移动互联网的蓬勃发展已经极大地改变了人们的生活方式,随着网络电话、视频会议等实时应用需求的提高,如何保障移动终端在网络切换过程中的QoS已成为一项迫在眉睫的任务。移动IPv6及其扩展协议快速移动IPv6等作为支持IP移动性的解决方案早前就由IETF提出,但仍未在移动终端等嵌入式设备上进行实现。另一方面,智能移动终端及相应的应用程序的爆炸式增长在产生海量交互数据的同时也掀起了数据挖掘、大数据等新兴技术的浪潮。基于数据挖掘的移动预测算法作为LBS商业推荐系统的核心技术也被国内外专家学者广泛研究。本文首先在深入分析快速移动IPv6协议以及数据挖掘原理与特点的基础上提出了两者的结合技术——基于数据挖掘的FMIPv6切换方案,该方案利用时间加权Apriori的移动预测算法TWP-Apriori代替标准FMIPv6切换方案中的L2预测机制,同时对移动轨迹记录引入时间权值的概念以增强预测算法的准确性。论文利用NS2仿真平台对TWP-FMIPv6切换方案进行性能分析,实验结果表明TWP-FMIPv6方案能够有效避免虚报L2触发现象发生时对标准FMIPv6切换性能的影响。考虑到Android系统的开源性与可扩展能力,以及移动终端设备资源有限的特点,本文在TWP-Apriori算法的基础上,通过减少扫描移动轨迹数据集范围的方式,提出了一种低消耗Apriori的移动预测算法LC-Apriori,以及基于该算法的快速移动IPv6切换方案LCTWP-FMIPv6。在介绍LCTWP-FMIPv6方案移植到Android移动终端上的实现方法之后,通过搭建真实网络环境对该切换方案进行移植成功性与切换性能的测试,实验结果表明LCTWP-FMIPv6方案在Android移动终端上移植成功,并且具有高效的切换性能。