近年来,随着云计算技术和对地观测技术的蓬勃发展,一种基于云计算技术并且提供遥感应用服务的遥感云服务平台也越来越普及。然而,随着用户数量和需求的变化及遥感数据体量的增长,遥感云服务平台已经不能满足于单纯地为用户提供遥感应用服务,为用户提供多样化和定制化的优质服务显得至关重要。为了提高遥感云服务平台的服务质量,需要了解遥感云用户与各个遥感服务系统交互所表现出来的行为规律。因此,本文基于聚类算法开展了遥感云用户行为分析的研究。本文主要从算法和应用两个方面介绍研究工作,具体研究内容和贡献总结如下:首先,本文调研了云计算环境下常用的用户行为分析方法及相关技术,基于传统的数据预处理技术实现了对用户行为数据的清洗和特征化处理,最终为用户行为分析提供了准确的数据分析基础。其次,结合遥感数据和产品的语义理解,基于优化的K均值聚类算法分别实现对遥感数据服务和遥感信息产品服务的用户行为多个维度的行为特征聚类分析。更准确地挖掘出了不同类别用户对遥感数据和产品生产的需求,为实现精准的遥感数据和产品预测提供依据。再次,在聚类分析的基础上设计了基于ALS矩阵分解的用户数据访问和产品生产的预测方法,实现分别进行遥感数据和产品的评分预测。最终实现了遥感云服务系统中数据服务和产品服务的个性化、规模化主动生产服务。最后,为了提高用户服务质量和海量数据加载的时效性及产品生产效率,将预测结果与遥感云平台相结合,设计了基于用户行为分析预测的遥感云主动服务系统中的推荐流程。