随着校园网的发展和普及,其积累了巨量的校园网上网认证数据。从校园网认证数据中挖掘有价值的信息具有重要的研究意义,其中校园网用户行为研究是其中的热门研究课题之一。在传统的研究当中,学者往往利用经验值作为聚类个数对不去离群点的认证数据进行聚类,因此聚类个数的确定带有人为主观性且聚类结果会受到离群点的影响。本文主要工作是先对校园网认证数据进行聚类获取用户上网时间行为特征;并考虑在去除离群点同时自动确定聚类个数问题,设计并实现FRCK（Fusion of Rough Clustering and K-means）算法;除此之外,本文还对用户上网空间行为进行研究。对于用户上网时间行为特征研究,其主要研究内容有:抽取和清洗本科生上网认证数据,并计算出每位学生每天对应的上网时长向量;通过改进Canopy算法得到K-Canopy算法来去除离群点;通过性能指标投票机制得到最佳聚类个数;利用K-means算法分别对工作日和周末上网时长向量集进行聚类;分析聚类结果得到各类学生的上网时间特征,在此基础上对比4年的学生上网特征,挖掘学生时间行为特征的变化规律。实验结果可为学生管理等工作提供参考。对于FRCK算法,其能够在迭代运算的过程中动态去除离群点的同时自动确定聚类个数。主要研究内容有:给出FRCK算法相关的定义和术语;确定一个初始聚类个数,即K值;通过中心值更新和K值更新两个步骤相互迭代,去除离群点的同时让K值稳定到一个最优值;设立两组对比实验对预处理的学生上网认证数据集进行聚类,以此验证FRCK算法可以动态去除离群点和确定最佳聚类个数。实验结果表明FRCK算法具备可行性和性能优异性。对于用户上网空间行为特征,其主要研究内容有:利用Map Reduce计算模式的分布式算法统计校园内各建筑物的无线网络连接人次;获取建筑物的经纬坐标,并利用R-树索引和密度聚类算法对校园区域划分,得到10个区域;结合统计结果和聚类结果得到区域连接人次;分析结果挖掘人群聚集区域和区域之间人群移动规律。实验结果可为学校校车路径规划、共享单车部署和校园功能区规划等工作提供参考。