k-means算法在校園一卡通平臺中的應(yīng)用

張秀玲

（長春金融高等?？茖W(xué)?，F(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(jī)、借閱等。由于這些數(shù)據(jù)信息是學(xué)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(xué)校了解學(xué)生的需求，更有助于學(xué)校的建設(shè)和管理。下面對k-means算法在校園一卡通平臺中的運(yùn)用進(jìn)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(jī)技術(shù)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(jìn)的。由于此算法于數(shù)據(jù)結(jié)構(gòu)、時間耗費(fèi)、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(diǎn)之距離和當(dāng)成聚類準(zhǔn)則函數(shù)，經(jīng)過求準(zhǔn)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(guān)性較大[1]。

2.2 校園一卡通

由于受到時代發(fā)展所影響，學(xué)校需要使用適當(dāng)?shù)募夹g(shù)進(jìn)行管理。對計算機(jī)管理系統(tǒng)為基本的卡片的使用十分普及，學(xué)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(xué)生日常生活要攜帶諸多卡片，例如餐飲、圖書證、學(xué)生證等，為學(xué)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(xué)校管理系統(tǒng)帶來了負(fù)擔(dān)；（3）學(xué)校管理成本增加；（4）為學(xué)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(dāng)精細(xì)，如此對高校教育教學(xué)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(shí)現(xiàn)管理精細(xì)化，提高信息傳輸?shù)乃俣取Ｒ豢ㄍㄊ墙?jīng)過把IC卡當(dāng)成重要信息載體，非常適合在校園消費(fèi)和開展管理網(wǎng)絡(luò)系統(tǒng)。IC卡的出現(xiàn)為學(xué)生帶來了方便，可以實(shí)現(xiàn)生活消費(fèi)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(xué)校中與學(xué)校之外的銀行網(wǎng)點(diǎn)進(jìn)行現(xiàn)金提取和消費(fèi)，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?yàn)椴灰粯拥腒值對算法效率與聚類結(jié)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(shí)驗(yàn)才可以確定。

（2）k-means算法對選取的初始簇中心相當(dāng)敏感。根本原因在于k-means算法為任意抽取初始聚類中心點(diǎn)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(jié)果質(zhì)量降低，一般在運(yùn)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(diǎn)與噪音點(diǎn)帶來的影響。與此同時，對點(diǎn)群中心聚類法加以分析，比較選取比較好的點(diǎn)群中心聚類優(yōu)化k-means算法，這樣一來，可以達(dá)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(jī)抽取K個對象當(dāng)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(jìn)而陷進(jìn)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(shí)驗(yàn)根據(jù)具體狀況對初始簇中心選擇進(jìn)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(diǎn)與噪音點(diǎn)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(biāo)中聚類成效未達(dá)到理想中的效果且低于別的優(yōu)化前試驗(yàn)平均值，可是于Dunn指標(biāo)以及XB指標(biāo)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(shí)驗(yàn)使用優(yōu)化以后的k-means算法展開數(shù)據(jù)挖掘應(yīng)用。

3.3 點(diǎn)群中心聚類方式

于聚類分析過程中，選取不一樣的點(diǎn)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(diǎn)群中心聚類法對噪音與孤立點(diǎn)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(shí)際情況使用不一樣的點(diǎn)群中心聚類方式的k-means算法處理問題。此次實(shí)驗(yàn)對幾種點(diǎn)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(diǎn)群中心聚類法，如Euclidean Distance、CityBlock Distance、Minkowski Distance。

此次將在學(xué)生熱水消費(fèi)聚類實(shí)驗(yàn)過程中，合理運(yùn)用基于以上三種點(diǎn)群中心聚類的優(yōu)化k-means算法展開聚類分析。

4 實(shí)驗(yàn)與結(jié)果

4.1 數(shù)據(jù)預(yù)處理

（1）學(xué)生歷年熱水消費(fèi)?，F(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(xué)生平時的熱水消費(fèi)刷卡記錄，同時每天都在增加。根據(jù)這部分?jǐn)?shù)據(jù)中挖掘隱藏規(guī)律，為優(yōu)化學(xué)校資源配置提供重要依據(jù)，是當(dāng)前高校有關(guān)部門的需求。因?yàn)閿?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(yù)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(xué)生熱水消費(fèi)金及其次數(shù)進(jìn)行了分析。

（2）熱水消費(fèi)數(shù)據(jù)特點(diǎn)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(shí)驗(yàn)結(jié)果精準(zhǔn)度，因此本次實(shí)驗(yàn)選擇2017年11月學(xué)生熱水消費(fèi)171330條記錄作為樣本數(shù)據(jù)，以此實(shí)現(xiàn)綜上目標(biāo)。

4.2 聚類選擇

此次實(shí)驗(yàn)主要是針對校園一卡通內(nèi)容之一，即學(xué)生熱水消費(fèi)數(shù)據(jù)情況的分析，經(jīng)過合理采用點(diǎn)群中心聚類優(yōu)化化k-means算法，全面分析高校學(xué)生熱水消費(fèi)實(shí)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(xué)生熱水消費(fèi)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(jié)果。

4.3 結(jié)果分析

經(jīng)過比較幾種點(diǎn)群聚類方法可以了解到，此次實(shí)驗(yàn)將使用基于ED的優(yōu)化k-means算法，分析與探索學(xué)生熱水消費(fèi)情況。根據(jù)業(yè)務(wù)需要，把聚類個數(shù)設(shè)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(dāng)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(dāng)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(dāng)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(dāng)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(jī)使用狀況，發(fā)現(xiàn)一、二層POS機(jī)使用率高，三層使用率較低，在當(dāng)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(jié)語

校園一卡通平臺是數(shù)字化校園的基礎(chǔ)工程，本文對于某高校學(xué)生熱水消費(fèi)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。