k-means算法在校園一卡通平臺中的應用

張秀玲

（長春金融高等專科學校現(xiàn)代教育中心 吉林 長春 130012）

1 引言

校園一卡通在校園卡中心儲存了大量的數(shù)據(jù)信息，這些數(shù)據(jù)信息涵蓋了餐飲、上機、借閱等。由于這些數(shù)據(jù)信息是學生自己使用產(chǎn)生的，所以對這些信息的研究分析有助于學校了解學生的需求，更有助于學校的建設和管理。下面對k-means算法在校園一卡通平臺中的運用進行分析與論述。

2 k-means算法與校園一卡通概述

2.1 k-means算法

k-means算法出現(xiàn)于1960年，其也被人們稱作K均值聚類算法，其是由MacQueen提出來的。伴隨理論分析持續(xù)加深以及計算機技術的持續(xù)發(fā)展，這一算法發(fā)展成經(jīng)典數(shù)據(jù)挖掘算法，隨后出現(xiàn)了一部分聚類算法均是根據(jù)這個算法所提出改進的。由于此算法于數(shù)據(jù)結構、時間耗費、儲存方面有著一定的優(yōu)勢，所以諸多聚類過程均使用此算法。k-means算法原則為：對給定數(shù)據(jù)對象集X，將數(shù)據(jù)對象至聚類中心點之距離和當成聚類準則函數(shù)，經(jīng)過求準則函數(shù)極小值迭代，將數(shù)據(jù)對象劃分至聚類個數(shù)時C的類內(nèi)，同時促使各類內(nèi)部數(shù)據(jù)對象相似性較高，而不一樣的類中的數(shù)據(jù)對象不相關性較大[1]。

2.2 校園一卡通

由于受到時代發(fā)展所影響，學校需要使用適當?shù)募夹g進行管理。對計算機管理系統(tǒng)為基本的卡片的使用十分普及，學生采用各種卡片于校園日常生活中很普遍。可是以往的校園卡片功能較少，學生日常生活要攜帶諸多卡片，例如餐飲、圖書證、學生證等，為學生生活造成了不便，該校園管理模式具有很多不足：（1）未完成對現(xiàn)代化校園的管理；（2）為學校管理系統(tǒng)帶來了負擔；（3）學校管理成本增加；（4）為學生帶來了麻煩。對現(xiàn)代化校園管理而言，其需要具有的特征是：信息傳遞效率高、管理相當精細，如此對高校教育教學而言是百利而無一害的。而校園一卡通的出現(xiàn)就有效解決了上述問題，可以促使校園管理水平提升，實現(xiàn)管理精細化，提高信息傳輸?shù)乃俣取Ｒ豢ㄍㄊ墙?jīng)過把IC卡當成重要信息載體，非常適合在校園消費和開展管理網(wǎng)絡系統(tǒng)。IC卡的出現(xiàn)為學生帶來了方便，可以實現(xiàn)生活消費等多方面的功能，有效代替了以往多張卡的使用方式。與此同時，IC卡和銀行互聯(lián)，能夠在學校中與學校之外的銀行網(wǎng)點進行現(xiàn)金提取和消費，大大提高了校園信息化管理水平[2]。

3 k-means算法的不足與優(yōu)化

3.1 不足

（1）k-means算法對初始簇個數(shù)K有一定的依賴性。因為不一樣的K值對算法效率與聚類結果有影響，因此K值的確定必須要用戶根據(jù)需要且通過很多實驗才可以確定。

（2）k-means算法對選取的初始簇中心相當敏感。根本原因在于k-means算法為任意抽取初始聚類中心點的，如此一來很大幾率會產(chǎn)生迭代次數(shù)大與迭代收斂最優(yōu)解的現(xiàn)象，倘使真正發(fā)生這種事情，則統(tǒng)統(tǒng)無法獲取到最優(yōu)解聚類成效[3]。

（3）k-means算法對孤立和噪音對象較為敏感，該情況會將最后的聚類結果質(zhì)量降低，一般在運用過程中，這一算法大部分使用在發(fā)現(xiàn)球狀簇。

通過以上的分析，我們可以了解到，聚類成效好不好很大概率取決于簇內(nèi)與簇間對象密集度，假使簇內(nèi)對象密集度高，則聚類成效是很不錯的。本次研究采取處理初始聚類中心優(yōu)化方式，可以大大削弱由孤立點與噪音點帶來的影響。與此同時，對點群中心聚類法加以分析，比較選取比較好的點群中心聚類優(yōu)化k-means算法，這樣一來，可以達到類內(nèi)密集度高和類間密集度低的效果。

3.2 優(yōu)化

于初始聚類中心選取問題方面，以往的k-means算法是于樣本數(shù)據(jù)中心隨機抽取K個對象當成初始簇中心，如此會產(chǎn)生初始簇中心太過集中或無法均勻分布于樣本數(shù)據(jù)集中，最終造成數(shù)據(jù)收斂需要的迭代次數(shù)增多，進而陷進局部最優(yōu)解，對最終的聚類效果帶來不良影響。為防止出現(xiàn)該種情況發(fā)生，此次實驗根據(jù)具體狀況對初始簇中心選擇進行了優(yōu)化，讓簇中心可以均勻分布樣本數(shù)據(jù)集中，防止孤立點與噪音點影響，繼而提高算法魯棒性[4]。

優(yōu)化以后的算法雖于CH指標中聚類成效未達到理想中的效果且低于別的優(yōu)化前試驗平均值，可是于Dunn指標以及XB指標分析過程中，優(yōu)化以后的聚類效果明顯。因而此聚類分析實驗使用優(yōu)化以后的k-means算法展開數(shù)據(jù)挖掘應用。

3.3 點群中心聚類方式

于聚類分析過程中，選取不一樣的點群中心聚類法，那么聚類效果也是不同的。以往的k-means算法使用了Euclidean Distance度量對象彼此間的聚集程度，這一點群中心聚類法對噪音與孤立點有一定的敏感性，與此同時通常僅能發(fā)掘球狀簇。因而，對不一樣的數(shù)據(jù)，要根據(jù)實際情況使用不一樣的點群中心聚類方式的k-means算法處理問題。此次實驗對幾種點群中心聚類法作了對比，按照原始數(shù)據(jù)的差異性，使用不一樣的點群中心聚類法，如Euclidean Distance、CityBlock Distance、Minkowski Distance。

此次將在學生熱水消費聚類實驗過程中，合理運用基于以上三種點群中心聚類的優(yōu)化k-means算法展開聚類分析。

4 實驗與結果

4.1 數(shù)據(jù)預處理

（1）學生歷年熱水消費。現(xiàn)如今，校園一卡通平臺系統(tǒng)中有很多刷卡記錄，在這里諸多數(shù)據(jù)源自學生平時的熱水消費刷卡記錄，同時每天都在增加。根據(jù)這部分數(shù)據(jù)中挖掘隱藏規(guī)律，為優(yōu)化學校資源配置提供重要依據(jù)，是當前高校有關部門的需求。因為數(shù)據(jù)庫里面有很多數(shù)據(jù)，這些數(shù)據(jù)量大、冗余度較高，因而必須要展開數(shù)據(jù)預處理，挑選與整理出適于算法的數(shù)據(jù)集合。以某高校為例，對其在2015年—2017年學生熱水消費金及其次數(shù)進行了分析。

（2）熱水消費數(shù)據(jù)特點屬性量化。按照需求分析，為有效提升數(shù)據(jù)挖掘質(zhì)量，所見算法分析時間，提高實驗結果精準度，因此本次實驗選擇2017年11月學生熱水消費171330條記錄作為樣本數(shù)據(jù)，以此實現(xiàn)綜上目標。

4.2 聚類選擇

此次實驗主要是針對校園一卡通內(nèi)容之一，即學生熱水消費數(shù)據(jù)情況的分析，經(jīng)過合理采用點群中心聚類優(yōu)化化k-means算法，全面分析高校學生熱水消費實際情況，繼而經(jīng)過對比Euclidean Distance、CityBlock Distance、Minkowski Distance，我們可以從中發(fā)現(xiàn)，這些方法的迭代次數(shù)是一致的，沒有差別，其中ED花時少，MD的P值最小。經(jīng)過整理和歸納，可以得到ED方式在學生熱水消費數(shù)據(jù)聚類成效好得多，故而選取采用ED優(yōu)化K-means算法得到令人滿意的結果。

4.3 結果分析

經(jīng)過比較幾種點群聚類方法可以了解到，此次實驗將使用基于ED的優(yōu)化k-means算法，分析與探索學生熱水消費情況。根據(jù)業(yè)務需要，把聚類個數(shù)設置成五類，經(jīng)過比較分析可以得到：一類熱水刷卡行為80%分布于洗浴中心二、三層，刷卡行為多在當月中旬，時間多為中午。二類熱水刷卡行為分布于二、三層，刷卡行為多在二層，行為發(fā)生于當月中旬。刷卡行為記錄較多，刷卡行為概率大。三類刷卡行為分布于二層，當月刷卡行為在中旬，時間是下午，刷卡金額中等。四類熱水刷卡行為分布于洗浴中心一、二層，當月刷卡行為在中旬，刷卡行為在下旬，時間為下午，刷卡金額中等偏上。

因此，按照以上分析可以知道，根據(jù)POS機使用狀況，發(fā)現(xiàn)一、二層POS機使用率高，三層使用率較低，在當月中，全部的刷卡行為多出現(xiàn)在中旬，在每日中，全部的刷卡行為出現(xiàn)在中午。

5 結語

校園一卡通平臺是數(shù)字化校園的基礎工程，本文對于某高校學生熱水消費數(shù)據(jù)的聚類分析，僅僅是校園一卡通平臺中的一部分。校園一卡通系統(tǒng)平臺涵蓋了很多有價值的信息，還有待持續(xù)研究與探索。