随着高校的不断扩招，学生数量越来越大，传统的学生成绩分析方法是基于绝对分数的评价，这种方法存在一定的缺陷，不能充分反映学生原始成绩中蕴涵的信息，已不适应深入分析的需要。本文将数据挖掘中的聚类技术引入到学生成绩分析中，可以找到影响学生成绩的内部原因及其他一些结论，有利于有针对性地提高教学质量。<br> 针对传统K-均值算法中初始中心点选取存在的缺陷，将Huffman树构造的思想用于优化初始中心点的选取，改善传统K-均值聚类算法容易陷入局部最优而非全局最优的不良结果，并将该改进的聚类算法应用到学生成绩划分中。
NETL
NSTL
万方数据
