移动环境中的情景感知是移动智能应用的基础。随着移动设备的飞速发展,内嵌在移动设备中的传感器越来越丰富多样,如GPS传感器,光学传感器等。因为用户一般随身携带移动设备,所以移动设备上内嵌的传感器搜集的信息能充分反映用户的情景。这些信息被称为情景数据。移动情景感知就是从移动用户的情景数据中挖掘出有用的情景以及情景相关的知识。通过情景感知可以学习出用户行为模式,更深入的了解用户。目前,一些移动应用已经使用情景感知来了为移动用户提供智能化、个性化的服务。如根据光强度改变手机屏幕亮度,达到保护用户视力并延长设备续航能力的目的。移动互联网是未来IT发展的主要趋势之一,移动环境下的情景感知和用户行为挖掘也越来越受到研究人员的关注。移动环境下的情景感知有着新的特性。首先,移动设备的计算能力、存储能力有限,对情景感知及相关应用有着较强的实时性需求。其次,与传统数据相比移动情景数据含有更为丰富的情景信息,如移动用户所到之处的情景信息；同时这些数据是不平衡的,这些特征使传统的数据挖掘方法不能直接应用于移动情景感知。本文针对移动环境下的新特征,将数据挖掘与移动情景感知相结合,对移动环境的高效用户行为挖掘和节能情景感知方法进行深入研究,其中,用户行为模式挖掘可以应用于移动推荐和移动用户研究,节能情景感知作为情景信息平台为智能应用提供信息。本文的主要的研究内容和创新之处如下：首先,针对移动情景数据的特点,提出一种高效的移动用户行为模式挖掘方法。传统的关联挖掘方法无法直接用于移动环境下的用户行为模式挖掘,这是由于情景信息与传统的事务项相比具有稀疏性；而现有的用户行为模式挖掘方法还不成熟,计算效率限制了这些方法的实际应用,无法向移动应用提供商及时反馈用户需求,还会造成情景感知应用启动周期长。本文通过研究现有的优化策略,提出了一种高效的用户行为模式挖掘算法。该方法能在移动设备计算能力、存储能力有限的情况下快速挖掘用户的行为模式。本文使用与诺基亚中国研究院合作采集的10个志愿者一个月的情景数据在真机上进行实验,结果表明算法在时间和空间开销上都有很大的提升。其次,提出一种基于当前状态推断的节能情景感知模型。移动设备内嵌的传感器在提供丰富的用户数据的同时,也带来了高能耗的弊端。我们认为一台移动设备所有传感器在一个采样点上的值描述的都是相同的用户情景,只是不同传感器从不同方面描述。因此,根据传感器根据能耗和功能,将移动设备的传感器分为低能耗类型,基础类型和高能耗类型,提出了基于当前低能耗和基础类型传感器的输出信息推断高能耗传感器当前状态的模型。该模型根据低能耗类型和基础类型传感器的当前信息,推断高能耗传感器的当前状态,如果推断高能耗传感器处于不稳定状态,则打开这个传感器采集信息,否则使用该传感器最后一个有效值作为输出信息。该模型在真实数据集进行的实验上能降低最多70%的采样次数,同时保证90%以上的信息准确率。最后,提出一种基于状态时间间隔推断的节能情景感知模型。在真实的环境中,用户处于某状态一般是有持续性的。这种时间上的持续性可以用来预测高能耗传感器在多长时间后状态才改变。那么,只需要在预测的时间到来时,打开高能耗传感器进行采样。其余时刻高能耗传感器处于稳定状态,不需要进行采样,仅使用它最后一个有效值作为输出。从而减少了高能耗传感器的采样次数,延长了设备的续航时间。我们还归纳基于稳定状态推断和基于状态时间间隔预测的模型为一般性的稳定状态推断模型框架,并指出该框架下节能情景感知会出现累积错误,给出了一种减少累积错误的方法。该方法能够明显提节能高情景感知的信息准确率,同时几乎不影响节能效果。实验表明了改进后的模型取得了很好的节能效果,同时信息准确率得到更好的保证。