，能够满足复杂情形下的分析需求。但由于国内起步较晚，相应的综合型人才不足，这方面的研究成果还很少。而在此基础上将标杆分析用于地方高校绩效评估和教学管理应用的研究则更少。基于此，论文首先讨论了标杆分析的相关基础理论，研究了一些经典的数据挖掘算法及其原理。然后结合地方高校教学管理需求，将数据挖掘方法有机融入到标杆分析中，用于地方高校绩效评估，丰富地方高校教学管理的理论和方法。论文主要工作如下：(1)研究了模糊c-均值聚类算法的主要思想，并结合标杆分析中需要合理选择标杆集的需求，建立了基于FCM的标杆集优化选择模型，并给出了求解算法，进行了算法复杂度分析；(2)研究了主成分分析的主要思想和数据包络分析中的几个典型模型，对于指标集过多不易分析的情形，建立了PCA-DEA混合模型，用于满足复杂绩效评估和分析的需要；(3)对某大学排行榜的部分数据和一些高校发展数据进行了分析，得到了备选标杆集的指标数据，结合所建立的模型，进行了两种情形（积极标杆分析和保守标杆分析）下的标杆集优化选择；(4)在获得的优化标杆集基础上，分别利用已有的DEA-WEI模型和所建立的PCA-DEA模型进行了地方高校绩效评估。结果表明，PCA-DEA能取得更有意义的结果，为提高教学管理水平提供新的数据支持。