研究表明在实际的无线局域网中存在着负载均衡和存在大量数据传输冗余等问题，严重影响了网络系统性能，同时也将导致用户间的带宽分配不公平等问题。在本文中，我们采集了某无线局域网中的10000多名用户的历史数据，通过深入的数据分析发现：用户网络行为行为（例如共同离开无线网络的行为）常常会明显影响到网络负载均衡；同时我们还观察到有相似应用类型程序的移动用户具有更强相似网络行为的可能性，基于上述观察我们提出了一种基于移动用户社会行为感知和应用兴趣挖掘的无线接入点负载均衡算法,该算法通过收集移动用户的历史网络行为以学习用户间的社会关系和使用应用特征，并以此来达到是无线接入点间的负载均衡；通过基于真实数据的仿真实验，实验结果证实了该算法是稳定且有效的，相比现有的调度算法，我们的算法可以获得40%以上的负载均衡性能提升；此外我们还针对无线局域网中网络流量冗余消除技术的缓存问题，提出一个新型冗余消除缓存算法，通过历史数据学习预测贡献冗余高的数据块出现，动态选择驻留在缓存中的冗余数据块，并针对不同用户动态分配数据缓存。仿真实验表明，相比传统的先进先出缓存算法，我们的方法能够取得20％以上的流量节省。