摘  要： 數據挖掘是適應信息社會從海量的數據庫中提取信息的需要而產生的新學科。它是統計學、機器學習、數據庫、模式識別、人工智能等學科的交叉。以往的數據挖掘技術的應用大多是在金融領域，而在其他領域里面應用不是很多，如在高校招生中的應用更是如此。數據挖掘技術對招生工作的深層研究與挖掘將會得到各高校的更多重視。以某高校招生數據作為招生信息為依據，對高校招生的關聯規則進行分析。從而對關聯性規則的應用作進一步的研究。
關鍵詞： 關聯規則；Apriori算法；置信度；支持度；建模

1 民辦高校招生的現狀分析
　招生工作一直是民辦學校最重要的工作，民辦學校在招生上的投入占一年總支出的很大部份，采用的招生方式也在不斷的更新，使用新方法，新模式。但同時也會發現，有些方式方法并不能解決招生問題，浪費了有限的資源，得不償失，主要表現在招生成本高、沒有嚴格的招生機制，宣傳模式單一等。歸根原因是沒有找到適合本校的招生方法與模式，而要能做到這一點，必須要對招生工作做一個詳細的研究，根據以住招生的情況，總結分析，找出問題所在點和發光點，為招生工作更好的方式提供有力的依據。
2 Apriori算法分析
2.1 挖掘關聯規則的主要步驟
　步驟1：發現所有的頻繁集。項集的頻度至少應等于（預先設置的）最小支持度。關聯規則的整個性能主要取決于這一步。
　步驟2：根據所獲得的頻繁項集，產生相應的強關聯規則。這些規則必須滿足最小置信度閾值。
2.2 Apriori算法
　Apriori算法是挖掘產生關聯規則所需要的頻繁項集的基本算法，是數據挖掘領域里面常用的一種關聯規則挖掘算法。該算法利用一個層次順序搜索的循環方法來完成頻繁集的挖掘工作。這一循環方法就是利用（k-1）-項集來產生k-項集，具體的做法是首先找出頻繁集I-項集，記為L1；然后利用L1來挖掘產生L2，即頻繁2-項集，如此循環往返，直到無法發現更多的頻繁k-項集為止。在每一層挖掘產生Lk時，都需要對整個數據庫掃描一遍。Apriori算法利用Lk-1來生成Lk。

　

3.2 利用spss Clemention建模
　利用spss Clemention工具建立模型，本例用2012年入學數據與2013年入學數據進行比較，得出兩年的地區與是否報到的關聯性分析，建模如圖3所示。

3.3 設置最低條件支持度，最小規則置信度，最大前項數
    在2012年的數據中，設置最低條件支持度為8.0，最小規則置信度60.0%，最大前項數為5，得到的數據分析結果如圖4所示。

　如果把2013的規則支持度和置信度設置和2012相同，結果如圖5所示。
3.4 地區與是否報到關聯規則結果分析
　根據圖4和圖5進行比較，B（云南大理）和D（云南昭通）地區的學生報到是趨于正常的發展，在2013年招生中，A（云南昆明）、C（云南曲靖）和E（云南麗江）加大了招生宣傳，取得了非常明顯的效果，那么在2014年的招生宣傳中，還需要在A、C、E地區保持一定的宣傳投入，在B和D地區可以適當減少招生投入。
　一個學校生源的多少決定了它規模及發展。特別是在民辦高校，“招生就是一切”，招生中不僅要數量、質量也是發展的關鍵。民辦院校在不同的發展時期會有不同的發展策略，在不同的歷史時期院校也就有不同的招生策略及隊伍建設適應發展的需求。因此，只有在清楚制定了院校發展戰略規劃后，才能順理成章地制定出院校人力資源需求、發展、策略、培訓、擴建和儲備計劃。充分把數據挖掘技術利用在招生工作中，將對個高校的招生工作提供決策支持，對高校的招生成本的整合具有深遠的意義。
參考文獻
[1] 趙祖應，丁勇.基于Apriori算法的購物籃關聯規則分析[J].江西科學，2012（1）.
[2] 王嵩巖.基于數據挖掘的關聯規則研究[J].吉林省經濟管理干部學院學報，2008，22（1）：80-82.
[3] 朱建平，謝邦昌.數據挖掘中關聯規則的提升及其應用[J].統計研究，2004（12）：34-39.
[4] 姚俊.淺談關聯規則挖掘[J].信息技術，2005（6）.
[5] 劉柱文，李麗琳.關聯規則技術在數據挖掘中的應用[J].科學技術與工程，2008（6）.
[6] 譚建豪，章兢.數據挖掘技術[M].北京：中國水利水電出版社，2009.
[7] 劉世平.數據挖掘技術與應用[M].北京：高等教育出版社，2010.