基于聚類算法的學(xué)生消費(fèi)行為分析研究和應(yīng)用

1、|TechniquesofAutomation2.新疆農(nóng)業(yè)大學(xué)網(wǎng)絡(luò)中心新疆烏魯木齊830052)摘要:本文以新疆農(nóng)業(yè)大學(xué)學(xué)生一卡通消費(fèi)數(shù)據(jù)為基礎(chǔ)通過使用不同的聚類算法分別研究和分析本校民、漢學(xué)生的消費(fèi)行為習(xí)慣。首先對(duì)數(shù)據(jù)源進(jìn)行預(yù)處理其次通過對(duì)三種距離度量方式的優(yōu)化Kmeans聚類算法進(jìn)行對(duì)比選出較好的一組進(jìn)行分析最后分析聚類結(jié)果并獲取知識(shí)。本研究實(shí)現(xiàn)了對(duì)校園一卡通系統(tǒng)數(shù)據(jù)進(jìn)行數(shù)據(jù)挖掘的初步探索和相關(guān)研究的開展不僅為學(xué)校相關(guān)部門的決策提供

2、了有用的參考信息也為將來構(gòu)建完整的數(shù)字化數(shù)字校園決策支持系統(tǒng)提供了實(shí)踐經(jīng)驗(yàn)和實(shí)現(xiàn)方法。關(guān)鍵詞:kmeans算法距離度量方式一卡通平臺(tái)數(shù)字校園中圖分類號(hào):TP317.1文獻(xiàn)標(biāo)識(shí)碼:A文章編號(hào):10037241(2017)12003205AnalysisResearchApplicationofstudents’ConsumeBehaviBasedonClusteringAlgithmYOUXiangru1WANGYe2YANGShu1WA

3、NGbin2(1.CollegeofComputer2.ThewkCenterXinjiangAgriculturalUniversityUrumqi830052China)Abstract:Byusingdifferentclusteringalgithmthestudentshabitsofconsumebehaviisstudiedanalysed.Firstdataarepreprocessed.Secondlythrought

4、heoptimizationofthreekindsofdistancemeasureKmeansclusteringalgithmtocompareabettersetischoosed.Finallytheclusteringresultsisanalysedknowledgeisobtained.Thisstudyrealizesthecampusonecardsystemdatapreliminaryexplationdatam

5、iningresearchnotonlyprovidesanusefulreferenceinfmationfdecisionmakingftherelatedleadershipalsofthefuturetobuildacompletedigitalintelligentdecisionsupptsystemfcampus.Itprovidesthepracticalexperiencerealizedmethod.Keywds:K

6、meansalgithmdistancemeasureallinonecardplatfmdigitalcampus基金項(xiàng)目:基于本體的林產(chǎn)品WEB信息資源抽取與表征研究大數(shù)據(jù)下高校管理決策與商業(yè)智能協(xié)同機(jī)制研究自治區(qū)自然科學(xué)基金(編號(hào)2014211B023)校前期資助課題(編號(hào)XJAU201426)收稿日期:20169121引言近年來隨著校園數(shù)字化和信息化的不斷發(fā)展校園一卡通系統(tǒng)受到了廣泛應(yīng)用國(guó)內(nèi)多所高校已經(jīng)建成了自己的校園一卡通系統(tǒng)

7、。該系統(tǒng)的使用極大地推動(dòng)了學(xué)校有關(guān)部門對(duì)學(xué)生的日常行為活動(dòng)的管理工作的高效運(yùn)行。一般校園一卡通系統(tǒng)具有用戶數(shù)量龐大、每日交易量大、單筆交易金額小等特點(diǎn)[1]。這些數(shù)據(jù)中蘊(yùn)含著豐富的知識(shí)如果對(duì)其進(jìn)行有效地統(tǒng)計(jì)、分析、挖掘就可以發(fā)現(xiàn)相關(guān)人員消費(fèi)的一些特點(diǎn)與規(guī)律。2相關(guān)研究2.1研究現(xiàn)狀2010年李珊娜[2]在北京交通大學(xué)校園一卡通平臺(tái)的基礎(chǔ)上在分析學(xué)生行為和就餐消費(fèi)習(xí)慣中介紹了對(duì)校園一卡通系統(tǒng)的數(shù)據(jù)挖掘的初步探索結(jié)果。2013年張佳[3]的

8、數(shù)據(jù)挖掘技術(shù)在校園一卡通系統(tǒng)中的應(yīng)用研究中已經(jīng)實(shí)現(xiàn)利用數(shù)據(jù)挖掘方法為助學(xué)金發(fā)放提出了科萬方數(shù)據(jù)|TechniquesofAutomationP值最小的是MinkowskiDistance用時(shí)最小的是CityBlockDistance。因?yàn)閷?shí)驗(yàn)數(shù)據(jù)規(guī)模不是很大所以三者時(shí)間上的差距不是很明顯故可以重點(diǎn)考慮迭代次數(shù)和P值的情況。對(duì)于聚類結(jié)果來說P值越小類內(nèi)對(duì)象相似度越高類間對(duì)象相似度就會(huì)越低。所以對(duì)于漢族學(xué)生的數(shù)據(jù)來說后續(xù)實(shí)驗(yàn)將選擇基于Min