数据挖掘技术具有的从大量数据中挖掘出有用知识的特点，应用在管理信息系统中，为高层管理者提供了制定下一步工作策略的依据，由此管理信息系统也发展到具有决策支持功能的系统。预测分析在管理信息系统中占有很大的比重，而预测模型同样也是数据挖掘技术中的重要组成部分。 一般来说，预测过程中以决策树和神经网络为基础的分类模型和基于回归方程的模型使用率最高。但是它们并不能满足所有实际问题的需要。决策树通常用于预测数据对象的类标识，而回归问题经常解决线性问题。随着数据挖掘应用领域不断扩展，根据实际需要产生的、作为原有成熟模式和算法的补充，新的模式和算法不断涌现并被用于分析及解决问题。本文将介绍一种新的预测模型，它以随机过程理论中N阶转移概率的概念为基础，并结合最小置信度及调整矩阵对模型进行约束，最终得到预测结果。 本文以教务管理信息系统中选课预测子系统为背景，将预测模型应用到实际中，在对数据库中历史选课记录分析的基础上，对未来选课趋势进行预测。对历史选课数据进行预处理，提取出满足条件的记录组成数据挖掘数据库。根据建立预测模型的基本思路，从数据库中依次求出预测需要的各类数据，并以最小置信度作为约束条件对数据进行精简，最终得到转移概率矩阵。由于预测过程受各种客观因素影响，因此建立了调整矩阵，目的是将各类客观因素同时考虑，避免预测的片面性。利用转移概率矩阵，最后得到未来选课的趋势。根据预测结果，就可以在课程设置中合理安排备选课程，尽可能满足学生选课需要。 数据挖掘技术在选课系统中应用，无疑具有更实际的意义，它保证了学生尽可能地汲取各类知识，扩宽其在不同知识领域的修为。