随着高校信息化建设的不断深入,大学在利用信息化所聚集和累积起来的数据方面,有了更高的需求,“校园一卡通”、共享数据库等全局校园信息平台的建设为数据挖掘提供了数据基础。本文在深入分析研究数据挖掘相关技术的基础上,将其应用于“校园一卡通”消费流水数据分析,进一步挖掘了解学生的消费水平和消费规律,对辅助贫困生资助管理工作决策分析有着一定的现实意义。本文研究了数据挖掘相关技术,重点分析了K-均值方法,Apriori关联规则挖掘方法在校园卡消费流水挖掘中的相关应用。首先,针对校园一卡通消费流水数据量大、维数多的特点,选择数据源,进行数据预处理,着重阐述如何将校园卡流水数据表与相关数据表中的信息数据通过数据清理、数据集成以及变量选择与转换等手段,将其准备成为可供后续数据挖掘过程运算的基础数据。其次,采用文献检索法找到研究消费水平的指标,根据这些指标以及学生校园一卡通消费特点建立学生消费水平指标模型,以模型中的学生消费强度、学生食堂就餐率两个指标,比较学生消费水平差异,用K-均值算法对所有学生消费水平进行聚类,将学生消费水平分为四大类别。最后,利用Apriori关联规则挖掘K-均值聚类结果频繁规则,根据挖掘出的关联规则知识的结果,解决贫困生评价工作实践中的难题,为贫困生认定机制提出建议。研究表明将数据挖掘应用于校园一卡通数据分析,并将这些分析结果协助学校贫困生认定辅助决策是可行的,同时挖掘的知识结果也为预警、监测已认定的贫困生情况奠定坚实的基础。