近年来,随着互联网的飞速发展,微博、微信等各种即时通信手段迅速普及应用,但传统的语音通话(固定、移动电话),由于其实时性,私密性和真实性等突出优点,仍被广泛使用。然而,语音通话在给人们带来极大便利的同时,也给电信诈骗、恶意欠费及广告骚扰等异常行为提供了便利。为此,人们迫切需要一种手段,能够从大量的客户群中快速、准确地发现这些具有异常行为的客户,然后采取适当的措施予以应对。由于上述发现工作必须处理大量的客户数据,需要消耗大量的人力物力,因此,如何运用有效的算法,主动发现具有异常行为特征的客户,成为近些年来研究的热点。本文首先通过对电信运营商客户数据的分析,选择客户的语音通话记录作为源数据,实现异常客户的挖掘。其次,对目前常见的数据挖掘算法进行了研究、分析和比对,选择并详细研究了其中性能较好的聚类和分类算法。最后,将相关研究成果应用于实际系统中,设计并实现了一个语音通话行为异常客户分析与挖掘系统。本文主要研究工作如下:(1)对目前常见的数据聚类算法进行了研究、分析和比对,选择了一种改进后的K-means算法(AD-Kmeans算法),并予以详细研究和实现。(2)对目前常见的数据分类算法进行了研究、分析和比对,选择了SVM(Support Vector Machine)算法,并予以详细研究和实现。此外,为了提高分类的效率和准确度,提出了在分类过程中融合SVM和AD-Kmeans算法的实现方案。(3)基于电信运营商的需求和算法要求,构建了若干种典型异常客户的行为特征模型。(4)将上述算法应用于实际系统,设计并实现了语音通话行为异常客户分析与挖掘系统,该系统基于J2EE分层架构并使用SSM框架搭建开发。(5)基于电信运营商的真实客户语音通话记录,对上述系统进行了测试。