随着互联网的迅速发展，流媒体应用的不断增长，网络流量与行为发生了极大的变化。网络数据是多维的复杂的，如何准确的统计用户行为，节约网络资源保证流媒体大规模应用成为迫切需要解决的难题。本文将数据挖掘统计预测技术与流媒体代理缓存技术相结合，在主节点处分析用户行为，研究有效的代理缓存策略，较好地解决了这一网络难题。　　 首先应用回归分析技术设计二次回归流行度预测模型，并在预测模型的基础上设计代理缓存策略，采用分段缓存，前缀和后缀相结合的替换策略，进行动态调度；然后设计了基于数据挖掘的流媒体代理缓存系统，详细分析了RTSP管理模块和缓存管理模块两个关键模块，阐述了缓存替换及调度策略在系统中的具体应用。　　 实验结果表明，二次回归流行度预测模型能较为准确的预测媒体对象的流行度，较好的反映用户行为；与LFU和LRU算法相比，基于数据挖掘的流媒体代理缓存策略在字节命中率、服务器负载率和用户端平均延迟时间上都有一定的优越性，节约了网络资源，提高了用户的观看质量。