姜 楠 许维胜

（同济大学电子与信息工程学院，上海 201804）

基于数据挖掘技术的学生校园消费行为分析

姜 楠 许维胜

（同济大学电子与信息工程学院，上海 201804）

校园一卡通系统通过对各种信息、资源的有效集成、整合和优化，能够实现学校对信息的有效配置和充分利用。文章采用数据挖掘技术针对学生校园消费活动的管理分析方面进行深入研究，首先通过数据预处理技术提取相关消费特征，并采用一种优化的K-means聚类算法，将学生分为几类，分析行为特征，以便高校学生工作人员分门别类的进行学生管理,最后将聚类结果输入决策树分类模型进行评估，以评价聚类结果。

数据挖掘；k-means算法；一卡通消费数据；行为特征；决策树

1 引言

随着学校数字化和信息化的深入发展，校园一卡通系统得到了广泛应用和高度重视，是高校信息化程度的重要标志。高校管理是以学生为主体的一种客户关系管理，通过提取一卡通数据库中相关学生数据进行用户行为分析，来挖掘其中潜在有用的信息和知识，极大地推动了学生管理工作的高效运行，且实现了校园各种信息和资源的高度集中和融合。数据挖掘作为一种从海量数据中挖掘潜在知识的技术，已经在科学研究、商业等很多领域得到广泛应用。将数据挖掘技术应用于高校人力资源管理，能充分发挥现有数据的作用为决策服务。国外对学生一卡通数据分析起步较早，且进展迅速。例如加拿大湖首大学的学生行为分析系统，可以根据学生最近发生的行为定期向学生发送一封邮件来指导学生下一步的学习计划和生活计划，该系统已经可以高效的对学生行为进行分析并及时报告辅导员进行处理。……