校园一卡通系统已经在很多高校被广泛使用,在校园卡的日常应用过程中会产生很庞大的数据量,这些信息包含着校园卡中许多不为人知的特点。校园卡的使用过程中,存储了学生每一次的使用数据。由于学生在校食堂的消费相对比较稳定,且都比较习惯用卡就餐,因此大学生的在校食堂的消费数据,具有很强的代表性,有很好的研究价值。本文对学生的消费水平进行了聚类分析,了解了当前大学生的消费水平。同时本文以早起情况为切入点对大学生的消费习惯进行分析。其次我们将研究对象转移到成绩,成绩依旧是大学重要的话题,对学生的学习成绩进行研究。最后将前期研究的消费行为、习惯与学生的学习成绩进行关联规则挖掘,从而得到有用的关联规则。这样的知识挖掘过程是有意义的,可以为学校有关部门的决策提供一定的科学依据。在本文的研究过程中,由于数据的来源不同,以及海量的数据,因此数据预处理是本文研究时必不可少的过程。同时本文重点研究关联规则挖掘算法,并根据经典关联规则挖掘算法的不足,提出了一种改进的方法,即基于布尔稀疏矩阵的方法,从而提高了算法的效率。