随着计算机技术的发展,校园一卡通系统已经应用到了我国的各大高校,但海量的数据储存在数据库中没有被利用,而这些数据中却隐藏着大量的重要信息,并可以有效的指导学校商家进一步的工作。同时,高校贫困生的认定工作一直很受重视,但传统的贫困认定有太主观,耗时耗力等缺点。而如何有效的利用这些数据,挖掘数据中的规律,并指导高校进行更科学的贫困认定就是一个关键。因此,我们设计开发了一卡通分析系统,这个系统的服务对象是高校和商家。在一卡通分析系统的第一部分,我们可以通过图表分析出很多东西,甚至还可以根据高校学生的消费来认定贫困生;第二部分我们还通过人工智能的技术来对高校的贫困生来进行认定,具体工作如下所述:1)设计了一卡通分析系统,数据分析部分是用VS2017开发完成的,基于.NET框架+Bootstrap框架结合的方式开发的,数据库使用的MySQL5.7版本。数据分析部分一共有消费分析,刷卡高峰,充值分析,商户分析,其他重点分析五大模块,且支持检索框选择开始时间,结束时间,查看的院系等等检索条件来生成对应的支持交互功能的图表。2)提出了一种基于KNN的欠采样的方法,传统的随机采样方法会丢失数据重要特征,所以使用KNN来对训练集数据进行欠采样处理,实验发现,使用KNN欠采样训练出来的模型,无论欠采样得到的数据比例是多少,比起传统的随机采样训练出来的模型,精准度,召回率和F方法更高。3)改进了一种集成学习模型Stacking用于贫困生等级的认定,无论是从准确率,F1-score还是Kappa系数,Stacking-RAD的效果都要比Adaboost,Bagging等等传统的集成学习模型判定效果更好。