现阶段，第三代工业革命过后，随着信息技术的发展，社会各个方面都在向数字化、信息化、自动化的方向发展，顺应时代的潮流，学工管理系统在所有的高校中都已经广泛的应用于管理学生的相关信息，以达到更加方便的管理学生，辅助老师更加便捷的进行学生工作的管理。但是，近乎所有的学工管理系统对所有的学生都是相同的对待，没有智能的分析他们在校园活动过程中的行为特征，从而不能方便高校辅导员进行“因材施教”，不能更加便捷的专门去管理学生工作。因此，本文选择了对学生校园活动过程管理分析方面进行深入研究，通过对学生的行为特征进行数据挖掘，采用聚类分析的方法，将学生分为最佳的几类，并通过行为特征来确定这一类学生的共有的特征来达到将学生按特征分类管理的效果，以便高校辅导员进行专门的分类管理。本文主要采用优化的K-means算法，通过计算得出最佳聚类K值，通过学生的智育成绩、贫困生程度、奖学金额度、德育成绩、体育成绩和竞赛加分这六个主要的在校的行为特征作为K-means的聚类等六个维度，并加上量纲的矩阵系数对学生的行为特征进行聚类，最后通过对得出几类学生进行行为特征的分析，分析出他们一类中共同突出的特征，便是本论文所要研究的关键。通过对学生校园活动管理分析，本文找到了人为分析，统一管理，聚类分析一些管理方法，经过一个学期或一段时间的实践，聚类分析得到分类是有效的并且高效的，人为分工是相对有效的，但是速度和准确性有所欠缺，统一管理方案是无效的。