高等学校是最早应用互联网技术构建计算机网络的机构之一,随着架设在校园网中的各项应用服务的增多,生成了海量的网络用户行为数据。而随着数据挖掘技术应用的不断深入,利用数据挖掘技术对校园网进行知识发现研究具有非常大的应用价值,因此对用户行为的日志进行分析将是今后网络研究和管理的一个重要方向。本文旨在通过探究和分析用户行为日志记录中的规律,构建网络用户分类模型,掌握和预测校园网运行状态,从而提高用户服务质量和增强相关管理者主动服务意识。本文首先针对用户群体行为的四个方面进行研究,即分时间段的在线人数分析、用户在线时长的分析、用户使用流量的分析和用户访问目的地址分析。其中,在访问目的地址URL分析过程中,利用Perl语言实现了抽取海量用户日志中的地址字段并进行分类统计的高效程序。掌握了以上的用户群体行为,可以引导网络带宽分配等相关工作的开展。在对用户群体行为的充分理解基础上,本文提出了用于校园网用户行为分析的模型,并实现了对南京农业大学工学院校园网用户行为的系统分析。首先对数据挖掘技术在用户行为分析中的应用进行了探讨,提出了聚类算法的实现思路和方法。接着对K-means聚类算法进行了研究,并利用SQLServer2005提供的数据挖掘工具,基于K-means算法对计费网关日志记录进行挖掘,对用户使用模式进行聚类,并分析和评价所挖掘出来的模型。同时,本文还基于时间序列算法对不同用户类型的流量进行了预测和分析。总之,上述相关用户行为模型和流量趋势的研究,对于网络策略的制定具有参考和指导意义。