随着互联网和通信技术的高速发展,以及国民消费水平的普遍提高,智能终端的普及率正逐年上升。这类设备以高性能、高集成度、低功耗为主要特点,为用户提供数量可观且功能强大的应用程序,从而能满足用户办公、娱乐、生活等多方面的需求。智能手机在品牌、价格、外观、性能等各方面提供的选择最为丰富,在智能终端设备中最具有代表性。手机应用覆盖的范围愈来愈广,人们对手机的依赖也愈渐强烈,已远远超出了基本的通讯需求。近年来,手机终端型号快速更新迭代,处理性能上不断超越和提升,价格也被普通民众所接受。现在,人们产生换机需求不再仅仅是因为手机破损,更多的是为追求更好的用户体验,而这体验很大程度上就取决于手机终端上运行应用程序的使用感知。基于此,本文主要研究了基于手机终端应用软件的使用情况来对用户的换机需求进行分析和预测。用户手机终端的应用程序使用情况需要从上网日志中挖掘,而通信运营商不仅具有获取这些日志的天然优势,也有分析用户潜在换机需求的市场动力,即希望在手机终端营销市场上打开新局面,从而在与友商的竞争中保有及发展用户。基于运营商提供的数据信息,论文首先梳理了移动数据挖掘分析研究现状,寻求数据挖掘的参考和依据,继而探讨了如何获取和分析用于数据挖掘的用户上网日志,对日志的规模、用于分析的主要字段、日志数据的统计特征依次进行了介绍。接着,论文中提出了一种时间段-数据包的数据模型,将一天的24小时分割成四个时间段,再将应用程序的使用情况对应到四个时间段上,以建立用户日志属性并进行数据建模。之后,论文对建模的合理性进行了分析验证,并简要分析了用户行为特征。在此分析的基础上,论文研究了两种构建换机行为预测模型的方法,第一种是基于分类器分裂结果提出的无监督过滤排序算法,第二种是基于Cox风险模型的生存分析方法。论文分别对两种算法进行了实现,并给出了两种预测模型的性能。实验结果表明,风险模型在预测的综合准确率上表现最佳。