1、近年來，隨著教育信息化工作的快速推進，高校無線局域網(wǎng)的逐步建設(shè)，以及移動智能終端的廣泛普及，高校無線用戶數(shù)量明顯有激增之勢，積累了海量無線網(wǎng)絡(luò)數(shù)據(jù)。與有線網(wǎng)絡(luò)不同的是，無線網(wǎng)的用戶有較為明顯的移動特性，加之當前無線網(wǎng)絡(luò)支持用戶無縫漫游，會產(chǎn)生大量漫游軌跡數(shù)據(jù)，從這些數(shù)據(jù)中提取有價值的信息以輔助決策，成為巨大的挑戰(zhàn)。因此，對于無線用戶漫游群體行為的應用研究顯得尤為重要。
　　本文基于北京交通大學校園無線網(wǎng)真實數(shù)據(jù)對用戶的漫游群體移動

2、行為進行數(shù)據(jù)挖掘分析，得出用戶移動屬性特征及聚類結(jié)果。首先，對基于無線局域網(wǎng)的用戶群體移動行為軌跡研究現(xiàn)狀進行了分析，介紹了校園無線用戶數(shù)據(jù)常用的采集方式和數(shù)據(jù)預處理技術(shù)，在此基礎(chǔ)上，擴展了無線用戶移動漫游軌跡向量的定義，提出了基于相遇總AP數(shù)的無線用戶加權(quán)相似性計算方法，選擇基于層次的凝聚型聚類算法對無線用戶進行聚類，并對聚類算法過程進行了設(shè)計和實現(xiàn)。其次，設(shè)計并實現(xiàn)了真實的校園無線網(wǎng)測量平臺，主要采用syslog日志、SNMP和終端

3、仿真telnet三種收集方式，從多家無線廠商AC上收集數(shù)據(jù)，經(jīng)過結(jié)構(gòu)化處理后存儲至MySQL數(shù)據(jù)庫，將無線網(wǎng)運行現(xiàn)狀和用戶移動行為特征等以圖表方式直觀展現(xiàn)出來。最后，選擇Dartmouth學院無線網(wǎng)數(shù)據(jù)與交大無線數(shù)據(jù)作為實驗對象，通過前期數(shù)據(jù)篩選標準與過濾后，分別對兩個數(shù)據(jù)集進行基于用戶加權(quán)相似度的計算，從而基于用戶移動漫游軌跡向量對無線用戶群體進行聚類，對實驗無線局域網(wǎng)用戶聚類的結(jié)果進行分析，驗證了基于無線用戶移動漫游軌跡向量的加權(quán)相

4、似度聚類算法的適用性，根據(jù)聚類結(jié)果對無線用戶群體行為進行了研究分析，并以北交大威海校區(qū)無線用戶數(shù)據(jù)為例驗證了本文提出的聚類算法，同樣無線用戶被聚類成不同大小的類簇，且聚類效果顯著，達到驗證目的。
　　本文的研究有助于理解校園無線網(wǎng)的運行現(xiàn)狀和規(guī)律，可為無線網(wǎng)絡(luò)管理、網(wǎng)絡(luò)性能優(yōu)化和后期的網(wǎng)絡(luò)規(guī)劃提供參考依據(jù)，通過對校園無線網(wǎng)用戶漫游歷史數(shù)據(jù)進行聚類分析，根據(jù)用戶群體移動行為，挖掘出同類用戶，可為特定同類用戶精準推送個性化、智能化服務(wù)