21世纪的今天,在经历第三代工业革命后,信息技术现已得到飞速的发展,各行各业信息技术都逐步走向数字化、信息化、自动化。为了走上信息化时代的潮流,各高校逐渐的将学生管理系统引入到校园,方便辅导员对学生进行管理,在一定程度上减轻了学校管理人员的工作负担。本文通过对各类院校的学生工作管理系统的调查分析后发现,近乎所有的学生工作管理系统都没对学生的行为特征进行智能分析的功能,只是对学生行为的表现结果进行了简单的查询,无法为辅导员提供方便快捷的管理学生工作环境。本文通过对学生的行为特征数据进行数据挖掘,完成对学生行为的分析。数据挖掘方法主要采用聚类分析方法,这里将学生分为最佳的几类,通过他们的行为特征来确定学生共有的特征来实现学生的特征分类,从而为辅导员提供专门的分类管理。本文中采用的是优化的Kmeans算法,通过计算得出最佳的聚类系数K,学生的各类成绩、奖学金额度、竞赛加分等几个主要的在校的行为特征作为Kmeans的聚类的六个维度,并加上量纲的矩阵系数对学生的行为特征进行聚类分析。最后通过对得出的几类学生进行行为特征的分析,得出他们同一类中共同突出的特征。期望通过本文的研究能够为学生行为分析工作提供具有价值的研究数据,为实现对学生进行分类和智能分析的功能做出自己的努力。