随着互联网的迅猛发展,网络用户达到了空前的数量,各种网络应用日益丰富,人们利用互联网开展的工作、娱乐和服务项目越来越多。近年来,网络运营商以及服务提供商开始对网络中用户行为特点、使用习惯以及感兴趣的应用类别等产生了兴趣,并希望通过一定的技术手段,分析并获取这些用户行为信息,作为网络用户管理、网络服务质量优化、网络营销策略的重要依据,甚至可以为第三方提供客户关系方面的增值服务。本论文旨在以小波分析理论为基础,对网络用户的流量数据进行分析,通过聚类的方式,获得不同行为模式的用户群。从而为进一步的用户服务或网络营销提供有益的数据支持。论文主要开展的工作包括以下几个方面:①首先对网络用户行为进行了抽象,构建了一种网络用户行为模型。论文以网络用户的业务行为为分析目标,在众多网络流量属性中,筛选出于业务行为直接关联的属性,从而简化分析的维度。论文构建的模型通过网络应用、耗时比例、消耗流量比例等三个方面体现用户行为特点。②研究了小波分析理论,并对传统小波聚类算法存在空间复杂度较高的不足加以改进,提出了一种改进的Mo FSU小波聚类算法。该算法通过对特征空间中相邻单元的合并降低算法对空间的消耗,从而优化算法的空间复杂度,同时提高了算法的时间性能。论文通过理论分析的方法验证了算法的改进是有效的。③通过实验检验论文所提出的理论观点。以某网络用户行为日志数据集为基础,通过论文提出的网络用户行为模型,处理并构建出实验所需的数据模型,运用上述改进的小波聚类算法,对数据进行分析,获得相应的聚类结果。并在此数据集上,与其他同类算法进行了比较。实验结果表明,改进后的算法在时间复杂度和聚类质量方面均有一定的改进。