进入21世纪以来,随着高等教育的普及,社会对高等教育需求的不断增大,国民对素质教育和学历的需求也在不断地提高。我国的高职教育的规模得到了急剧的扩张,目前高职教育的规模已经达到了高等教育将近一半的比例。高等职业教育作为高等教育的有机组成部分和高等教育的重要组成部分,显得尤为重要。我国对高职教育培养的学生定位在于应用型技术人才,即高职的培养目标是对技能型和实践性人才的培养。随着信息社会的迅速发展,工作类型也越来越多样化。传统的人才培养方式虽然在一定程度上保证了高职院校毕业生的就业率,但其存在的缺陷以及学生对自己的不合理认知,使得学生的就业质量不高,职业稳定性不好。而在高等职业技术院校的培训阶段,根据学生的具体情况对其发展趋势做出预测并做出方向上的指引具有重要的意义。因为这将不仅有助于学生明确学习、就业的方向,而且可以让他们清楚地了解自身的缺点。同时,这也可以提高学生的学习效率,使学生的学习方法更具针对性。此外,对学生的发展趋势做出相应的分类预测和规划指引,将会对高职教育人才的有效培养,提高资源利用率,提升就业质量有很大的帮助。因此,预测高职学生的发展趋势已成为亟待解决的问题。在研究期间,本文对我国高职院校计算机相关专业的培养方案和教学模式进行了调研和总结。通过调查问卷的方式收集了2017、2018届毕业生的相关数据,对收集来的数据进行预处理,定性定量的规划高职院校学生的发展方向和影响学生发展方向的因素,并利用收集到的数据高职院校学生的发展现状加以说明和数据分析。在此基础上,本文对数据挖掘和聚类分析进行深入的研究,根据不同的应用领域和不同的聚类方式对聚类算法加以对比、筛选。本文选择K-Means算法作为学生发展预测的核心算法,并引入对应的特征属性选择、均衡判别函数及RBF神经网络来对K-Means算法加以改进和优化。本文分析了现有模式和资源的优缺点,以广东亚视演艺职业学院学生发展的问题与需求为导向,经过对近五年的毕业生的问卷调查和在校生学习情况的反馈,利用聚类算法对高职毕业生的基本个人信息和就业情况进行数据分析。在大量数据样本分析的基础上,根据优化以后的K-Means算法构建学生发展预测模型,使之能够适用于高职学生发展趋势的预测,并对该模型设计了预测结果对比试验。根据试验结果表明,本文构建的高职学生发展预测模型在实验检测阶段的准确性高达90%左右,能满足高职学生发展预测的需求,为高职院校的学生规划未来发展的方向。