随着智慧校园的构建,高校学生在第二课堂参加的各项课外活动以及社团活动都被记录下来,如何高效的利用学生的第二课堂数据并结合学生相关行为数据对学生活动行为进行分析,帮助学校进行相应的行为决策和对学生活动进行相关的推荐指导逐渐成为研究的热点。本文基于某高校的第二课堂数据,进行数据预处理、聚类,并结合第一课堂数据、就业去向数据等从多维度进行分析,主要完成的工作如下:（1）针对K-means算法存在初始聚类个数不确定以及初始聚类中心随机选取的弊端,提出Mean Shift-K-means算法。该算法通过评价指标BWP来确定最佳的初始聚类个数;给Mean Shift向量增加核函数从而为每个样本增加一个权重系数消除由于距离远近带来的影响;根据权重和密度确定最佳的初始聚类中心。将该算法与其他六种改进算法在公开数据集上进行对比实验及分析,结果表明本文提出的算法能够得到更好的聚类效果。（2）将本文提出的Mean Shift-K-means算法对高校学生活动进行分析挖掘。首先对获取的某高校的第二课堂数据、第一课堂数据、就业去向数据进行数据预处理,消除噪声数据的干扰,删除冗余数据,并将得到的各种数据进行集成和去标识化。对比实验中,采用轮廓系数和Calinski-Harabaz（CH）作为评价指标,这两个指标都是值越大说明聚类效果越好。结果发现Mean Shift-K-means算法的轮廓系数值明显优于其他六种改进算法,CH值远远高于其他六种改进算法,说明该算法有更好的聚类效果,对高校第二课堂数据有更好的适用性。（3）对高校学生活动的聚类结果进行分析展示。从高校第二课堂总成绩、高校第二课堂单科成绩、高校第一课堂成绩、高校学生就业去向四个方面进行分析。最终得出高校第二课堂对第一课堂有正向促进作用;学生的就业去向和学生参加的第二课堂活动类别息息相关;高校学生参加第二课堂活动总量较少,应提高学生积极性。