在移动互联环境下，用户可使用移动终端通过无线通信技术快速地接入到任一类型的互联网业务。随着用户需求的不断增加，业务类型变得日益多样。然而，不同类型的网络业务具有完全不同的QoS指标要求和网络资源需求，从而导致有限的网络资源难以同时满足各类业务的QoS要求。通过对复杂且动态的用户业务行为进行分析与预测，挖掘出每个用户的下一业务类型，据此相应地预留并配置最佳的网络资源，可有效解决上述问题。因此，本文深入研究了面向移动互联环境的用户业务行为分析与预测算法，主要工作如下：　　一、概述了移动互联环境的基本内容，并分别综述了用户行为分析和用户行为预测的研究现状，进而详细介绍了本文的相关理论基础。　　二、提出一种基于改进模糊聚类理论的用户行为分析算法：首先，分别定义业务兴趣相似度和业务顺序相似度，进而建立用户综合相似度指标；其次，构建基于用户综合相似度的模糊聚类模型，进而采用网格划分方法确定初始群组中心并依据平均用户隶属度调整用户群组个数，从而实现快速准确的用户分群。仿真结果验证了该算法的有效性。　　三、提出一种基于改进 Markov融合模型的用户行为预测算法：首先，建立面向各单一用户的多阶 Markov预测模型，进而引入业务偏爱度修正上述模型，以提高行为预测的准确度；其次，利用用户综合相似度，建立目标用户的最近邻用户集，以此形成多用户多阶Markov融合预测模型，从而实现对目标用户行为的精准预测。仿真结果验证了该算法的有效性。　　最后，对全文做了总结，并给出了未来的研究方向。