随着移动互联网的普及,大规模数据处理技术尤其是云计算技术的快速发展,社交网络开始兴起并日益改变人们的交流方式,人们在互联网上正形成一张全世界的最大的在线社会网络。传统的基于互联网的社会网络分析,正逐渐从小规模的用户关系挖掘向着大规模的全网用户行为分析迈进。目前基于互联网用户的社会关系及行为分析主要集中在用户个体的兴趣挖掘和用户聚类上,目的是为了增加相关用户的直接关联,向特定同类用户提供更加智能化个性化的服务推荐,以寻求更大的网络规模和商业利益。伴随着移动智能设备的升级和流行,移动网络和社交网络相互融合,基于位置和社会关系的网络服务和应用层出不穷,深刻改变了用户生活和交流方式,用户在日常生活中广泛使用移动网络服务。相对于有线网的社会网络关系,无线网络中的用户社会性具有环境感知性,高纬复杂性,关系隐藏深,用户对应用服务实时性要求高的等诸多特性,传统的互联网中社会关系分析与建模方法无法应用到无线网络的环境中。展开对无线网络环境下的用户社会性研究对挖掘无线网用户的社会性特征,设计与用户行为密切相关的协议和相关服务,改善无线网用户的使用体验,具有重要的研究意义。本文对大规模校园无线局域网用户行为进行数据挖掘分析,设计了无线局域网轨迹数据分析架构。使用用户切片模型User Profile表征无线局域网用户,并从数据集中抽取用户切片。同时定义了用户社会性相似度指标S ,刻画用户之间的社会关系亲疏程度。考虑到不同位置访问频率不同,引入位置加权参数修正相似度模型。在对用户和社会关系建模后,采用基于加权相似度的非监督层次化聚类算法,对全网用户进行聚类分析。分析结果表明尽管两所学校环境参数差异很大,但却呈现相同的结论。两所学校的无线局域网用户都可以被聚成不同大小的社会性分组,用户对加权相似度分布服从BiPareto分布,类簇大小服从指数分布。本文的研究结论对移动网络用户建模,个性化网络服务和应用的设计以及网络管理有重要作用。