数据挖掘是从大量数据中提取可信的、新颖的、有效的并能被人们理解的模式的高级处理过程。关联规则挖掘用于从大量数据中揭示项集之间的有趣关联或相关联系，是数据挖掘的一项重要研究内容，在现实生活中有着广泛的应用。 学生学籍管理系统中存在着大量学生学习成绩信息，我们希望采用数据挖掘中的方法对成绩数据进行分析，获取相关信息供教学部门参考。本文是在学生成绩聚类分析的基础上，采用FP-Growth算法分析聚类结果中的学生簇(反映学生学习趋势)与该簇学生所具有因素的关联关系，从而分析影响学生学习成绩的因素。 本文主要开展并完成了以下研究工作：(1)深入了解关联规则挖掘的理论与研究现状，重点研究了FP-Growth算法，在对FP-Growth算法分析的基础上提出了一种改进策略，提高了挖掘效率，并通过实验验证了改进算法的有效性；(2)将改进的FP-Growth算法应用到学生成绩关联分析系统中，通过对每簇学生的因素采用FP-Growth算法分析，得出学生学习成绩波动起伏与学生因素间的关联关系，进一步分析得出影响学生学习的主要因素，包括学习主动性、个性特征等；(3)了解可视化技术在数据挖掘中的研究与应用，并采用三维图形显示影响学生学>-j的因素及相关因素间的关联关系。 本文采用改进的FP-Growth关联挖掘算法分析影响学生学习的因素，较采用统计分析技术能更深一步得出因素间的关联关系，提高了挖掘效率，挖掘结果对有关教学部门也有一定参考意义。