CN107567083A - 进行省电优化处理的方法和装置 - Google Patents
进行省电优化处理的方法和装置 Download PDFInfo
- Publication number
- CN107567083A CN107567083A CN201710959480.8A CN201710959480A CN107567083A CN 107567083 A CN107567083 A CN 107567083A CN 201710959480 A CN201710959480 A CN 201710959480A CN 107567083 A CN107567083 A CN 107567083A
- Authority
- CN
- China
- Prior art keywords
- parameter
- default
- state parameter
- sleep
- user
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Telephone Function (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
本公开是关于一种进行省电优化处理的方法和装置,属于电子技术领域。所述方法包括:获取目标终端检测的预设状态参数的参数值,以及预先存储的所述目标终端的预设历史状态参数的参数值;将所述预设状态参数的参数值和所述预设历史状态参数的参数值,输入预先训练的用户睡眠状态识别模型,得到所述目标终端对应的当前的用户睡眠状态信息,其中,所述用户睡眠状态信息包括睡眠或未睡眠;如果所述用户睡眠状态信息为睡眠,则对所述目标终端执行预设的省电优化处理。采用本公开,可以减少终端电量消耗。
Description
技术领域
本公开是关于电子技术领域,尤其是关于一种进行省电优化处理的方法和装置。
背景技术
随着电子技术的发展,终端(如智能手机、平板电脑等)可以实现的功能越来越强大,如蓝牙功能、WiFi(Wireless-Fidelity,无线保真)功能。
终端在开启任意一种功能的状态下,都会产生一定的电量消耗。从而,导致终端电量消耗较高。
发明内容
为了克服相关技术中存在的问题,本公开提供了一种进行省电优化处理的方法和装置。所述技术方案如下:
根据本公开实施例的第一方面,提供一种进行省电优化处理的方法,所述方法包括:
获取目标终端检测的预设状态参数的参数值,以及预先存储的所述目标终端的预设历史状态参数的参数值;
将所述预设状态参数的参数值和所述预设历史状态参数的参数值,输入预先训练的用户睡眠状态识别模型,得到所述目标终端对应的当前的用户睡眠状态信息,其中,所述用户睡眠状态信息包括睡眠或未睡眠;
如果所述用户睡眠状态信息为睡眠,则对所述目标终端执行预设的省电优化处理。
可选的,所述方法还包括:
获取任意终端在目标时刻检测的预设状态参数的参数值,以及预先存储的所述任意终端的预设历史状态参数的参数值;
获取在所述目标时刻所述任意终端对应的用户睡眠状态信息;
将所述任意终端在目标时刻检测的预设状态参数的参数值、所述任意终端的预设历史状态参数的参数值、所述在所述目标时刻所述任意终端对应的用户睡眠状态信息,作为样本,对所述用户睡眠状态识别模型进行训练。
可选的,所述获取目标终端检测的预设状态参数的参数值,以及预先存储的所述目标终端的预设历史状态参数的参数值,包括:
当时间处于预设的睡眠检测时段,且目标终端处于关屏状态时,获取所述目标终端检测的预设状态参数的参数值,以及预先存储的所述目标终端的预设历史状态参数的参数值。
可选的,所述预设状态参数包括以下参数中的任意一种或多种:当前运行的应用程序的标识、当前的WiFi连接状态、当前时刻、当前的环境光强、当前的环境声强、当前的终端运动状态;
当所述预设状态参数中包括当前运行的应用程序的标识时,所述预设历史状态参数包括:历史睡眠时运行概率超过预设阈值的应用程序的标识;
当所述预设状态参数中包括当前的WiFi连接状态时,所述预设历史状态参数包括:历史睡眠时出现概率最大的WiFi连接状态,其中所述WiFi连接状态包括连接或未连接;
当所述预设状态参数中包括当前时刻时,所述预设历史状态参数包括:历史平均睡眠时刻;
当所述预设状态参数中包括当前的环境光强时,所述预设历史状态参数包括:历史睡眠时的平均环境光强;
当所述预设状态参数中包括当前的环境声强时,所述预设历史状态参数包括:历史睡眠时的平均环境声强。
可选的,所述将所述预设状态参数的参数值和所述预设历史状态参数的参数值,输入预先训练的用户睡眠状态识别模型,得到所述目标终端对应的当前用户睡眠状态信息,包括:
获取当前日期所属的日期类型;
将所述预设状态参数的参数值和所述预设历史状态参数的参数值,输入预先训练的所述日期类型对应的用户睡眠状态识别模型,得到所述目标终端对应的当前用户睡眠状态信息。
可选的,所述预设的省电优化处理包括以下处理中的任意一种或多种:
当蓝牙功能处于开启状态时,关闭蓝牙功能;
当WiFi功能处于开启状态时,关闭WiFi功能;
清除应用程序缓存数据。
根据本公开实施例的第二方面,提供一种进行省电优化处理的装置,所述装置包括:
第一获取模块,用于获取目标终端检测的预设状态参数的参数值,以及预先存储的所述目标终端的预设历史状态参数的参数值;
第一确定模块,用于将所述预设状态参数的参数值和所述预设历史状态参数的参数值,输入预先训练的用户睡眠状态识别模型,得到所述目标终端对应的当前的用户睡眠状态信息,其中,所述用户睡眠状态信息包括睡眠或未睡眠;
执行模块,用于如果所述用户睡眠状态信息为睡眠,则对所述目标终端执行预设的省电优化处理。
可选的,所述装置还包括:
第二获取模块,用于获取任意终端在目标时刻检测的预设状态参数的参数值,以及预先存储的所述任意终端的预设历史状态参数的参数值;
第三获取模块,用于获取在所述目标时刻所述任意终端对应的用户睡眠状态信息;
训练模块,用于将所述任意终端在目标时刻检测的预设状态参数的参数值、所述任意终端的预设历史状态参数的参数值、所述在所述目标时刻所述任意终端对应的用户睡眠状态信息,作为样本,对所述用户睡眠状态识别模型进行训练。
可选的,所述第一获取模块用于:
当时间处于预设的睡眠检测时段,且目标终端处于关屏状态时,获取所述目标终端检测的预设状态参数的参数值,以及预先存储的所述目标终端的预设历史状态参数的参数值。
可选的,所述预设状态参数包括以下参数中的任意一种或多种:当前运行的应用程序的标识、当前的WiFi连接状态、当前时刻、当前的环境光强、当前的环境声强、当前的终端运动状态;
当所述预设状态参数中包括当前运行的应用程序的标识时,所述预设历史状态参数包括:历史睡眠时运行概率超过预设阈值的应用程序的标识;
当所述预设状态参数中包括当前的WiFi连接状态时,所述预设历史状态参数包括:历史睡眠时出现概率最大的WiFi连接状态,其中所述WiFi连接状态包括连接或未连接;
当所述预设状态参数中包括当前时刻时,所述预设历史状态参数包括:历史平均睡眠时刻;
当所述预设状态参数中包括当前的环境光强时,所述预设历史状态参数包括:历史睡眠时的平均环境光强;
当所述预设状态参数中包括当前的环境声强时,所述预设历史状态参数包括:历史睡眠时的平均环境声强。
可选的,所述第一确定模块用于:
获取当前日期所属的日期类型;
将所述预设状态参数的参数值和所述预设历史状态参数的参数值,输入预先训练的所述日期类型对应的用户睡眠状态识别模型,得到所述目标终端对应的当前用户睡眠状态信息。
可选的,所述执行模块用于执行以下处理中的任意一种或多种:
当蓝牙功能处于开启状态时,关闭蓝牙功能;
当WiFi功能处于开启状态时,关闭WiFi功能;
清除应用程序缓存数据。
根据本公开实施例的第三方面,提供一种服务器,所述服务器包括处理器和存储器,所述存储器中存储有至少一条指令,所述指令由所述处理器加载并执行以实现如第一方面所述的进行省电优化处理的方法。
根据本公开实施例的第四方面,提供一种计算机可读存储介质,所述存储介质中存储有至少一条指令,所述指令由处理器加载并执行以实现如第一方面所述的进行省电优化处理的方法。
本公开的实施例提供的技术方案可以包括以下有益效果:
本公开实施例中,获取目标终端检测的预设状态参数的参数值,以及预先存储的目标终端的预设历史状态参数的参数值,将预设状态参数的参数值和所述预设历史状态参数的参数值,输入预先训练的用户睡眠状态识别模型,确定目标终端对应的当前的用户睡眠状态信息,其中,用户睡眠状态信息包括睡眠或未睡眠。如果用户睡眠状态信息为睡眠,则对目标终端执行预设的省电优化处理。这样,当判断出用户睡眠时,目标终端可以进行省电优化处理,从而,可以减少电量消耗。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。在附图中:
图1是根据一示例性实施例示出的一种进行省电优化处理的方法流程图;
图2是根据一示例性实施例示出的一种用户睡眠状态识别模型的示意图;
图3是根据一示例性实施例示出的一种服务器接收多个终端消息的示意图;
图4是根据一示例性实施例示出的一种用户睡眠状态信息的标记示意图;
图5是根据一示例性实施例示出的一种进行省电优化处理的方法的***架构图;
图6是根据一示例性实施例示出的一种进行省电优化处理的装置示意图;
图7是根据一示例性实施例示出的一种进行省电优化处理的装置示意图;
图8是根据一示例性实施例示出的一种服务器的结构示意图。
通过上述附图,已示出本公开明确的实施例,后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本公开构思的范围,而是通过参考特定实施例为本领域技术人员说明本公开的概念。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
本公开一示例性实施例提供了一种进行省电优化处理的方法,该方法可以由服务器与终端共同实现。其中,终端可以是智能手机、平板电脑等。
服务器可以包括处理器、存储器、收发器等部件。处理器,可以为CPU(CentralProcessing Unit,中央处理单元)等,可以用于获取预设状态参数的参数值、训练用户睡眠状态识别模型、判断当前睡眠状态,等处理。存储器,可以为RAM(Random Access Memory,随机存取存储器),Flash(闪存)等,可以用于存储接收到的数据、处理过程所需的数据、处理过程中生成的数据等,如预设状态参数的参数值、预设历史状态参数的参数值、当前用户睡眠状态信息等。收发器,可以用于与终端或其它服务器(如定位服务器)进行数据传输,例如,向终端发送执行省电优化处理通知,收发器可以包括天线、匹配电路、调制解调器等。
终端可以包括处理器、存储器、屏幕等部件。处理器,可以为CPU等,可以用于执行省电优化处理,等处理。存储器,可以为RAM,Flash等,可以用于存储接收到的数据、处理过程所需的数据、处理过程中生成的数据等,如预设状态参数的参数值等。屏幕可以是触控屏,可以用于显示设备列表、控制页面,还可以用于检测触碰信号等。终端还可以包括收发器、音频输入部件、光线传感器和加速度传感器等。收发器,可以用于与其它设备进行数据传输,例如,接收服务器发送的执行省电优化处理通知,可以包括天线、匹配电路、调制解调器等。音频输入部件可以是麦克风等,用于检测终端周围环境的声音强度。光线传感器,可以用于检测终端周围环境的光线强度。加速度传感器,可以用于检测终端当前的运动状态。
下面将结合实施方式,对图1所示的处理流程进行详细的说明,内容可以如下:
在步骤101中,获取目标终端检测的预设状态参数的参数值,以及预先存储的目标终端的预设历史状态参数的参数值。
其中,预设状态参数可以包括以下参数中的任意一种或多种:当前运行的应用程序的标识、当前的WiFi连接状态、当前时刻、当前的环境光强、当前的环境声强、当前的终端运动状态。
相对应的,当预设状态参数中包括当前运行的应用程序的标识时,预设历史状态参数包括:历史睡眠时运行概率超过预设阈值的应用程序的标识;当预设状态参数中包括当前的WiFi连接状态时,预设历史状态参数包括:历史睡眠时出现概率最大的WiFi连接状态,其中WiFi连接状态包括连接或未连接;当预设状态参数中包括当前时刻时,预设历史状态参数包括:历史平均睡眠时刻;当预设状态参数中包括当前的环境光强时,预设历史状态参数包括:历史睡眠时的平均环境光强;当预设状态参数中包括当前的环境声强时,预设历史状态参数包括:历史睡眠时的平均环境声强。
在实施中,目标终端检测当前时刻的预设状态参数的参数值,例如,可以检测当前终端运行的应用程序的标识、当前的WiFi连接状态、当前时刻、当前的环境光强、当前的环境声强、当前的终端运动状态等其中的一种或多种,并将检测到的预设状态参数的参数值以及该目标终端的标识发送给服务器进行后续处理。服务器接收到预设状态参数的参数值后,可以读取出与该目标终端标识相对应的预设历史状态参数的参数值,且预设历史状态参数与接收到的预设状态参数相对应。
可选的,本实施例的处理过程可以在睡眠检测时段、且目标终端处于关屏状态时进行,相应的步骤101的处理可以如下:当时间处于预设的睡眠检测时段,且目标终端处于关屏状态时,获取目标终端检测的预设状态参数的参数值,以及预先存储的目标终端的预设历史状态参数的参数值。
其中,预设的睡眠检测时段可以是晚上9点~第二天凌晨3点。目标终端的关屏状态即屏幕关闭的状态,可以是用户主动将目标终端的屏幕关闭,也可以是用户长时间不使用目标终端时,目标终端自动将屏幕关闭。当目标终端处于关屏状态时,用户可能不会对目标终端进行任何操作。
在实施中,基于对所有终端的屏幕开关状态信息的统计可以得到,终端在一天内屏幕关闭时长的最长时段的开始时刻处于晚上9点~第二天凌晨3点之间。并且可以认为屏幕关闭时长最长的时段内,用户处于睡眠状态。因此,可以认为用户在晚上9点~第二天凌晨3点之间开始睡眠,即可以预先将晚上9点~第二天凌晨3点设置为睡眠检测时段。当目标终端检测到当前时刻处于预设的睡眠检测时段内,并且此时目标终端处于关屏状态时,目标终端与服务器可以进行如步骤101中的处理,此处不再赘述。
在步骤102中,将预设状态参数的参数值和预设历史状态参数的参数值,输入预先训练的用户睡眠状态识别模型,确定目标终端对应的当前的用户睡眠状态信息。
其中,用户睡眠状态信息包括睡眠或未睡眠。如图2所示,用户睡眠状态识别模型是基于预设状态参数的参数值和预设历史状态参数来确定用户睡眠状态的计算模型,输入参数为预设状态参数的参数值和预设历史状态参数,输出参数为终端所属用户的用户睡眠状态信息。
可选的,如图3所示,用户睡眠状态识别模型可以基于通过大量终端采集的预设状态参数的参数值和预设历史状态参数的参数值进行训练,相应的处理可以如下:获取任意终端在目标时刻检测的预设状态参数的参数值,以及预先存储的任意终端的预设历史状态参数的参数值;根据目标时刻所属的预设夜晚时段内的屏幕开关状态信息,确定在目标时刻任意终端对应的用户睡眠状态信息;将任意终端在目标时刻检测的预设状态参数的参数值、任意终端的预设历史状态参数的参数值、在目标时刻任意终端对应的用户睡眠状态信息,作为样本,对用户睡眠状态识别模型进行训练。
其中,预设夜晚时段可以是技术人员预设的每天夜晚用户睡眠所在的时段,如晚上9点~第二天早上9点。屏幕开关状态信息可以包括屏幕关闭的时刻和屏幕开启的时刻。
在实施中,任意终端在预设的睡眠检测时段(如晚上9点~第二天凌晨3点)内,当屏幕关闭时,可以记录下屏幕关闭的时刻(即屏幕开关状态信息),并检测预设状态参数的参数值进行存储。并且每隔预设的时间间隔(如4分钟)可以再次对预设状态参数进行检测,直至时间超出预设的睡眠检测时段,或者直至屏幕再次开启,记录下屏幕开启的时刻(即屏幕开关状态信息)。任意终端在连接上服务器后,可以将预设夜晚时段内的屏幕开关状态信息、预设的睡眠检测时段内的预设状态参数的参数值以及对应的终端标识,发送给服务器进行后续处理。
服务器可以将接收到的屏幕开关状态信息进行处理,确定相应的终端的屏幕关闭时长最长的时段,并将该时段内该终端对应的用户睡眠状态信息标记为睡眠,预设夜晚时段中的其他时段内该终端对应的用户睡眠状态信息标记为未睡眠,标记结果示意如图4所示。进而,可以在接收到的相应的终端的预设状态参数的参数值中,筛选出用户睡眠状态信息为睡眠的时段内的预设状态参数的参数值,并且可以读取出与该终端标识相对应的预设历史状态参数的参数值。将筛选出的任意终端在用户睡眠状态信息为睡眠的时段内的对应时刻检测的预设状态参数的参数值、任意终端的预设历史状态参数的参数值、在上述对应时刻中任意终端对应的用户睡眠状态信息(即睡眠),作为样本,可以将样本按照3:1的比例分为训练样本和测试样本。进而,可以基于训练样本,对用户睡眠状态识别模型进行训练。
该用户睡眠状态识别模型可以是决策树模型,具体的,可以是随机梯度下降决策树。训练过程中,可以对训练样本的各类输入参数与输出参数进行概率统计,得到各类输入参数的条件熵H(Y|Xi),其中,Y为输出参数(即睡眠或未睡眠),Xi为各类输入参数。例如,输入参数为当前的环境光强,可以在所有的训练样本中,统计输出参数为“睡眠”的样本个数,得到“睡眠”对应的条件概率,统计输出参数为“未睡眠”的样本个数,得到“未睡眠”对应的条件概率,进而,可以计算出当前的环境光强对应的条件熵。该条件熵表示该输入参数的不确定性,条件熵的数值越大,表示该参数的不确定性越大;条件熵的数值越小,表示该参数的不确定性越小。得到各类输入参数的条件熵后,可以选取条件熵最小的输入参数作为决策树的根节点。
判断该根节点的取值是否可以视为连续,例如当前的环境光强,其取值可以是0-100之间的随机数值,也可以包含两位小数,连续性较强,即可视为连续。如果该根节点的取值可以视为连续,则可以统计所有输出参数为“睡眠”的输入参数数值、与所有输出参数为“未睡眠”的输入参数数值,得到一个能把“睡眠”与“未睡眠”的样本大致区分开来的数值,可以将该数值作为划分决策树分支的判断依据,例如,如果当前的环境光强大于30的样本中大多数输出参数为“睡眠”,小于等于30的样本中大多数输出参数为“未睡眠”,则可以将数值30作为判断依据。即可以将当前的环境光强大于30的样本划分为一类分支,将小于等于30的样本划分为另一类分支。如果判断出该根节点的取值可以视为离散,例如当前的WiFi连接状态,其取值可以只有“连接”与“未连接”,离散性较强,则可以直接将取值为“连接”的样本划分为一类分支,将取值为“未连接”的样本划分为另一类分支。将节点对应的输入参数及分支的条件存储为该节点的信息。
进而,在划分下的各个分支的样本中,不再考虑上级节点出现过的输入参数,统计剩余的各类输入参数对应的条件熵,选取条件熵最小的输入参数作为下一个节点,以此类推,直至得到条件熵为0的节点,表示该节点中的样本不存在不确定性,即输出参数都为“睡眠”或者都为“未睡眠”,则找到了叶子节点,叶子节点可以对应唯一的输出参数,不再划分分支。所有分支都确定了叶子节点后,可以得到完整的决策树,即得到训练后的用户睡眠状态识别模型。
可以基于测试样本中的任意终端的预设状态参数的参数值、任意终端的预设历史状态参数的参数值,输入用户睡眠状态识别模型进行测试。输出结果与测试样本中的用户睡眠状态信息(即睡眠)相对比,可以基于混淆矩阵,计算出用户睡眠状态识别模型的准确率与召回率。当准确率大于预设的准确率阈值,且召回率大于预设的召回率阈值时,可以将训练后的用户睡眠状态识别模型用于判断当前的用户睡眠状态信息。此外,服务器还可以基于接收到任意终端的预设状态参数的参数值,重新计算得到更新的任意终端的预设历史状态参数的参数值。
将步骤101中获取到的目标终端的预设状态参数的参数值与预设历史状态参数的参数值,输入训练后的用户睡眠状态识别模型,从根节点开始,根据根节点的信息确定根节点对应的输入参数及分支的条件,并根据步骤101中获取到的该输入参数的取值,判断该输入参数的取值满足何种分支的条件,如果满足某分支的条件,则获取该分支对应的下一级节点。进而,采用与上述方法相同的方法继续确定该节点的下一级节点,此处不再赘述。直到到达叶子节点,则可以得到该叶子节点对应的输出参数,即可以得到目标终端对应的当前的用户睡眠状态信息。
可选的,不同的日期类型可以对应不同的用户睡眠状态识别模型,相应的步骤102的处理可以如下:获取当前日期所属的日期类型;将预设状态参数的参数值和预设历史状态参数的参数值,输入预先训练的日期类型对应的用户睡眠状态识别模型,得到目标终端对应的当前用户睡眠状态信息。
其中,日期类型可以包括工作日(周一~周五)、周末(周六、周日)、节假日(春节、清明节、端午节等)。
在实施中,终端向服务器发送预设状态参数的参数值时,发送的信息中还可以携带有日期类型。训练用户睡眠状态识别模型的过程中,可以基于不同的日期类型对应的样本,训练出不同的日期类型对应的用户睡眠状态识别模型。在使用用户睡眠状态识别模型确定当前的用户睡眠状态信息的过程中,目标终端可以获取当前日期所属的日期类型,并将该日期类型包含进发送给服务器的信息中,即向服务器发送预设状态参数的参数值具有相对应的日期类型。进而,服务器可以调用该日期类型对应的用户睡眠状态识别模型,进行相应的处理,处理过程此处不再赘述。
相对应的,当预设状态参数中包括当前运行的应用程序的标识时,预设历史状态参数包括:历史上该日期类型的各日期中睡眠时运行概率超过预设阈值的应用程序的标识;当预设状态参数中包括当前的WiFi连接状态时,预设历史状态参数包括:历史上该日期类型的各日期中睡眠时出现概率最大的WiFi连接状态,其中WiFi连接状态包括连接或未连接;当预设状态参数中包括当前时刻时,预设历史状态参数包括:历史上该日期类型的各日期中平均睡眠时刻;当预设状态参数中包括当前的环境光强时,预设历史状态参数包括:历史上该日期类型的各日期中睡眠时的平均环境光强;当预设状态参数中包括当前的环境声强时,预设历史状态参数包括:历史上该日期类型的各日期中睡眠时的平均环境声强。
在步骤103中,如果用户睡眠状态信息为睡眠,则对目标终端执行预设的省电优化处理。
可选的,预设的省电优化处理可以包括以下处理中的任意一种或多种:当蓝牙功能处于开启状态时,关闭蓝牙功能;当WiFi功能处于开启状态时,关闭WiFi功能;清除应用程序缓存数据。
在实施中,当服务器判断目标终端对应的当前的用户睡眠状态信息为睡眠时,可以向目标终端发送执行省电优化处理的通知消息。进而,目标终端可以进行相应的省电优化处理。例如,目标终端可以检测蓝牙功能当前是否处于开启状态,当检测到蓝牙功能处于开启状态时,关闭蓝牙功能;检测WiFi功能当前是否处于开启状态,当检测到WiFi功能处于开启状态时,关闭WiFi功能;检测是否存在应用程序缓存数据,当存在应用程序缓存数据时,清除应用程序缓存数据。省电优化处理可以包括上述的处理方式或者技术人员可以想到的其他处理方式,此处不作限定。
本公开实施例的***框架和基于该***框架的执行流程可以如图5所示。
本公开实施例中,服务器获取目标终端检测的预设状态参数的参数值,以及预先存储的目标终端的预设历史状态参数的参数值,并将预设状态参数的参数值和预设历史状态参数的参数值,输入预先训练的用户睡眠状态识别模型,得到目标终端对应的当前的用户睡眠状态信息。如果用户睡眠状态信息为睡眠,则对目标终端执行预设的省电优化处理。这样,当判断出用户可能睡眠时,目标终端可以进行省电优化处理,从而,可以减少电量消耗。
本公开又一示例性实施例提供了一种进行省电优化处理的装置,如图6所示,该装置包括:
第一获取模块610,用于获取目标终端检测的预设状态参数的参数值,以及预先存储的所述目标终端的预设历史状态参数的参数值;
第一确定模块620,用于将所述预设状态参数的参数值和所述预设历史状态参数的参数值,输入预先训练的用户睡眠状态识别模型,确定所述目标终端对应的当前的用户睡眠状态信息,其中,所述用户睡眠状态信息包括睡眠或未睡眠;
执行模块630,用于如果所述用户睡眠状态信息为睡眠,则对所述目标终端执行预设的省电优化处理。
可选的,如图7所示,所述装置还包括:
第二获取模块640,用于获取任意终端在目标时刻检测的预设状态参数的参数值,以及预先存储的所述任意终端的预设历史状态参数的参数值;
第三获取模块650,用于获取在所述目标时刻所述任意终端对应的用户睡眠状态信息;
训练模块660,用于将所述任意终端在目标时刻检测的预设状态参数的参数值、所述任意终端的预设历史状态参数的参数值、所述在所述目标时刻所述任意终端对应的用户睡眠状态信息,作为样本,对所述用户睡眠状态识别模型进行训练。
可选的,所述第一获取模块610用于:
当时间处于预设的睡眠检测时段,且目标终端处于关屏状态时,获取所述目标终端检测的预设状态参数的参数值,以及预先存储的所述目标终端的预设历史状态参数的参数值。
可选的,所述预设状态参数包括以下参数中的任意一种或多种:当前运行的应用程序的标识、当前的WiFi连接状态、当前时刻、当前的环境光强、当前的环境声强、当前的终端运动状态;
当所述预设状态参数中包括当前运行的应用程序的标识时,所述预设历史状态参数包括:历史睡眠时运行概率超过预设阈值的应用程序的标识;
当所述预设状态参数中包括当前的WiFi连接状态时,所述预设历史状态参数包括:历史睡眠时出现概率最大的WiFi连接状态,其中所述WiFi连接状态包括连接或未连接;
当所述预设状态参数中包括当前时刻时,所述预设历史状态参数包括:历史平均睡眠时刻;
当所述预设状态参数中包括当前的环境光强时,所述预设历史状态参数包括:历史睡眠时的平均环境光强;
当所述预设状态参数中包括当前的环境声强时,所述预设历史状态参数包括:历史睡眠时的平均环境声强。
可选的,所述第一确定模块620用于:
获取当前日期所属的日期类型;
将所述预设状态参数的参数值和所述预设历史状态参数的参数值,输入预先训练的所述日期类型对应的用户睡眠状态识别模型,确定所述目标终端对应的当前用户睡眠状态信息。
可选的,所述执行模块630用于执行以下处理中的任意一种或多种:
当蓝牙功能处于开启状态时,关闭蓝牙功能;
当WiFi功能处于开启状态时,关闭WiFi功能;
清除应用程序缓存数据。
关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
本公开实施例中,服务器获取目标终端检测的预设状态参数的参数值,以及预先存储的目标终端的预设历史状态参数的参数值,并将预设状态参数的参数值和预设历史状态参数的参数值,输入预先训练的用户睡眠状态识别模型,得到目标终端对应的当前的用户睡眠状态信息。如果用户睡眠状态信息为睡眠,则对目标终端执行预设的省电优化处理。这样,当判断出用户可能睡眠时,目标终端可以进行省电优化处理,从而,可以减少电量消耗。
需要说明的是:上述实施例提供的进行省电优化处理的装置在进行省电优化处理时,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将装置的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。另外,上述实施例提供的进行省电优化处理的装置与进行省电优化处理的方法实施例属于同一构思,其具体实现过程详见方法实施例,这里不再赘述。
本公开再一示例性实施例示出了一种服务器的结构示意图。
参照图8,服务器800包括处理组件822,其进一步包括一个或多个处理器,以及由存储器832所代表的存储器资源,用于存储可由处理部件822的执行的指令,例如应用程序。存储器832中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外,处理组件822被配置为执行指令,以执行上述进行省电优化处理的方法。
服务器800还可以包括一个电源组件826被配置为执行服务器800的电源管理,一个有线或无线网络接口850被配置为将服务器800连接到网络,和一个输入输出(I/O)接口858。服务器800可以操作基于存储在存储器832的操作***,例如Windows ServerTM,MacOS XTM,UnixTM,LinuxTM,FreeBSDTM或类似。
服务器800可以包括有存储器,以及一个或者一个以上的程序,其中一个或者一个以上程序存储于存储器中,且经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于进行上述方法实施例的指令。
本公开实施例中,服务器获取目标终端检测的预设状态参数的参数值,以及预先存储的目标终端的预设历史状态参数的参数值,并将预设状态参数的参数值和预设历史状态参数的参数值,输入预先训练的用户睡眠状态识别模型,得到目标终端对应的当前的用户睡眠状态信息。如果用户睡眠状态信息为睡眠,则对目标终端执行预设的省电优化处理。这样,当判断出用户可能睡眠时,目标终端可以进行省电优化处理,从而,可以减少电量消耗。
本公开再一实施例提供了一种非临时性计算机可读存储介质,当所述存储介质中的指令由终端的处理器执行时,使得终端能够执行:
获取目标终端检测的预设状态参数的参数值,以及预先存储的所述目标终端的预设历史状态参数的参数值;
将所述预设状态参数的参数值和所述预设历史状态参数的参数值,输入预先训练的用户睡眠状态识别模型,确定所述目标终端对应的当前的用户睡眠状态信息,其中,所述用户睡眠状态信息包括睡眠或未睡眠;
如果所述用户睡眠状态信息为睡眠,则对所述目标终端执行预设的省电优化处理。
可选的,所述方法还包括:
获取任意终端在目标时刻检测的预设状态参数的参数值,以及预先存储的所述任意终端的预设历史状态参数的参数值;
获取在所述目标时刻所述任意终端对应的用户睡眠状态信息;
将所述任意终端在目标时刻检测的预设状态参数的参数值、所述任意终端的预设历史状态参数的参数值、所述在所述目标时刻所述任意终端对应的用户睡眠状态信息,作为样本,对所述用户睡眠状态识别模型进行训练。
可选的,所述获取目标终端检测的预设状态参数的参数值,以及预先存储的所述目标终端的预设历史状态参数的参数值,包括:
当时间处于预设的睡眠检测时段,且目标终端处于关屏状态时,获取所述目标终端检测的预设状态参数的参数值,以及预先存储的所述目标终端的预设历史状态参数的参数值。
可选的,所述预设状态参数包括以下参数中的任意一种或多种:当前运行的应用程序的标识、当前的WiFi连接状态、当前时刻、当前的环境光强、当前的环境声强、当前的终端运动状态;
当所述预设状态参数中包括当前运行的应用程序的标识时,所述预设历史状态参数包括:历史睡眠时运行概率超过预设阈值的应用程序的标识;
当所述预设状态参数中包括当前的WiFi连接状态时,所述预设历史状态参数包括:历史睡眠时出现概率最大的WiFi连接状态,其中所述WiFi连接状态包括连接或未连接;
当所述预设状态参数中包括当前时刻时,所述预设历史状态参数包括:历史平均睡眠时刻;
当所述预设状态参数中包括当前的环境光强时,所述预设历史状态参数包括:历史睡眠时的平均环境光强;
当所述预设状态参数中包括当前的环境声强时,所述预设历史状态参数包括:历史睡眠时的平均环境声强。
可选的,所述将所述预设状态参数的参数值和所述预设历史状态参数的参数值,输入预先训练的用户睡眠状态识别模型,确定所述目标终端对应的当前用户睡眠状态信息,包括:
获取当前日期所属的日期类型;
将所述预设状态参数的参数值和所述预设历史状态参数的参数值,输入预先训练的所述日期类型对应的用户睡眠状态识别模型,确定所述目标终端对应的当前用户睡眠状态信息。
可选的,所述预设的省电优化处理包括以下处理中的任意一种或多种:
当蓝牙功能处于开启状态时,关闭蓝牙功能;
当WiFi功能处于开启状态时,关闭WiFi功能;
清除应用程序缓存数据。
本公开实施例中,服务器获取目标终端检测的预设状态参数的参数值,以及预先存储的目标终端的预设历史状态参数的参数值,并将预设状态参数的参数值和预设历史状态参数的参数值,输入预先训练的用户睡眠状态识别模型,得到目标终端对应的当前的用户睡眠状态信息。如果用户睡眠状态信息为睡眠,则对目标终端执行预设的省电优化处理。这样,当判断出用户可能睡眠时,目标终端可以进行省电优化处理,从而,可以减少电量消耗。
本领域技术人员在考虑说明书及实践这里公开的公开后,将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由下面的权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
Claims (14)
1.一种进行省电优化处理的方法,其特征在于,所述方法包括:
获取目标终端检测的预设状态参数的参数值,以及预先存储的所述目标终端的预设历史状态参数的参数值;
将所述预设状态参数的参数值和所述预设历史状态参数的参数值,输入预先训练的用户睡眠状态识别模型,得到所述目标终端对应的当前的用户睡眠状态信息,其中,所述用户睡眠状态信息包括睡眠或未睡眠;
如果所述用户睡眠状态信息为睡眠,则对所述目标终端执行预设的省电优化处理。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
获取任意终端在目标时刻检测的预设状态参数的参数值,以及预先存储的所述任意终端的预设历史状态参数的参数值;
获取在所述目标时刻所述任意终端对应的用户睡眠状态信息;
将所述任意终端在目标时刻检测的预设状态参数的参数值、所述任意终端的预设历史状态参数的参数值、所述在所述目标时刻所述任意终端对应的用户睡眠状态信息,作为样本,对所述用户睡眠状态识别模型进行训练。
3.根据权利要求1所述的方法,其特征在于,所述获取目标终端检测的预设状态参数的参数值,以及预先存储的所述目标终端的预设历史状态参数的参数值,包括:
当时间处于预设的睡眠检测时段,且目标终端处于关屏状态时,获取所述目标终端检测的预设状态参数的参数值,以及预先存储的所述目标终端的预设历史状态参数的参数值。
4.根据权利要求1所述的方法,其特征在于,所述预设状态参数包括以下参数中的任意一种或多种:当前运行的应用程序的标识、当前的WiFi连接状态、当前时刻、当前的环境光强、当前的环境声强、当前的终端运动状态;
当所述预设状态参数中包括当前运行的应用程序的标识时,所述预设历史状态参数包括:历史睡眠时运行概率超过预设阈值的应用程序的标识;
当所述预设状态参数中包括当前的WiFi连接状态时,所述预设历史状态参数包括:历史睡眠时出现概率最大的WiFi连接状态,其中所述WiFi连接状态包括连接或未连接;
当所述预设状态参数中包括当前时刻时,所述预设历史状态参数包括:历史平均睡眠时刻;
当所述预设状态参数中包括当前的环境光强时,所述预设历史状态参数包括:历史睡眠时的平均环境光强;
当所述预设状态参数中包括当前的环境声强时,所述预设历史状态参数包括:历史睡眠时的平均环境声强。
5.根据权利要求1所述的方法,其特征在于,所述将所述预设状态参数的参数值和所述预设历史状态参数的参数值,输入预先训练的用户睡眠状态识别模型,得到所述目标终端对应的当前用户睡眠状态信息,包括:
获取当前日期所属的日期类型;
将所述预设状态参数的参数值和所述预设历史状态参数的参数值,输入预先训练的所述日期类型对应的用户睡眠状态识别模型,得到所述目标终端对应的当前用户睡眠状态信息。
6.根据权利要求1所述的方法,其特征在于,所述预设的省电优化处理包括以下处理中的任意一种或多种:
当蓝牙功能处于开启状态时,关闭蓝牙功能;
当WiFi功能处于开启状态时,关闭WiFi功能;
清除应用程序缓存数据。
7.一种进行省电优化处理的装置,其特征在于,所述装置包括:
第一获取模块,用于获取目标终端检测的预设状态参数的参数值,以及预先存储的所述目标终端的预设历史状态参数的参数值;
第一确定模块,用于将所述预设状态参数的参数值和所述预设历史状态参数的参数值,输入预先训练的用户睡眠状态识别模型,得到所述目标终端对应的当前的用户睡眠状态信息,其中,所述用户睡眠状态信息包括睡眠或未睡眠;
执行模块,用于如果所述用户睡眠状态信息为睡眠,则对所述目标终端执行预设的省电优化处理。
8.根据权利要求7所述的装置,其特征在于,所述装置还包括:
第二获取模块,用于获取任意终端在目标时刻检测的预设状态参数的参数值,以及预先存储的所述任意终端的预设历史状态参数的参数值;
第三获取模块,用于获取在所述目标时刻所述任意终端对应的用户睡眠状态信息;
训练模块,用于将所述任意终端在目标时刻检测的预设状态参数的参数值、所述任意终端的预设历史状态参数的参数值、所述在所述目标时刻所述任意终端对应的用户睡眠状态信息,作为样本,对所述用户睡眠状态识别模型进行训练。
9.根据权利要求7所述的装置,其特征在于,所述第一获取模块用于:
当时间处于预设的睡眠检测时段,且目标终端处于关屏状态时,获取所述目标终端检测的预设状态参数的参数值,以及预先存储的所述目标终端的预设历史状态参数的参数值。
10.根据权利要求7所述的装置,其特征在于,所述预设状态参数包括以下参数中的任意一种或多种:当前运行的应用程序的标识、当前的WiFi连接状态、当前时刻、当前的环境光强、当前的环境声强、当前的终端运动状态;
当所述预设状态参数中包括当前运行的应用程序的标识时,所述预设历史状态参数包括:历史睡眠时运行概率超过预设阈值的应用程序的标识;
当所述预设状态参数中包括当前的WiFi连接状态时,所述预设历史状态参数包括:历史睡眠时出现概率最大的WiFi连接状态,其中所述WiFi连接状态包括连接或未连接;
当所述预设状态参数中包括当前时刻时,所述预设历史状态参数包括:历史平均睡眠时刻;
当所述预设状态参数中包括当前的环境光强时,所述预设历史状态参数包括:历史睡眠时的平均环境光强;
当所述预设状态参数中包括当前的环境声强时,所述预设历史状态参数包括:历史睡眠时的平均环境声强。
11.根据权利要求7所述的装置,其特征在于,所述第一确定模块用于:
获取当前日期所属的日期类型;
将所述预设状态参数的参数值和所述预设历史状态参数的参数值,输入预先训练的所述日期类型对应的用户睡眠状态识别模型,得到所述目标终端对应的当前用户睡眠状态信息。
12.根据权利要求7所述的装置,其特征在于,所述执行模块用于执行以下处理中的任意一种或多种:
当蓝牙功能处于开启状态时,关闭蓝牙功能;
当WiFi功能处于开启状态时,关闭WiFi功能;
清除应用程序缓存数据。
13.一种服务器,其特征在于,所述服务器包括处理器和存储器,所述存储器中存储有至少一条指令,所述指令由所述处理器加载并执行以实现如权利要求1至6任一所述的进行省电优化处理的方法。
14.一种计算机可读存储介质,其特征在于,所述存储介质中存储有至少一条指令,所述指令由处理器加载并执行以实现如权利要求1至6任一所述的进行省电优化处理的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710959480.8A CN107567083B (zh) | 2017-10-16 | 2017-10-16 | 进行省电优化处理的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710959480.8A CN107567083B (zh) | 2017-10-16 | 2017-10-16 | 进行省电优化处理的方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107567083A true CN107567083A (zh) | 2018-01-09 |
CN107567083B CN107567083B (zh) | 2021-07-30 |
Family
ID=60986050
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710959480.8A Active CN107567083B (zh) | 2017-10-16 | 2017-10-16 | 进行省电优化处理的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107567083B (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108255543A (zh) * | 2018-01-17 | 2018-07-06 | 北京小米移动软件有限公司 | 应用运行方法、装置及计算机可读存储介质 |
CN108944052A (zh) * | 2018-07-27 | 2018-12-07 | 北京小米移动软件有限公司 | 打印机维护方法及装置 |
CN109831817A (zh) * | 2019-02-27 | 2019-05-31 | 北京达佳互联信息技术有限公司 | 终端控制方法、装置、终端及存储介质 |
CN110362184A (zh) * | 2019-07-05 | 2019-10-22 | 深圳前海微众银行股份有限公司 | 一种控制电子设备的方法及可穿戴设备 |
WO2020168451A1 (zh) * | 2019-02-18 | 2020-08-27 | 深圳市欢太科技有限公司 | 睡眠预测方法、装置、存储介质及电子设备 |
CN112997148A (zh) * | 2019-02-18 | 2021-06-18 | 深圳市欢太科技有限公司 | 睡眠预测方法、装置、存储介质及电子设备 |
CN113056756A (zh) * | 2019-02-18 | 2021-06-29 | 深圳市欢太科技有限公司 | 睡眠识别方法、装置、存储介质及电子设备 |
CN113138656A (zh) * | 2021-05-14 | 2021-07-20 | 上海传英信息技术有限公司 | 控制方法、移动终端及存储介质 |
CN113164056A (zh) * | 2019-02-18 | 2021-07-23 | 深圳市欢太科技有限公司 | 睡眠预测方法、装置、存储介质及电子设备 |
CN114017904A (zh) * | 2021-11-04 | 2022-02-08 | 广东电网有限责任公司 | 一种建筑物hvac***的运行控制方法及装置 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103327162A (zh) * | 2012-03-21 | 2013-09-25 | 华为技术有限公司 | 情景模式设置方法及终端设备 |
CN104331454A (zh) * | 2014-10-30 | 2015-02-04 | 北京思特奇信息技术股份有限公司 | 一种维系挽留休眠用户的***及方法 |
CN104423532A (zh) * | 2013-09-06 | 2015-03-18 | ***通信集团公司 | 移动终端的电源管理方法、装置及*** |
CN104702492A (zh) * | 2015-03-19 | 2015-06-10 | 百度在线网络技术(北京)有限公司 | 垃圾消息模型训练方法、垃圾消息识别方法及其装置 |
CN104980559A (zh) * | 2014-04-02 | 2015-10-14 | 华为技术有限公司 | 一种设置彩铃、彩铃音乐确定方法及装置 |
US20160292584A1 (en) * | 2015-03-31 | 2016-10-06 | Microsoft Technology Licensing, Llc | Inferring User Sleep Patterns |
CN106993083A (zh) * | 2017-02-21 | 2017-07-28 | 北京奇虎科技有限公司 | 一种推荐智能终端操作提示信息的方法和装置 |
US20200042823A1 (en) * | 2019-09-19 | 2020-02-06 | Lg Electronics Inc. | Artificial intelligence apparatus using sound signal classification and method for the same |
-
2017
- 2017-10-16 CN CN201710959480.8A patent/CN107567083B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103327162A (zh) * | 2012-03-21 | 2013-09-25 | 华为技术有限公司 | 情景模式设置方法及终端设备 |
CN104423532A (zh) * | 2013-09-06 | 2015-03-18 | ***通信集团公司 | 移动终端的电源管理方法、装置及*** |
CN104980559A (zh) * | 2014-04-02 | 2015-10-14 | 华为技术有限公司 | 一种设置彩铃、彩铃音乐确定方法及装置 |
CN104331454A (zh) * | 2014-10-30 | 2015-02-04 | 北京思特奇信息技术股份有限公司 | 一种维系挽留休眠用户的***及方法 |
CN104702492A (zh) * | 2015-03-19 | 2015-06-10 | 百度在线网络技术(北京)有限公司 | 垃圾消息模型训练方法、垃圾消息识别方法及其装置 |
US20160292584A1 (en) * | 2015-03-31 | 2016-10-06 | Microsoft Technology Licensing, Llc | Inferring User Sleep Patterns |
CN106993083A (zh) * | 2017-02-21 | 2017-07-28 | 北京奇虎科技有限公司 | 一种推荐智能终端操作提示信息的方法和装置 |
US20200042823A1 (en) * | 2019-09-19 | 2020-02-06 | Lg Electronics Inc. | Artificial intelligence apparatus using sound signal classification and method for the same |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108255543A (zh) * | 2018-01-17 | 2018-07-06 | 北京小米移动软件有限公司 | 应用运行方法、装置及计算机可读存储介质 |
CN108944052A (zh) * | 2018-07-27 | 2018-12-07 | 北京小米移动软件有限公司 | 打印机维护方法及装置 |
CN113164056A (zh) * | 2019-02-18 | 2021-07-23 | 深圳市欢太科技有限公司 | 睡眠预测方法、装置、存储介质及电子设备 |
WO2020168451A1 (zh) * | 2019-02-18 | 2020-08-27 | 深圳市欢太科技有限公司 | 睡眠预测方法、装置、存储介质及电子设备 |
CN112997148A (zh) * | 2019-02-18 | 2021-06-18 | 深圳市欢太科技有限公司 | 睡眠预测方法、装置、存储介质及电子设备 |
CN113056756A (zh) * | 2019-02-18 | 2021-06-29 | 深圳市欢太科技有限公司 | 睡眠识别方法、装置、存储介质及电子设备 |
CN113170018A (zh) * | 2019-02-18 | 2021-07-23 | 深圳市欢太科技有限公司 | 睡眠预测方法、装置、存储介质及电子设备 |
CN113056756B (zh) * | 2019-02-18 | 2024-03-12 | 深圳市欢太科技有限公司 | 睡眠识别方法、装置、存储介质及电子设备 |
CN109831817B (zh) * | 2019-02-27 | 2020-09-11 | 北京达佳互联信息技术有限公司 | 终端控制方法、装置、终端及存储介质 |
CN109831817A (zh) * | 2019-02-27 | 2019-05-31 | 北京达佳互联信息技术有限公司 | 终端控制方法、装置、终端及存储介质 |
CN110362184A (zh) * | 2019-07-05 | 2019-10-22 | 深圳前海微众银行股份有限公司 | 一种控制电子设备的方法及可穿戴设备 |
CN113138656A (zh) * | 2021-05-14 | 2021-07-20 | 上海传英信息技术有限公司 | 控制方法、移动终端及存储介质 |
CN114017904A (zh) * | 2021-11-04 | 2022-02-08 | 广东电网有限责任公司 | 一种建筑物hvac***的运行控制方法及装置 |
CN114017904B (zh) * | 2021-11-04 | 2023-01-20 | 广东电网有限责任公司 | 一种建筑物hvac***的运行控制方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN107567083B (zh) | 2021-07-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107567083A (zh) | 进行省电优化处理的方法和装置 | |
CN107678803B (zh) | 应用管控方法、装置、存储介质及电子设备 | |
CN103502946B (zh) | 用于动态控制到便携式计算装置的多核心处理器中的多个核心的电力的方法和*** | |
CN110176226A (zh) | 一种语音识别、及语音识别模型训练方法及装置 | |
US20200218456A1 (en) | Application Management Method, Storage Medium, and Electronic Apparatus | |
CN107773214A (zh) | 一种最佳唤醒策略的方法、计算机可读介质和*** | |
CN107315468B (zh) | 电量提醒方法、装置、存储介质及终端 | |
WO2019062460A1 (zh) | 应用控制方法、装置、存储介质以及电子设备 | |
CN108536099A (zh) | 一种信息处理方法、装置及移动终端 | |
WO2021179818A1 (zh) | 行驶状态识别方法、装置、终端及存储介质 | |
CN110971763B (zh) | 到站提醒方法、装置、存储介质及电子设备 | |
CN111435482A (zh) | 一种外呼模型的构建方法、外呼方法、装置和存储介质 | |
WO2019062462A1 (zh) | 应用控制方法、装置、存储介质以及电子设备 | |
CN109859774A (zh) | 语音设备及其端点检测灵敏度调节方法、装置和存储介质 | |
CN107765853A (zh) | 应用关闭方法、装置、存储介质及电子设备 | |
CN107832848B (zh) | 应用管理方法、装置、存储介质及电子设备 | |
CN104063316B (zh) | 一种应用的测试方法及装置 | |
CN111382723A (zh) | 求救识别的方法、装置及*** | |
Xiao | Machine learning in smart home energy monitoring system | |
CN113055984B (zh) | 终端控制方法、装置、移动终端及存储介质 | |
CN111045507B (zh) | 名单管控方法、装置、移动终端及存储介质 | |
CN110248401A (zh) | WiFi的扫描控制方法、装置、存储介质及移动终端 | |
CN107870791B (zh) | 应用管理方法、装置、存储介质及电子设备 | |
JP2020182172A (ja) | データ処理システム、データ処理方法、プログラム、センサ装置および受信装置 | |
CN108681480B (zh) | 后台应用程序管控方法、装置、存储介质及电子设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |