随着无线网络技术的发展以及移动设备的流行,越来越多的手机应用被应用到人们的生活中去,移动终端的活跃度也得到了显著的提高,在移动领域中给用户提高高效准确的服务已经成为一个研究热点。通过挖掘用户行为模式来进行对用户应用使用行为进行预测,可以方便系统为用户下一个使用的应用提前准备运行环境,减少用户操作时间以及误操作率等,提升用户体验。显然,由于移动环境的上下文多变性导致的用户行为的多变性,这使得移动用户行为模式的提取比传统的模式提取更为复杂。本文工作主要包括如下三点：1.分析移动应用使用行为特征。针对收集的真实用户移动终端应用使用数据,分别对移动用户属性以及用户行为模式两个方面对移动环境下的行为进行了分析。通过将数据抽象成时间序列以及一系列的分析得出了移动行为模式的变化特征。2.针对移动应用使用行为的特征,逐步提出了三种预测模型,设计了相应的预测算法。其中针对移动用户应用使用行为模式的抽取问题,以经典序列挖掘算法PrefixSpan为基础,设计了针对移动行为模式特点的改良算法。同时在移动序列获取的方式上提出了定长窗口模型以及基于时间的活跃期窗口模型,然后在此基础上构建了两种基于行为模式进行预测的预测模型。3.实验验证预测模型的可行性。为了上述方案的可行性,本文结合传统的统计模型作为基准对比试验,基于真实的用户数据进行了实验测试。实验表明,基于序列的行为模式能有效得提高移动用户的应用使用预测,为提高移动环境下用户的使用体验提供了一种可行方案。