近年来，由于移动通信业务的快速发展，各电信运营商积累了海量的移动通信数据，在这种情况下，基于客户的静态行为信息的客户行为分析已经不能适应快速变化的环境。如何在移动环境中分析客户的动态行为，不论在工业界还是学术界都得到广泛关注。　　 现在学术界已经提出了一些方法利用客户的动态信息来解决移动通信领域的实际问题，但是现有的方法在处理海量的、动态的信息方面还不成熟，在挖掘结果的准确性、算法的可扩展性方面还不能满足实际应用的需要。　　 本文深入研究了移动通信环境下客户动态行为分析的挖掘方法，提出了并行的客户移动模式分析算法PBiclustering和通话密度通常模式和异常模式的分析方法，在移动用户行为分析系统MobileMiner中了实现移动模式划分功能和通话密度分析功能。介绍MobileMiner系统的论文已经被数据库顶级国际会议ACMSIGMOD2009收录。本文的主要工作包括：　　 1.提出了一种并行的客户移动模式分析算法PBiclustering。PBiclustering具有良好的运行速度、准确率和可扩展性。　　 2.提出了分析通话密度通常模式和异常模式的方法，能够分析一定时期内通话密度通常模式和进行通话密度异常模式检测。　　 3.研制了移动用户行为分析系统MobileMiner的移动模式划分模块和通话密度分析模块，为移动通信公司的实际业务提供支持。　　 4.在中国移动大规模的真实数据上验证了客户移动模式分析方法和通话密度分析的有效性和准确性，并且对算法的可扩展性进行了研究。