随着互联网的产生及其迅速发展,网络已逐渐融入进人们工作和生活当中。与此同时,用户行为分析也应运而生,为网络信息的挖掘和分析带来了机遇和挑战。这个领域一直都是学者们研讨的热点,它可用于研究学生在校上网行为,了解学生上网情况及其对学习的影响,使教务管理人员更有效对学生进行管理。本论文主要用于分析和管理校园网中用户的上网情况,对重度上网用户及早发现并进行针对性的干预和引导。然而,凭借单一的数据源可能分析结论并不准确,另外上网日志存储的位置可能比较分散,很难实现关联分析。本论文以校园网上网日志、流量日志、学习成绩等多源数据作为基础,搭建实现多源数据融合的校园网用户行为分析系统,完成对多源数据的统一处理分析,然后通过界面展示。本论文主要工作如下:(1)调研了用户行为分析的研究背景及意义,了解了国内外学者对校园网用户行为分析的研究现状。(2)分析了校园网用户行为分析的必要性和迫切性,研究了用户行为分析中涉及的相关技术,并提出了一种基于多源数据融合的校园网用户行为分析系统的方案。(3)提出了一种改进的K-means算法。通过改进对初始聚类中心的选取来降低聚类的误差,并利用Hadoop平台的分布式特征,将改进的K-means算法进行并行化计算分析解决系统中的处理效率问题。(4)提出了一种改进的TF-IDF算法。结合网页文本中HTML的结构特征,对TF-IDF算法进行改进,更加准确的提取出文本关键词。(5)设计并实现了一个基于多源数据融合的校园网用户行为分析系统。系统中主要划分为三个模块:数据接入模块、数据处理分析模块和数据展示模块。通过该系统可以对校园中用户的上网行为进行了解,并及时对重度上网用户进行管理和指导。