数据挖掘技术在校园卡消费系统中应用研究摘要：现阶段，随着信息技术的不断发展与成熟，信息化建设已经越来越多的应用到校园网络信息平台的建设中来，这就为进一步发展和研究数据挖掘技术提供了一定支持。本文就结合数据挖掘技术为例，对其在校园卡消费系统中的相关应用进行探究与讨论。关键词：信息化建设数据挖掘技术校园卡消费系统：TP311文献标识码：A：1007-9416（2014）01-0079-01当前，校园卡消费系统逐渐成为一种先进的高校现代化管理方式，其消费数据涉及到诸多方面，比如就餐、购物费、淋浴费以及洗衣费等等。校园消费卡主要依托银行网络以及校园网络，并借助IC智能卡的主要功能，来构建一个全面、完整的校园卡消费系统。虽然系统内部包含诸多统计分析模块，但对于其中的海量数据信息也只能实施简单的统计分析，无法做出更为系统、整体的数据分析、挖掘。文章主要基于数据挖掘技术，对校园消费卡系统进行介绍与讨论。1数据挖掘数据挖掘其实就是指从诸多不够完整存在模糊的数据中提取一定信息与知识的过程，由于这类信息、知识大都不被人们所熟知，所以常被隐含在海量数据中。随着信息技术的日益成熟与发展，人们所使用、积累的数据量不断增加，如何在海量的数据中提取去所需的、高质量的、有效的数据信息已成为当务之急，基于此背景之下，数据挖掘技术应运而生且迅速发展开来。从本质上讲，数据挖掘技术的任务主要是聚类分析、关联分析以及分类、偏差分析以及时序模式等。文章就从以下几方面对介绍数据挖掘的主要任务：（1）聚类分析。这里所讲的聚类分析就是将相关数据依据其相似度进行归纳划分，其中相同的数据之间存在相似性，而不同数据之间则存在差异。应该说聚类分析所建立的是一种宏观的概念，主要从数据的实际分布模式以及数据之间的不同属性来寻找、发现各数据之间的相互关系。（2）关联分析。所谓关联就是指两个或者更多变量之间存在一定规律特点。这种关联数据在当前使用的数据库中属于可被发现且极为重要的知识。根据一定标准，可以将关联划分成为因果关联、时序关联以及简单关联。从目的上讲，该类关联关系分析主要是为了进一步查找数据库中未被发现的关联网。支持度以及可信度是目前度量关联规则的重要阀值。（3）分类。当前分类大都是通过规则以及决策树模式来表示，它利用对同一类型概念的进行描述，来对其内涵进行介绍，并代表该类数据的所有信息。分类其实就是一种分类规则，而这一规则主要是为运用一些算法求取数据。（4）预测。所谓预测是指从以往历史数据中总结出一些变化规律，并据此构建相应的模式，然后再对未来数据种类及特征进行预测、推测。预测过程中大都使用预测方差来判定预测的不确定性以及精准度。（5）时序模式。其实时序模式就是指利用已知数据来对未来值进行预测和判断。利用时间序列来对发生率、重复率进行搜索。一般来说，所预测的未来值之间最大的区别在于它们自身所处的时间不同。（6）偏差分析。一般来说，数据库中包含了各式各样的数据，也存在诸多异常情况，因此若能在数据库中及时发现数据异常情况，对于整个数据库的运行以及数据挖掘都有着非常重要的作用。此外偏差中包含诸多许多有用的信息与知识，所以寻找观察结果与参照数据间的差异是检验偏差的基本方法。2校园卡研究现状随着校园卡信息管理系统的逐渐成熟与完善，进一步提升了校园信息化管理水平，就目前来看，校园卡信息管理系统作为一种先进的信息化工具，已经被广泛应用到各高校的校园信息化网络建设中，但从当前调查结果来看，只有少部分学校充分发挥了校园卡的诸多功能，大部分学校还只是局限于消费管理上面，像身份识别以及信息查询等诸多功能都未得到有效的利用和开发。而导致校园卡无法充分发挥其功能的原因主要是各大高校的信息化管理水平相对低下，且校园内部的日常运行管理机制也存在较多问题。应该说，当前学校的建设与发展离不开现代化管理措施，因此校园卡不能仅仅是作为学生或者教师的消费工具使用，更应发展成为整个校园的通行证。从某种程度上讲，校园卡能够通过先进的科学技术将所需的射频功能以及数字化管理理念融入到校园网络中，并且能够帮助高...