用户行为识别研究过程中,用户行为数据是课题研究的重要基石,传统的人工收集数据方式存在误差较大、效率低下等问题。随着物联网技术、通信技术和智能移动设备的飞速发展,推动产生了群智感知这一新兴的数据收集方式。群智感知是以用户的智能移动设备作为基本感知单元,利用通信技术形成群智感知网络,由服务器实现感知任务的分发,通过大量用户的相互协作,完成大规模、广覆盖的数据收集。本文设计了一个面向用户行为识别的移动群智感知原型系统,详细阐述了面向用户识别的群智感知系统的构建以及利用朴素贝叶斯算法对用户行为数据进行分析与识别的过程。本系统客户端基于Android平台,服务器端使用Bmob后端云。客户端包含注册登录、任务接收、地图定位、应用保活、任务参与、反馈分享与数据展示在内的七个功能模块。服务器端主要包含数据维护、任务推送。为保证系统可以稳定、正常的投入使用,对系统进行了严格的测试。测试结果表明该系统具有良好的健壮性、可靠性和实用性。本文基于朴素贝叶斯算法,利用群智感知系统采集到的数据训练了用户行为识别模型,实现了根据用户当前的时间、地点信息对其是否处于学习状态的分类,在测试集上的分类准确率高达80.5%。本系统高效的完成了对于用户行为数据的采集和识别任务,其中的数据采集功能还可服务于后续其他的科研任务,对大规模的数据收集做出了贡献。