伴随着中国全面信息化时代的来临,应用到高校“一卡通系统”中的事项越来越多,包含餐厅、浴室、图书馆门禁、图书借阅。一卡通系统的数据库中储存着海量的数据,但这些数据中隐藏着大量能够反映学生行为、习惯等的重要信息。随着大数据时代的到来以及数字化校园的普及,越来越多的学者开始注意到各大高校中的这部分数据。本文主要是研究并完成一个基于校园一卡通的应用数据分析系统,主要研究并运用聚类算法以及关联规则算法,以西南科技大学一卡通数据为基础,进行数据分析、处理。在已有的K-means算法基础上针对k值以及聚类中心点的选取做出改进并将其定义为VW-K-means算法,此次改进首先在算法初始化阶段加入Vorono i图,再对数据进行简单的处理,最终使其自主的去选取聚类中心点以及k值;然后为了确保在运行过程中可以把数据对象更快的聚类到距离最近的簇中,同时也为了能够更精确地区分出每个数据对像之间的不同,在基于Voronoi图的改进的算法上又使用加权平均值法将其准则函数加以改进,得到。并对比K-means算法以及TDKM算法,评估其聚类精度。在算法改进之后,本文提出系统详细设计需求,并完成了数据分析系统的设计,包括数据源层、数据处理层、数据仓库层以及数据服务层。利用SQL Server 2005 Analys is Services对数据源进行集成、转换、载入,然后建立数据仓库,对一卡通的消费数据进行剖析,最后采用数据可视化技术,将分析的数据结果直观地展现在用户面前。本文所完成的系统在功能上,主要有浴室分析、餐厅消费、图书馆进出及借阅分析、贫困生预测四个模块。本文把数据仓库、OLAP(Online Analytical Processing)以及数据挖掘等技术相结合,充分的运用到西南科技大学的一卡通系统中。利用相关的数据挖掘算法深入的挖掘一卡通数据库中隐藏的数据知识,是我国智慧化校园建设中必不可缺的一部分。同时,也为更为成熟的高校数据分析系统打下了基础。通过越来越成熟的数据挖掘技术,我们可以从中挖掘出各种有价值的信息,以供高校管理层充分了解师生的在校情况,做出更有利于学校管理的决策。