根据上述给出的思路，写出一个MATLAB实现上述要求的程序

当然，下面是一个基本的MATLAB程序框架，用于实现您所描述的功能。请注意，这只是一个简单示例，您可以根据实际需求进行调整和扩展。

% 数据准备
% 假设学生成绩数据保存在一个名为"grades.csv"的文件中，每一行包含学生ID和8门课程成绩
data = readmatrix('grades.csv'); % 使用readmatrix函数读取数据，请确保文件格式正确

% 数据预处理（可根据实际需求进行离散化等操作）

% 设置关联规则分析的参数
minSupport = 0.1; % 最小支持度阈值
minConfidence = 0.5; % 最小置信度阈值

% 使用Apriori算法进行关联规则分析
frequentItemsets = apriori(data, 'MinSupport', minSupport); % 使用apriori函数找出频繁项集
rules = rulesForApriori(frequentItemsets, 'MinConfidence', minConfidence); % 根据频繁项集生成关联规则

% 计算兴趣度
interest = calculateInterest(rules, data); % 自定义函数，根据频繁项集和关联规则计算兴趣度

% 结果展示
% 可以根据需要将结果以表格、图表等形式展示出来
disp(frequentItemsets); % 显示频繁项集
disp(rules); % 显示关联规则
disp(interest); % 显示兴趣度

% 自定义函数：根据频繁项集和关联规则计算兴趣度
function interest = calculateInterest(rules, data)
    % 在这里实现计算兴趣度的逻辑
    % 可以根据频繁项集和关联规则的支持度、置信度等信息进行计算
    % 返回一个兴趣度矩阵或向量
end

请注意，在上述代码中，我使用了一些MATLAB内置函数（如`readmatrix`、`apriori`）和自定义函数（如`calculateInterest`），这些函数需要根据您的实际情况进行实现或调整。此外，您还需要根据实际数据的格式和处理需求进行相应的修改。

希望这个框架对您有所帮助，如果有任何进一步的问题，请随时提问。