随着信息化办公的日益推进,智慧校园成为了当今校园建设的主题,并且取得了一定的成果,一卡通在高校中的普及就是一个很好的例子。然而随着一卡通在高校中的普及,校园中产生了丰富庞大而独立的数据,如学生的消费数据,上网、门禁、成绩等这些来自不同数据源的数据。由于这些数据与学生的学习生活有着密切的联系,因此如何挖掘这些数据背后隐藏的信息,缓解“数据爆炸,知识贫乏”的局面,提高数据利用率,适时提供预测性和指导性的信息已经成为智慧校园建设一种迫切的需求。鉴于以上需求,本课题基于B/S架构设计并实现了一种可视化的智慧校园数据挖掘平台,实现了后勤相关的挖掘,学生相关的挖掘和教务相关的挖掘三大数据挖掘模块,并实现了数据挖掘结果可视化表达。此外,本课题研究了数据挖掘技术及其算法,为不同模块的功能选取了合适的数据挖掘算法。针对C4.5分类算法碎片多、过度拟合、效率低下的缺点,提出了三种改进策略,结合这三种改进策略对C4.5算法进行了改进,减少了分类碎片,提高了效率。在学生相关的挖掘模块实现了基于改进的C4.5算法的学生分类的分析,在教务相关挖掘模块实现了基于k-means算法的消费聚类分析和基于Apriori算法的成绩关联分析,结果表明智慧校园数据挖掘的有效性,并说明了学生成绩与学生的出勤、上网、消费等信息是密切相关的。