数据挖掘技术在校园卡消费系统中的运用

聚类分析简单地说就是将具有相似性的数据信息进行合理的归纳，相似的数据信息有很多共同的特性，但是不同的信息存在。很多差异性，聚类分析就是宏观的将这些不同的数据信息进行分析，找出他们之间的相互关联的点。

1.2关联分析

关联分析就是找出多个变量之间的必然的、符合一定规律的关联部分，目前我们被划分的关联关系有因果关联、时序关联以及简单关键三种关联形式。对产量之间的关联分析非常重要，在一定程度上也是为了找出还没有被发现的关联信息。

1.3分类

分类就是一些分类规则，主要是一种利用算法求数据的规则，一般情况下都是通过分类规则对具有同一特征得数据信息进行分类统计，并且对他们的特征性质进行描述，进而详细的接受这类数据的内涵和他们代表的所有的数据信息。

1.4预测

预测顾名思义就是对未来的一些数据信息的预测，预测主要是利用一些以往的数据信息，利用对他们归纳分析的数据特征和内涵，进而对未来的一些重要的数据信息进行推理和预测，从而投入到有效的应用中，预测是通过预测方差来确定其不准确度。

1.5时序模式

2具体的消费系统模型

2.1综合消费系统

2.2校园卡管理中心

系统功能:1）卡的整体管理：卡的整体管理单位非常广泛，其中包括卡加密、分类、重用、更改信息、信息查询、卡升级、卡流水查询等等。2）帐户卡管理：账户卡管理关系着持卡人的切身利益非常重要，包括开户、销户、修改信息、存取款、卡挂失解挂、冻结、解冻遗失卡、临时卡管理等。

3数据挖掘技术在校园卡消费系统中应用的意义

3.1改变管理模式，方便学生消费

利用数据挖掘技术在校园卡消费系统中的应用，很多高校都实现了学生消费信息化管理的模式，甚至建立了一卡通的消费模式，这不仅改变了学校管理学生消费信息的管理模式，可以快速准确的管理统计学生的消费信息很大程度上减少了学生消费管理的工作量，并且提高了其工作质量。更有效的改善了学生的消费，方便学生消费。比如说，校园卡的适用范围非常广泛，银行借记卡：ATM机提取现金、圈存机上圈存、银行的特约商户消费；学生管理：注册、注销、报道、成绩管理；身份识别：图书馆、计算中心、校医院、体育中心；交费：学费、住宿费、其他费用、上机、医疗、校内公交车、设备领用；用餐：餐厅、食堂、快餐店；购物：百货商场、自选商场、零售商店、书店、教材部；娱乐：俱乐部、娱乐中心、体育中心。

3.2节省多种资源，降低成本

4数据挖掘技术在校园卡消费系统中的应用

4.1提高高校对数据挖掘机求在校园卡消费系统中应用的重要性

4.2高校对数据挖掘技术在校园卡消费系统中的应用

就目前情况而言，大部分高校的校园卡都是进行一些日常消费，而校园卡消费系统就是利用数据挖掘技术有效的外学生消费的信息中提取有质量、重要的信息，并且更深层次的分析数据，找到关键数据。数据挖掘技术可以实现传统数据管理方法无法实现的功能，需要开通联机服务，并且其能够管理统计以及分析提取的信息量非常巨大。

4.3利用校园卡对学生图书馆借阅信息进行数据挖掘

4.4利用校园卡系统，对学生出入情况进行数据挖掘

高校门禁管理子系统通常会将学生出入的情况记录整理，通过数据挖掘技术将学生出入有门禁管理的地方并且通过针对目的将重要的数据信息挖掘出来。

5结束语

本文重点介绍了数据挖掘技术概念以及其在校园卡消费中的有效应用，总之，数据挖掘技术对于校园卡消费系统有着非常重要的作用，我们要顺应时展的潮流，熟练掌握数据挖掘技术的具体概念，准确分析数据挖掘技术在校园卡消费系统中的应用特征，并且认真分析其在校园卡消费系统中的应用现状，充分认识到认识到其中存在的问题，重视这些问题，并且采取有效的措施解决这些问题，加强数据挖掘技术在校园卡消费系统中的有效应用，提高各校园学生的管理质量和效率。