针对移动用户行为识别模型中存在过度拟合导致泛化性差的问题，提出一种基于随机Dropout深度信念网络（deepbeliefnetwork，DBN）的移动用户行为识别方法。该方法通过随机更改Dropout算法中的概率参数，减少隐层单元的网络节点数，优化每次训练的网络权值，以提高行为识别的准确率和样本较少时的泛化能力。实验结果表明，加入随机Dropout的网络对静止、散步、跑步、上楼及下楼五种行为的平均识别准确率可达9423%，相对于传统的DBN识别方法，准确率提高了4.57%。