分层次教学是现代中等职业教育教学改革的热点，其中心思想是将对某门课不同学习能力的学生分成几个层次(组)，每个层次代表不同的学习能力，每个层次中的学生学习能力相似。针对每个层次的不同特点，创设“因材施教，分类指导”的教学环境，使每位学生通过学习都能有所收获。目前一般只能采用相关课程的成绩来衡量学生某方面的学习能力。由于影响专业课学习能力的相关先行课较多，而且影响力的大小也不同，所以在中等职业教学分层次教学中，专业课存在分组难的问题。目前还没有文献介绍比较科学、智能的分组方法，所以专业课分层次教学在中等职业学校基本上没有展开。 数据挖掘是从存在“噪声”的数据源中，提取隐含的、有趣的、潜在有用的模式或关系的过程。聚类和关联规则挖掘是数据挖掘重要的研究和应用方向。聚类是在不知类标记的前提下，对象根据最大化类内的相似性，最小化类间相似性的原则进行分类。而关联规则挖掘是发现数据项之间存在的有趣的关联或相互关系。 本文采用数据挖掘中的聚类来解决专业课分层次教学中分组难的问题，用关联规则挖掘的方法确定不同相关课程对分组的影响力即权重。 本文主要工作为：根据分层次教学这个实际应用问题的特点，通过对比分析各种算法，聚类采用基于划分的CLARANS方法。相似度度量采用加权的欧氏距离，通过加权来考虑不同相关课程对专业课分层的影响。 在关联规则挖掘时，由于所涉及的属性都是数值性的，所以先将数值属性离散化为区间，然后将量化关联规则挖掘映射为布尔关联规则挖掘，采用传统的Apriori关联挖掘的基本思想来确定相关课程与某专业课之间的相互关系，从而确定其在聚类中的权重。通过指定挖掘项目，约束挖掘搜索过程来消除Apriori存在的不足。 通过在模拟数据集上进行实验，证明了该分层次方法的正确性；并在实际数据上进行加权和不加权两组聚类实验对比，分析分层次结果，证明了该分层次方法的有用性。