文档介绍：数据挖掘技术在校园卡消费系统中应用研究
摘要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
中图分类号：F014. 5文献标识码：A
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：
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。
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。
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。
预测
所谓预测是指从以往历史数据中总结岀一些变化规律，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。
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