随着Internet的飞速发展，Web服务已在人们生活中起着越来越重要的作用.与此同时，能够反应用户行为的Web信息数据也日渐丰富。网络日志作为Web数据的一种存储方式，由于其数据充分且存储格式较为统一，非常适合对其进行挖掘和分析，因此得到了日渐广泛的研究。　　 在高校的局域网环境中，许多学校使用校园网网关认证系统实现对用户的管理.因此，网关日志作为网络日志的一种形式，积累了用户的网络使用行为的大量信息.本文以北京师范大学2007年的网关日志数据为研究对象，以基于K-means算法实现网络日志的聚类分析为研究内容，旨在发现高校用户潜在的网络使用模式，有助于更好地了解用户行为特征，并为网络决策提供依据。　　 本文首先对课题所使用的主要技术--聚类分析进行了详细的介绍，包括聚类分析的定义、待聚类数据的数据类型和度量方式以及各种度量方法等，并详细介绍了本课题所采用的K-means聚类算法及其改进措施.之后对网络日志聚类分析进行了具体的实现：首先采用数据预处理技术将原始数据转换为适合于聚类分析的结构，然后采用基本的K-means算法实现网络日志的聚类，并针对K-means算法对初始值的选取依赖较大的主要缺陷，利用最大最小距离法对初始点的选择进行改进，同时结合使用加权距离改进对象间的相异度度量，提高聚类的质量。