当今时代,高校数字化校园建设正在蓬勃发展中,它是教育信息化的关键步骤之一。国内各大高校依照自身的实际情况和建设目标都在不遗余力的进行数字化校园建设,众多高校展开了从校园建设到教学、科研、财务、后勤等全方位的数字化建设和升级,且成效显著。而在以人为本的数字化校园建设中,又提炼出了智慧校园的理念。在这一理念的指导下应运而生了更多形式多样、内容丰富多彩的高校信息化应用。移动校园应用就是一款以高校数字化建设成果为依托,为广大师生提供便捷、实用的校园学习、工作、生活讯息查询的移动终端应用。移动校园应用的推出受到了校内师生的肯定,同时仍有很大的改进空间。为了向移动校园应用的后续开发和优化改进提供科学依据,为了向师生用户提供更具特色、更符合需求和更具吸引力的数字化校园应用,本论文以移动校园应用的当前版本为基础,通过对其功能、数据来源和后台程序框架结构的深入理解,将应用涉及到的各类数据进行收集、筛选、提炼和整合,借鉴数据集市的概念建立了独立的分析用数据库。然后根据优化改进的目的和对应用数据的理解,拟定分析挖掘目标并在分析数据库中选取和组织相应数据,使用功能强大的数据分析软件Pentaho Bussiness Analysis和数据挖掘软件RapidMiner Studio,结合OLAP的数据立方体技术和数据挖掘中的关联规则、聚类算法、时间序列预测等经典理论,从用户行为分析的方向对移动校园应用面向的用户群体展开了用户属性特征描述和用户行为模式等不同角度多个主题的用户数据分析挖掘研究。最后,依据用户行为分析的相关结论,对移动校园应用的用户层优化提出改进建议并对基于关联规则的图书推荐功能中数据的获取进行了程序实现。同时为了提升移动校园应用的性能,对移动校园应用后台框架结构的双层数据抽取策略,即ODI数据集成的设置和后台程序中对JSON格式数据文件的存储和更新策略做出了较为详细的优化改进。