随着数据挖掘技术的发展和普及,人们可以更便捷的从海量数据中挖掘出更重要的信息和发现事物之间存在的潜在规律,利用这些挖掘得到的深层次信息可以做出更有利的决策。校园一卡通系统在高校信息化和智慧校园的发展过程中已经得到了很广泛的普及应用,在校师生可以通过校园一卡通完成就餐、购物、洗浴、上网、打水、借阅图书、进出图书馆和宿舍等行为,此系统在给学生和教职工带来便利的同时也积累了海量的流水数据。如何有效的利用这些学生的日常行为数据,帮助学生提升成绩并养成良好行为习惯已经成为了高校越来越重视的研究内容。为了有效使用学业预警的方式来帮助在校大学生顺利完成学业,为了帮助教育管理者对学生学业发展做出更具科学依据的决策,本文基于我校的校园一卡通数据,从三餐消费时间、消费金额、图书馆打卡频率和借阅图书数量等可能影响到学生成绩的因素入手,对此类学生行为数据和学生成绩数据进行数据预处理、关联分析和结论归纳。本文所做的工作分为以下几个方面:首先,本文选择了对直接揭示事务间关系的关联规则算法进行重点研究,针对Apriori算法需要多次扫描事务数据库、产生大量候选项集、连接过程繁琐等不足,提出了一种基于矩阵的改进算法,在减少事务数据库的扫描次数、优化连接操作和删除非频项集操作等方面对算法进行了改进,并通过实验与传统Apriori算法进行了性能对比分析,验证了此改进算法有更高的效率。此外,在使用改进的Apriori算法对预处理后的校园卡数据挖掘可以得到:成绩优秀学生和成绩落后学生存在不同的行为习惯,而且成绩优秀的学生中有规范早餐习惯、规范午餐习惯、频繁去图书馆、借阅图书习惯等行为的学生占比明显大于成绩落后的学生中此类行为的学生占比,并且考试挂科的学生中有规范早餐习惯的学生占比远小于成绩优秀学生中有规范早餐习惯的学生占比。教学管理者可以重点关注规范时间内早餐行为、去图书馆及借阅图书等情况都较少的学生,此类学生成绩落后或者出现挂科的几率要大于其他学生,辅助学生取得较好成绩并顺利毕业,以达到学业预警、督促学生学业发展的目的。