自上世纪末Wi-Fi起步,其技术不断成熟且设备成本逐步降低,使得Wi-Fi网络的普及率日益增高,且用户在固定场所上网对Wi-Fi的依赖也与日俱增。Wi-Fi网络的迅猛发展也伴随着海量的Wi-Fi数据产生,使得基于Wi-Fi数据的挖掘与研究成为热点。Wi-Fi数据因其天然的“时-空”属性,其挖掘结果可以深层次地展现人们的行为模式与生活特征,使得此领域的研究成果与应用实例极大地影响和改善着人们的生活。本文提出了两种基于Wi-Fi数据且适用于校园场景的人群模式挖掘及人群异常检测的新方法。在方法一中,提出了基于密度的人群模式挖掘算法,首先利用二级SVM分类器探测用户行为类别,并对其累计汇总得出群体模式,然后使用基于均值、熵值计算的统计式算法对人群异常变化进行检测。方法二中,提出了基于主题的人群模式挖掘算法,该算法将Wi-Fi时序性数据通过聚类进行“拟词化”生成文档型数据,并使用主题模型算法完成了对人群模式无监督的挖掘,然后利用Kalman滤波器得出的最优估计与实际观测主题之间的差异进行异常检测。基于北邮校园Wi-Fi网络数据的实验表明,本文提出的算法,不仅能发现校园潜在的人群分布变化规律,同时也能有效地探测出各类校园人群变动异常。