在现实生活中，存在着许多对象需要综合评价。然而，常用的评价方法就是应用统计理论，并且只能对实时数据进行统计分析。由于使用评价方法的不尽合理，就造成评价结果的不公正。因此，研究综合评价方法具有较重要的理论与实际意义。本文讨论了基于模糊集理论上的模糊综合评价方法，给评价对象一个定量的综合评价结果；讨论了基于粗糙集理论数据挖掘技术上的综合评价方法，给评价对象一个定性的综合评价结果；把该理论应用到教师教学质量综合评价中，并取的较好的结果。本文的主要研究工作如下： 首先，对数据挖掘技术上的综合评价过程进行研究。传统的综合评价只能对时实数据进行处理，本文引入了数据挖掘中的数据仓库技术，由此可以对历史数据和实时数据集合起来进行分析处理。因此，综合评价过程分为针对不同的评价数据进行数据仓库的建立、评价数据的提取、评价数据的预处理、综合评价分析、输出评价结果等过程。 其次，对综合评价过程中数据预处理进行研究，特别是对空缺值的填补和属性值的离散化问题在研究。用改进的ROUSTIDA算法空缺值进行填补，用模糊聚类方法对属性值进行离散化。 再其次，对预处理后的数据进行分析研究。利用模糊综合评价技术进行综合评价，给每一个评价对象一个定量的描述。 最后，对基于粗糙集理论上的数据挖掘算法进行研究。把信息熵理论与粗糙集理论相结合，提出了条件属性相对于决策属性的相关性理论，把它运用到属性约简的搜索算法中，最后得到每一个评价对象的一个定性的描述。