目前,随着移动平台计算能力以及感知技术的快速发展,内嵌了各种传感器的智能手机已经成为人们日常生活当中不可或缺的、集通信、感知与计算于一体的移动计算平台,在人们的日常生活当中扮演着越来越重要的角色。一方面,智能手机是人们日常生活当中通信、交流、休闲娱乐的必备工具;另一方面,智能手机都内嵌了各种各样的传感器加速度、蓝牙、GPS、陀螺仪以及光线等传感器,在日常使用过程中,这些传感器可以产生大量的有关用户自身及其周围环境的信息。因此,可以通过数据收集工具来收集人们的日常通信信息、手机的使用信息以及各种感知数据,进而通过对所收集的各种信息的分析和处理,可以了解人们的日常行为以及人们之间的社交关系。本文针对目前基于多源感知数据的用户社交关系分类研究中所用数据较为单一,并不能全面的反应用户行为模式,进而并不能很好使用感知数据对用户社交关系进行分类的问题展开研究,使用多源感知数据从不同维度反应用户日常行为和社交情况。本文的工作主要体现在以下两个方面:(1)本文从WiFi数据角度出发,针对如何利用智能手机所收集的WiFi数据分析人们的日常行为模式和人们之间的社交关系问题展开研究,首先,针对WiFi数据的特点,提出了一个层次化的WiFi数据表示和描述模型,提出分别采用WiFi模式、时间向量及关联矩阵三个抽象概念来描述和表示用户经常活动的地点及用户的活动轨迹;在此基础上,提出基于余弦相似度的WiFi模式计算方法,通过计算WiFi模式之间的相似度来表征物理地点之间的距离,通过WiFi模式的数量分布分析人的日常活动模式,进而采用DTW模型计算时间向量之间的相似度即轨迹之间的相似度,通过轨迹之间的相似度分析人与人之间的社交关系。(2)针对使用单一或几种感知数据不能对社交关系进行准确分类这一问题,本文提出了基于线性回归模型的多源感知数据特征融合的方法。算法通过构造一个多元线性回归的多源感知数据特征融合模型对社交关系进行有效分类,该模型基于机器学习方法训练而成,将从各种感知数据提取的特征进行融合,能够从多个维度全面的反映志愿者日常行为模式和社交关系,从而达到准确对志愿者社交关系进行分类的目的。