随着移动互联网技术的迅猛发展,智能手机变得越来越智能化,而“互联网+”计划的提出更大程度上地增加了智能手机在人们日常生活中的使用频率,通过智能手机人们可以访问因特网上的任何信息、获取在线服务,如旅游信息等,而这些功能往往建立在实时传感或不断数据通信的基础上,手机电池能量的有限性成为智能手机的使用瓶颈。然而电池技术却发展缓慢,无法满足用户现有的能量需求。因此,智能手机节能技术的研究成为解决智能手机能耗问题的关键所在。各种应用软件的广泛使用导致用户对信息访问的需求不断提高,而现有智能手机节能办法仅仅是从传感器切换、休眠机制及计算迁移等方面进行的比较硬性的解决办法,这些方法需要精确切换、休眠和迁移的具体时刻,而这些时刻的设定存在一定的人工干预。本文从用户访问数据预测的角度出发解决具体智能手机应用数据请求过程中的节能问题,是解决智能手机节能问题的另一个思路。本文将相似用户访问数据的相似性以及特定环境下用户行为数据的可预测性这两个因素考虑在内,减少手机在建立连接、数据传输时的能量消耗,提出基于用户访问数据预测的手机节能策略。首先,我们利用基于混合变量属性的K-means算法对已知用户进行聚类分组,建立相似用户群;然后利用BG/NBD模型对用户连续搜索期望进行预测;其次针对有价值的用户,结合协同过滤推荐算法,通过对相似用户的历史数据分析预测当前用户未来可能访问的数据信息;最后,我们利用数据预存储机制在智能手机上预存上述预测数据,通过降低通信次数的方式达到手机节能的目的。初步实验结果表明,在特定应用场景中,我们提出的节能策略能节约13.3%的能量,可以在不影响用户使用满意度的情况下,达到预期手机节能的目的。