随着LTE技术的高速发展与广泛应用,移动用户的行为规律也随之发生了很大变化。无线技术的飞速发展,带来的是移动终端使用频率增大,使用时长变多。而无线数据的爆发增长,带来的是日益增多的运营机遇和数据业务,与此同时,移动端数据的增长趋势使得运营商原本对网络资源优化难度不断增大,因而采用新的分析方法,即同时分析用户、业务、资源多维度的数据对于无线网络规划和资源优化有重大意义。LTE网络承载移动互联网数据业务的逐步发展,为了应对数据种类和数量激增的海量通信数据,本文将数据挖掘的分析方法应用到蜂窝无线网络数据处理与分析中。另一方面,用户通过移动设备接入互联网的频率日益增长,搭载安卓操作系统的设备的占有率超过80%,安卓系统具有极好的代表性。基于以上背景,本论文首先对蜂窝无线网络中的用户、业务、资源数据研究分析,并给出一种基于聚类分析的多维度拟合关联预测方法。在此之后搭建了一个基于安卓的移动互联网终端分析系统,实现了从用户端采集数据,并使用聚类算法分析,将结果展示在web端的整体流程。本论文主要内容如下:1.给出了一个基于聚类分析的多维度拟合关联预测方法。在该方法中,首先通过主成分分析,将待分析样本数据进行降维处理,随后通过二次聚类的方法对数据聚类分析,并将结果采用梯度拟合,进行蜂窝无线网络数据的关联预测。研究结果表明:与对数据直接拟合相比,聚类分析能够提高对大量LTE数据预测的精度,实现资源预测方面的优化。2.设计了基于安卓的移动互联网终端分析系统。该系统包括基于安卓终端的数据采集系统和服务器端的数据分析系统两部分。在安卓终端的采集系统可以采集蜂窝用户的多种数据,包括用户基本信息、信号数据、通话数据、短信数据、流量业务数据以及通信异常数据等,同时终端记录发生业务时的GPS坐标。服务器端的分析系统存储终端采集的数据,实现本文的聚类算法,并使用现网真实数据进行分析预测。本文设计的分析系统,结合本文给出的方法,为蜂窝无线网络的数据采集、分析,预测提供了一个完整的解决流程。