4.3学生消费等级划分
从管理学上讲，占学生群大约20%的贫困学生，实现消费额度往往只占到学生消费总额的不到10%，而我们数据挖掘的其中一个主要目的就是将这部分真正的贫困生挖掘出来，给与政策上的补助。表1为某季度校园卡消费状况及学生分类表。
表1 某季度学生分类及消费额状况
| 学生类别 |
学生比例 |
消费额 |
消费额比例 |
| 1 |
50% |
186,961.94 |
61.4% |
| 2 |
12% |
67,408.90 |
22.1% |
| 3 |
22% |
40,882.35 |
13.4% |
| 4 |
16% |
9,296.57 |
3.1% |
通过挖掘得到的表，我们了解到不同的学生消费的额度差别是很大的，根据学生的消费额度，来给出学生的分类来判断哪些学生是贫困生有较为有效的依据。本文中，我们均采用前述的C均值算法对校园卡消费系统学生用户进行分类。
5.小结
本文重点介绍了基于OLAP构建校园卡消费系统数据挖掘模型的方法，提出了一种WEB下基于OLAP和数据挖掘技术的校园卡消费系统挖掘算法，并分析了数据挖掘实现的过程。通过对校园卡消费额度的分类分析，从中找出了学生中的贫困生群体，给学校领导的决策系统的技术支持。
【参考文献】
[1]张兵兵等.数据挖掘在校园一卡通系统中的应用初探[J]. Journalof Mathematical Medicine, Vol.22.No.5.2009.
[2]Zhaohui Tang,Jim Yang. Performance Study of Microsoft Data Mining Algorithms. Microsoft Corporation,2001.
[3]戈华. 客户关系管理的聚类分析研究 [C].哈尔滨工程大学，2003.
[4]查欣.数据挖掘技术在人力资源统计信息系统中的应用研究[C].暨南大学,2007.
|
