本文为满足某高校提高学生实践类课程学习能力的需要建设了一套视频教学系统,系统基于流媒体技术进行设计,改进K-MEANS聚类算法,设计视频业务挖掘模块,为目标学生群选取与学院挖掘策略相关的校园网教学内容,并为相应的点播兴趣度提供播放兴趣挖掘表,和对流媒体敏感教学内容视频数据流挖掘进行管理等。在研究方法上本文引入基于聚类算法的内容识别技术,丰富了基于流媒体技术网络视频教学系统的功能,为违规视频机器识别设计者提供更为有效的基于流媒体技术网络视频挖掘的算法。目前多媒体检索方式逐渐从关键词检索转向对象检索,也就是以视频片段为输入,从大量数据中搜索到接近的视频文件。传统以视觉单词为单位的常规检索方式缺乏视频帧时间序列上的关联,检索效果也大打折扣。本文在研究学校日志数据的管理过程中,发现了一些视频网站教学内容播放和控制的规律,依据新的规律改进了现有的K-MEANS聚类算法(命名为K-MEANS聚类改进算法)。理论思路上,K-MEANS聚类算法在处理大数据环境下的视频网站教学内容中数据流的方面存在着敏感教学内容识别效率和速度上的缺陷。K-MEANS聚类改进算法的优势在考虑到了视频帧序列关系,并保持了可接受的检索速度,然后,本文对所提出的创新思路进行了进一步的研究证实,对所得系统数据库进行开发与设计,设计了网站教学内容挖掘、流媒体敏感教学内容视频数据流挖掘、高疑似违规学生甄别等三个主要挖掘业务,采用K-MEANS聚类改进算法对挖掘的相关记录进行量化分析,并得出相关数据,进行系统的运行及测试,最后得出结论。通过本文研究而找到的挖掘策略深层次的内在规律,对于高校存量挖掘策略的制定和推广有着十分重要的意义。论文中的测试结果表明,论文中所提出的算法和方案是基本可行,达到了预期的效果。