CN111796871A - 服务唤醒方法、装置、存储介质及电子设备 - Google Patents
服务唤醒方法、装置、存储介质及电子设备 Download PDFInfo
- Publication number
- CN111796871A CN111796871A CN201910282010.1A CN201910282010A CN111796871A CN 111796871 A CN111796871 A CN 111796871A CN 201910282010 A CN201910282010 A CN 201910282010A CN 111796871 A CN111796871 A CN 111796871A
- Authority
- CN
- China
- Prior art keywords
- service
- entropy
- value
- feature
- data
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000003860 storage Methods 0.000 title claims abstract description 23
- 238000004364 calculation method Methods 0.000 claims description 30
- 238000004590 computer program Methods 0.000 claims description 17
- 230000003068 static effect Effects 0.000 claims description 8
- 230000002618 waking effect Effects 0.000 claims description 7
- 238000010219 correlation analysis Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 description 24
- 238000004422 calculation algorithm Methods 0.000 description 13
- 230000006870 function Effects 0.000 description 10
- 238000004140 cleaning Methods 0.000 description 7
- 238000000605 extraction Methods 0.000 description 7
- 230000008447 perception Effects 0.000 description 7
- 230000010354 integration Effects 0.000 description 5
- 238000005457 optimization Methods 0.000 description 5
- 230000001133 acceleration Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000003190 augmentative effect Effects 0.000 description 3
- 238000013500 data storage Methods 0.000 description 3
- 239000011521 glass Substances 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000013501 data transformation Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000005355 Hall effect Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000007635 classification algorithm Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 238000012856 packing Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/44—Arrangements for executing specific programs
- G06F9/4401—Bootstrapping
- G06F9/4418—Suspend and resume; Hibernate and awake
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Computer Security & Cryptography (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Debugging And Monitoring (AREA)
Abstract
本申请实施例提供一种服务唤醒方法、装置、存储介质及电子设备,所述服务唤醒方法包括:确定服务的多个关联特征;根据所述多个关联特征在预设时间段内的特征值计算每一所述关联特征的信息熵;根据所述多个关联特征的信息熵计算所述服务的熵值;当所述熵值大于或等于预设熵值时,唤醒所述服务。本申请实施例提供的服务唤醒方法中,电子设备可以根据服务的多个关联特征在预设时间段内的特征值来计算每一关联特征的信息熵,并根据每一关联特征的信息熵计算服务的熵值,当所述熵值大于或等于预设熵值时,则唤醒所述服务。从而,电子设备可以自动唤醒服务,无需用户进行繁琐的唤醒操作,可以提高服务的唤醒速度和电子设备的智能性。
Description
技术领域
本申请涉及电子技术领域,特别涉及一种服务唤醒方法、装置、存储介质及电子设备。
背景技术
随着电子技术的发展,诸如智能手机等电子设备的智能化程度越来越高,电子设备能够运行的服务也越来越多。例如,电子设备可以运行支付类服务、***控制类服务、***优化类服务等。
发明内容
本申请实施例提供一种服务唤醒方法、装置、存储介质及电子设备,可以提高服务的唤醒速度和电子设备的智能性。
本申请实施例提供一种服务唤醒方法,包括:
确定服务的多个关联特征;
根据所述多个关联特征在预设时间段内的特征值计算每一所述关联特征的信息熵;
根据所述多个关联特征的信息熵计算所述服务的熵值;
当所述熵值大于或等于预设熵值时,唤醒所述服务。
本申请实施例还提供一种服务唤醒装置,包括:
确定模块,用于确定服务的多个关联特征;
第一计算模块,用于根据所述多个关联特征在预设时间段内的特征值计算每一所述关联特征的信息熵;
第二计算模块,用于根据所述多个关联特征的信息熵计算所述服务的熵值;
唤醒模块,用于当所述熵值大于或等于预设熵值时,唤醒所述服务。
本申请实施例还提供一种存储介质,所述存储介质中存储有计算机程序,当所述计算机程序在计算机上运行时,使得所述计算机执行上述服务唤醒方法。
本申请实施例还提供一种电子设备,包括处理器和存储器,所述存储器中存储有计算机程序,所述处理器通过调用所述存储器中存储的所述计算机程序,用于执行上述服务唤醒方法。
本申请实施例提供的服务唤醒方法,包括:确定服务的多个关联特征;根据所述多个关联特征在预设时间段内的特征值计算每一所述关联特征的信息熵;根据所述多个关联特征的信息熵计算所述服务的熵值;当所述熵值大于或等于预设熵值时,唤醒所述服务。所述服务唤醒方法中,电子设备可以根据服务的多个关联特征在预设时间段内的特征值来计算每一关联特征的信息熵,并根据每一关联特征的信息熵计算服务的熵值,当所述熵值大于或等于预设熵值时,则唤醒所述服务。从而,电子设备可以自动唤醒服务,无需用户进行繁琐的唤醒操作,可以提高服务的唤醒速度和电子设备的智能性。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍。显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的服务唤醒方法的应用场景示意图。
图2为本申请实施例提供的服务唤醒方法的第一种流程示意图。
图3为本申请实施例提供的服务唤醒方法的第二种流程示意图。
图4为本申请实施例提供的服务唤醒方法的第三种流程示意图。
图5为本申请实施例提供的服务唤醒方法的第四种流程示意图。
图6为本申请实施例提供的服务唤醒装置的结构示意图。
图7为本申请实施例提供的电子设备的第一种结构示意图。
图8为本申请实施例提供的电子设备的第二种结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述。显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域技术人员在没有付出创造性劳动前提下所获得的所有其他实施例,都属于本申请的保护范围。
参考图1,图1为本申请实施例提供的服务唤醒方法的应用场景示意图。所述服务唤醒方法应用于电子设备。所述电子设备中设置有全景感知架构。所述全景感知架构为电子设备中用于实现所述服务唤醒方法的硬件和软件的集成。
其中,全景感知架构包括信息感知层、数据处理层、特征抽取层、情景建模层以及智能服务层。
信息感知层用于获取电子设备自身的信息或者外部环境中的信息。所述信息感知层可以包括多个传感器。例如,所述信息感知层包括距离传感器、磁场传感器、光线传感器、加速度传感器、指纹传感器、霍尔传感器、位置传感器、陀螺仪、惯性传感器、姿态感应器、气压计、心率传感器等多个传感器。
其中,距离传感器可以用于检测电子设备与外部物体之间的距离。磁场传感器可以用于检测电子设备所处环境的磁场信息。光线传感器可以用于检测电子设备所处环境的光线信息。加速度传感器可以用于检测电子设备的加速度数据。指纹传感器可以用于采集用户的指纹信息。霍尔传感器是根据霍尔效应制作的一种磁场传感器,可以用于实现电子设备的自动控制。位置传感器可以用于检测电子设备当前所处的地理位置。陀螺仪可以用于检测电子设备在各个方向上的角速度。惯性传感器可以用于检测电子设备的运动数据。姿态感应器可以用于感应电子设备的姿态信息。气压计可以用于检测电子设备所处环境的气压。心率传感器可以用于检测用户的心率信息。
数据处理层用于对信息感知层获取到的数据进行处理。例如,数据处理层可以对信息感知层获取到的数据进行数据清理、数据集成、数据变换、数据归约等处理。
其中,数据清理是指对信息感知层获取到的大量数据进行清理,以剔除无效数据和重复数据。数据集成是指将信息感知层获取到的多个单维度数据集成到一个更高或者更抽象的维度,以对多个单维度的数据进行综合处理。数据变换是指对信息感知层获取到的数据进行数据类型的转换或者格式的转换等,以使变换后的数据满足处理的需求。数据归约是指在尽可能保持数据原貌的前提下,最大限度的精简数据量。
特征抽取层用于对数据处理层处理后的数据进行特征抽取,以提取所述数据中包括的特征。提取到的特征可以反映出电子设备自身的状态或者用户的状态或者电子设备所处环境的环境状态等。
其中,特征抽取层可以通过过滤法、包装法、集成法等方法来提取特征或者对提取到的特征进行处理。
过滤法是指对提取到的特征进行过滤,以删除冗余的特征数据。包装法用于对提取到的特征进行筛选。集成法是指将多种特征提取方法集成到一起,以构建一种更加高效、更加准确的特征提取方法,用于提取特征。
情景建模层用于根据特征抽取层提取到的特征来构建模型,所得到的模型可以用于表示电子设备的状态或者用户的状态或者环境状态等。例如,情景建模层可以根据特征抽取层提取到的特征来构建关键值模型、模式标识模型、图模型、实体联系模型、面向对象模型等。
智能服务层用于根据情景建模层所构建的模型为用户提供智能化的服务。例如,智能服务层可以为用户提供基础应用服务,可以为电子设备进行***智能优化,还可以为用户提供个性化智能服务。
此外,全景感知架构中还可以包括多种算法,每一种算法都可以用于对数据进行分析处理,所述多种算法可以构成算法库。例如,所述算法库中可以包括马尔科夫算法、隐含狄里克雷分布算法、贝叶斯分类算法、皮尔逊相关算法、K均值聚类算法、K近邻算法、条件随机场、残差网络、长短期记忆网络、卷积神经网络、循环神经网络等算法。
本申请实施例提供一种服务唤醒方法,所述服务唤醒方法可以应用于电子设备中。所述电子设备可以为智能手机、平板电脑、游戏设备、AR(Augmented Reality,增强现实)设备、汽车、数据存储装置、音频播放装置、视频播放装置、笔记本电脑、桌面计算设备、可穿戴设备诸如电子手表、电子眼镜、电子头盔、电子手链、电子项链、电子衣物等设备。
参考图2,图2为本申请实施例提供的服务唤醒方法的第一种流程示意图。其中,所述服务唤醒方法包括以下步骤:
110,确定服务的多个关联特征。
电子设备可以运行多种服务。所述服务可以包括支付类服务、***控制类服务、***优化类服务等。其中,支付类服务例如可以为二维码支付、声波支付等。***控制类服务例如可以为CPU(Central Processing Unit,中央处理器)调度服务、传感器控制服务等。***优化类服务例如可以为***垃圾清理服务、应用预加载服务等。
电子设备中的每一个服务都包括多个特征,例如服务名称、服务的配置文件、服务类型、服务所占用的存储空间、服务运行时所占用的运行存储空间、服务运行时的计算速度、服务运行时的输入数据、服务运行时的输出数据等。其中,每一个服务的多个特征中,有些特征与服务运行或者关闭之间的关联性不大,例如服务名称、服务的配置文件等;而有些特征与服务运行或者关闭之间的关联性较大,例如服务类型、服务运行时的计算速度、服务运行时的输出数据等。
电子设备可以确定服务的多个关联特征。其中,多个意为两个或两个以上。所述关联特征即为与服务运行或者关闭之间的关联性较大的特征,例如服务类型、服务运行时的计算速度、服务运行时的输出数据等特征。其中,不同服务的关联特征可以是不同的。
例如,电子设备中可以预先针对每个服务设定相应的关联特征。电子设备即可根据所述服务确定所述服务的多个关联特征。例如,当所述服务为某个特定的支付类服务时,电子设备即可确定所述服务对应的多个关联特征。
其中,所述服务可以为电子设备中正在启动的服务,例如传感器控制服务。当所述服务正在启动时,服务中的部分代码或者函数已经运行,而另一部分代码或者函数尚未运行,从而所述服务可以执行部分功能,并输出部分数据。所述服务也可以为电子设备中间歇性进行数据处理的服务,例如***垃圾清理服务。当所述服务间歇性进行数据处理时,所述服务可以每间隔一段时间后输出部分数据,以供电子设备进行处理。
需要说明的是,电子设备虽然可以运行上述多种服务。但是,所述多种服务并非一直处于运行状态。用户或电子设备自身需要使用到电子设备中的某个服务时,所述服务需要被唤醒以执行任务。而当用户和电子设备自身都不需要使用到电子设备中的某个服务时,所述服务若常驻***则会导致***资源不必要的消耗。因此,当用户和电子设备自身都不需要使用到电子设备中的某个服务时,为了节省***资源,电子设备可以关闭所述服务。
120,根据所述多个关联特征在预设时间段内的特征值计算每一所述关联特征的信息熵。
电子设备可以获取所述服务的所述多个关联特征在预设时间段内的特征值。其中,预设时间段可以为预先设定的一个时长,例如30秒、10秒等。所述特征值即为每一个所述关联特征在所述预设时间段内的每一个时刻的取值。需要说明的是,即使是同一个关联特征,在不同时刻的特征值可以是不同的。
例如,所述多个关联特征包括服务类型、服务运行时的计算速度、服务运行时的输出数据。预设时间段为30秒。那么,电子设备可以获取所述服务在30秒内的每一个时刻的服务类型、计算速度、输出数据等特征值。其中,由于服务的服务类型是固定不变的,因此所述服务在30秒内的每一个时刻的服务类型的特征值都是相同的。而所述服务在30秒内的每一个时刻的计算速度、输出数据等特征值可以是不同的。
随后,电子设备可以根据所述多个关联特征在预设时间段内的特征值计算每一所述关联特征的信息熵。其中,关联特征的信息熵可以反映所述关联特征在所述预设时间段内取每个不同值的概率。
例如,电子设备获取到所述服务在30秒内的每一个时刻的服务类型、计算速度、输出数据等特征值后,可以计算所述服务类型的信息熵、所述计算速度的信息熵、所述输出数据的信息熵。
130,根据所述多个关联特征的信息熵计算所述服务的熵值。
电子设备计算得到服务的每一个关联特征的信息熵后,可以根据所述多个关联特征的信息熵计算所述服务的熵值。所述熵值反映了所述服务的每一个关联特征在所述预设时间段内的变化情况。
140,当所述熵值大于或等于预设熵值时,唤醒所述服务。
电子设备计算得到所述服务的熵值后,即可判断所述熵值是否大于或等于预设熵值。其中,预设熵值可以为预先设置在电子设备中的一个数值。例如,预设熵值可以为log3。
若所述熵值大于或等于所述预设熵值,则电子设备唤醒所述服务,以通过所述服务执行任务。例如,所述服务为正在启动的服务,或者间歇性进行数据处理的服务时,则电子设备可以唤醒所述服务,以使得所述服务可以正常执行任务。也即,使得所述服务可以正常进行数据处理,并输出处理结果。
若所述熵值小于所述预设熵值,则电子设备可以控制所述服务处于关闭状态,也即不唤醒所述服务。例如,所述服务为正在启动的服务,则电子设备可以阻止所述服务启动。再例如,所述服务为间歇性进行数据处理的服务,则电子设备可以控制所述服务退出,也即使得所述服务不再进行间歇性数据处理。
例如,在一些实施例中,电子设备在运行服务时,可以通过信息感知层获取所述服务的多个参数,例如服务的配置参数、服务的类型参数、服务所占据的存储空间大小等。随后,电子设备通过智能服务层确定所述服务的多个关联特征,并根据所述多个关联特征在预设时间段内的特征值计算每一所述关联特征的信息熵。
计算得到每一关联特征的信息熵后,电子设备可以通过智能服务层根据所述多个关联特征的信息熵计算所述服务的熵值。若所述熵值大于或等于预设熵值,则电子设备唤醒所述服务;若所述熵值小于所述预设熵值时,则电子设备不唤醒所述服务,也即保持所述服务处于关闭状态。
本申请实施例中,电子设备可以根据服务的多个关联特征在预设时间段内的特征值来计算每一关联特征的信息熵,并根据每一关联特征的信息熵计算服务的熵值,当所述熵值大于或等于预设熵值时,则唤醒所述服务。从而,电子设备可以自动唤醒服务,无需用户进行繁琐的唤醒操作,可以提高服务的唤醒速度和电子设备的智能性。
在一些实施例中,参考图3,图3为本申请实施例提供的服务唤醒方法的第二种流程示意图。
其中,步骤120、根据所述多个关联特征在预设时间段内的特征值计算每一所述关联特征的信息熵,包括以下步骤:
121,根据所述多个关联特征在预设时间段内的特征值确定每一所述关联特征的值域;
122,获取每一所述关联特征的值域内的每一个值出现的概率;
123,根据所述概率计算每一所述关联特征的信息熵。
电子设备获取到多个关联特征在预设时间段内的特征值后,可以根据所述多个关联特征在所述预设时间段内的特征值来确定每一所述关联特征的值域。其中,每一所述关联特征的值域表示所述关联特征在所述预设时间段内的取值范围。
例如,某个关联特征A在预设时间段内出现了以下特征值:0.5,0.6,0.6,0.5,0.4,0.8,0.5,0.6,0.5,0.8。那么,所述关联特征的值域即为(0.4,0.5,0.6,0.8)。
随后,电子设备获取每一所述关联特征的值域内的每一个值出现的概率。其中,电子设备可以根据每一个值出现的次数以及所述特征出现所有值的总次数来计算每一个值出现的概率。
例如,对于上述关联特征A,出现所有值的总次数为10次,那么电子设备可以获取到特征值0.4出现的概率为10%,特征值0.5出现的概率为40%,特征值0.6出现的概率为30%,特征值0.8出现的概率为20%。
随后,电子设备根据所述概率计算每一所述关联特征的信息熵。
在一些实施例中,步骤123中,根据所述概率计算每一所述关联特征的信息熵时,电子设备根据以下公式进行计算:
其中,Yn表示所述服务的第n个关联特征的信息熵,K表示所述第n个关联特征的值域包括K个值,pk表示所述第n个关联特征取第k个值的概率。
在一些实施例中,步骤130中,根据所述多个关联特征的信息熵计算所述服务的熵值时,电子设备根据以下公式进行计算:
其中,E表示所述服务的熵值,N表示所述服务包括N个关联特征,Yn表示所述服务的第n个关联特征的信息熵。
在一些实施例中,继续参考图3,步骤140、当所述熵值大于或等于预设熵值时,唤醒所述服务,包括以下步骤:
141,根据所述服务的服务类型获取所述服务对应的预设熵值;
142,判断所述熵值是否大于或等于所述预设熵值;
143,若所述熵值大于或等于所述预设熵值,则唤醒所述服务。
其中,电子设备中可以针对每一类型的服务预先设置一个对应的预设阈值。例如,电子设备中可以针对支付类服务、***控制类服务、***优化类服务分别设置一个对应的预设阈值。
电子设备判断计算得到的熵值是否大于或等于预设熵值时,首先根据所述服务的服务类型获取所述服务对应的预设熵值。例如,所述服务为支付类服务,则电子设备获取支付类服务对应的预设熵值。
随后,电子设备将计算得到的熵值与所述预设熵值进行比较,以判断所述熵值是否大于或等于所述预设熵值。若所述熵值大于或等于所述预设熵值,则电子设备唤醒所述服务。
在一些实施例中,参考图4,图4为本申请实施例提供的服务唤醒方法的第三种流程示意图。
其中,步骤110、确定服务的多个关联特征,包括以下步骤:
111,获取服务的服务数据,所述服务数据包括静态数据、运行数据以及服务类型数据;
112,根据所述服务数据确定所述服务的多个关联特征。
电子设备可以获取所述服务的服务数据。其中,所述服务数据包括静态数据、运行数据以及服务类型数据。所述静态数据可以包括所述服务的文本描述数据等。所述运行数据可以包括所述服务运行或者部分运行过程中产生的数据,例如运行存储空间占用数据、前期启动服务数据、资源加载数据等。所述服务类型数据包括所述服务的类型。
需要说明的是,电子设备获取到所述服务的服务数据可以为大量的数据。例如,电子设备获取到的服务数据可以包括50种数据。
随后,电子设备根据所述服务数据确定所述服务的多个关联特征。例如,电子设备可以从所述服务数据中确定出与所述服务的运行或关闭关联性大的数据,并从关联性大的数据中提取出所述服务的多个关联特征。
此外,电子设备确定出所述服务的多个关联特征后,可以通过所述多个关联特征构建多维特征向量。
在一些实施例中,参考图5,图5为本申请实施例提供的服务唤醒方法的第四种流程示意图。
其中,步骤112、根据所述服务数据确定所述服务的多个关联特征,包括以下步骤:
1121,根据所述服务数据提取所述服务的多个原始特征;
1122,通过关联性分析获取每一所述原始特征与所述服务的关联系数;
1123,将关联系数大于预设关联系数阈值的多个原始特征确定为所述服务的关联特征。
电子设备可以根据所述服务数据提取所述服务的多个原始特征。其中,原始特征可以为所述服务数据中提取到的所有的特征。例如,所述多个原始特征可以包括服务名称、服务的配置文件、服务类型、服务所占用的存储空间、服务运行时所占用的运行存储空间、服务运行时的计算速度、服务运行时的输入数据、服务运行时的输出数据等特征。
随后,电子设备通过关联性分析获取每一所述原始特征与所述服务的关联系数。例如,电子设备可以通过皮尔逊相关算法来进行关联性分析,以获取每一所述原始特征与所述服务的关联系数。
随后,电子设备将关联系数大于预设关联系数阈值的多个原始特征确定为所述服务的关联特征。其中,所述预设关联系数阈值可以为预先设置在电子设备中的一个数值。例如,所述预设关联系数阈值可以为0.5。
电子设备可以依次将获取到的每一个关联系数与所述预设关联系数阈值进行比较,将关联系数大于预设关联系数阈值的多个原始特征确定为所述服务的关联特征。
具体实施时,本申请不受所描述的各个步骤的执行顺序的限制,在不产生冲突的情况下,某些步骤还可以采用其它顺序进行或者同时进行。
由上可知,本申请实施例提供的服务唤醒方法,包括:确定服务的多个关联特征;根据所述多个关联特征在预设时间段内的特征值计算每一所述关联特征的信息熵;根据所述多个关联特征的信息熵计算所述服务的熵值;当所述熵值大于或等于预设熵值时,唤醒所述服务。所述服务唤醒方法中,电子设备可以根据服务的多个关联特征在预设时间段内的特征值来计算每一关联特征的信息熵,并根据每一关联特征的信息熵计算服务的熵值,当所述熵值大于或等于预设熵值时,则唤醒所述服务。从而,电子设备可以自动唤醒服务,无需用户进行繁琐的唤醒操作,可以提高服务的唤醒速度和电子设备的智能性。
本申请实施例还提供一种服务唤醒装置,所述服务唤醒装置可以集成在电子设备中。所述电子设备可以为智能手机、平板电脑、游戏设备、AR(Augmented Reality,增强现实)设备、汽车、数据存储装置、音频播放装置、视频播放装置、笔记本电脑、桌面计算设备、可穿戴设备诸如电子手表、电子眼镜、电子头盔、电子手链、电子项链、电子衣物等设备。
参考图6,图6为本申请实施例提供的服务唤醒装置的结构示意图。其中,所述服务唤醒装置200包括:确定模块201、第一计算模块202、第二计算模块203、唤醒模块204。
确定模块201,用于确定服务的多个关联特征。
电子设备可以运行多种服务。所述服务可以包括支付类服务、***控制类服务、***优化类服务等。其中,支付类服务例如可以为二维码支付、声波支付等。***控制类服务例如可以为CPU(Central Processing Unit,中央处理器)调度服务、传感器控制服务等。***优化类服务例如可以为***垃圾清理服务、应用预加载服务等。
电子设备中的每一个服务都包括多个特征,例如服务名称、服务的配置文件、服务类型、服务所占用的存储空间、服务运行时所占用的运行存储空间、服务运行时的计算速度、服务运行时的输入数据、服务运行时的输出数据等。其中,每一个服务的多个特征中,有些特征与服务运行或者关闭之间的关联性不大,例如服务名称、服务的配置文件等;而有些特征与服务运行或者关闭之间的关联性较大,例如服务类型、服务运行时的计算速度、服务运行时的输出数据等。
确定模块201可以确定服务的多个关联特征。其中,多个意为两个或两个以上。所述关联特征即为与服务运行或者关闭之间的关联性较大的特征,例如服务类型、服务运行时的计算速度、服务运行时的输出数据等特征。其中,不同服务的关联特征可以是不同的。
例如,电子设备中可以预先针对每个服务设定相应的关联特征。确定模块201即可根据所述服务确定所述服务的多个关联特征。例如,当所述服务为某个特定的支付类服务时,确定模块201即可确定所述服务对应的多个关联特征。
其中,所述服务可以为电子设备中正在启动的服务,例如传感器控制服务。当所述服务正在启动时,服务中的部分代码或者函数已经运行,而另一部分代码或者函数尚未运行,从而所述服务可以执行部分功能,并输出部分数据。所述服务也可以为电子设备中间歇性进行数据处理的服务,例如***垃圾清理服务。当所述服务间歇性进行数据处理时,所述服务可以每间隔一段时间后输出部分数据,以供电子设备进行处理。
需要说明的是,电子设备虽然可以运行上述多种服务。但是,所述多种服务并非一直处于运行状态。用户或电子设备自身需要使用到电子设备中的某个服务时,所述服务需要被唤醒以执行任务。而当用户和电子设备自身都不需要使用到电子设备中的某个服务时,所述服务若常驻***则会导致***资源不必要的消耗。因此,当用户和电子设备自身都不需要使用到电子设备中的某个服务时,为了节省***资源,电子设备可以关闭所述服务。
第一计算模块202,用于根据所述多个关联特征在预设时间段内的特征值计算每一所述关联特征的信息熵。
第一计算模块202可以获取所述服务的所述多个关联特征在预设时间段内的特征值。其中,预设时间段可以为预先设定的一个时长,例如30秒、10秒等。所述特征值即为每一个所述关联特征在所述预设时间段内的每一个时刻的取值。需要说明的是,即使是同一个关联特征,在不同时刻的特征值可以是不同的。
例如,所述多个关联特征包括服务类型、服务运行时的计算速度、服务运行时的输出数据。预设时间段为30秒。那么,第一计算模块202可以获取所述服务在30秒内的每一个时刻的服务类型、计算速度、输出数据等特征值。其中,由于服务的服务类型是固定不变的,因此所述服务在30秒内的每一个时刻的服务类型的特征值都是相同的。而所述服务在30秒内的每一个时刻的计算速度、输出数据等特征值可以是不同的。
随后,第一计算模块202可以根据所述多个关联特征在预设时间段内的特征值计算每一所述关联特征的信息熵。其中,关联特征的信息熵可以反映所述关联特征在所述预设时间段内取每个不同值的概率。
例如,第一计算模块202获取到所述服务在30秒内的每一个时刻的服务类型、计算速度、输出数据等特征值后,可以计算所述服务类型的信息熵、所述计算速度的信息熵、所述输出数据的信息熵。
第二计算模块203,用于根据所述多个关联特征的信息熵计算所述服务的熵值。
第一计算模块202计算得到服务的每一个关联特征的信息熵后,第二计算模块203可以根据所述多个关联特征的信息熵计算所述服务的熵值。所述熵值反映了所述服务的每一个关联特征在所述预设时间段内的变化情况。
唤醒模块204,用于当所述熵值大于或等于预设熵值时,唤醒所述服务。
第二计算模块203计算得到所述服务的熵值后,唤醒模块204即可判断所述熵值是否大于或等于预设熵值。其中,预设熵值可以为预先设置在电子设备中的一个数值。例如,预设熵值可以为log3。
若所述熵值大于或等于所述预设熵值,则唤醒模块204唤醒所述服务,以通过所述服务执行任务。例如,所述服务为正在启动的服务,或者间歇性进行数据处理的服务时,则唤醒模块204可以唤醒所述服务,以使得所述服务可以正常执行任务。也即,使得所述服务可以正常进行数据处理,并输出处理结果。
若所述熵值小于所述预设熵值,则电子设备可以控制所述服务处于关闭状态,也即不唤醒所述服务。例如,所述服务为正在启动的服务,则电子设备可以阻止所述服务启动。再例如,所述服务为间歇性进行数据处理的服务,则电子设备可以控制所述服务退出,也即使得所述服务不再进行间歇性数据处理。
本申请实施例中,电子设备可以根据服务的多个关联特征在预设时间段内的特征值来计算每一关联特征的信息熵,并根据每一关联特征的信息熵计算服务的熵值,当所述熵值大于或等于预设熵值时,则唤醒所述服务。从而,电子设备可以自动唤醒服务,无需用户进行繁琐的唤醒操作,可以提高服务的唤醒速度和电子设备的智能性。
在一些实施例中,第一计算模块202用于执行以下步骤:
根据所述多个关联特征在预设时间段内的特征值确定每一所述关联特征的值域;
获取每一所述关联特征的值域内的每一个值出现的概率;
根据所述概率计算每一所述关联特征的信息熵。
第一计算模块202获取到多个关联特征在预设时间段内的特征值后,可以根据所述多个关联特征在所述预设时间段内的特征值来确定每一所述关联特征的值域。其中,每一所述关联特征的值域表示所述关联特征在所述预设时间段内的取值范围。
例如,某个关联特征A在预设时间段内出现了以下特征值:0.5,0.6,0.6,0.5,0.4,0.8,0.5,0.6,0.5,0.8。那么,所述关联特征的值域即为(0.4,0.5,0.6,0.8)。
随后,第一计算模块202获取每一所述关联特征的值域内的每一个值出现的概率。其中,第一计算模块202可以根据每一个值出现的次数以及所述特征出现所有值的总次数来计算每一个值出现的概率。
例如,对于上述关联特征A,出现所有值的总次数为10次,那么第一计算模块202可以获取到特征值0.4出现的概率为10%,特征值0.5出现的概率为40%,特征值0.6出现的概率为30%,特征值0.8出现的概率为20%。
随后,第一计算模块202根据所述概率计算每一所述关联特征的信息熵。
在一些实施例中,根据所述概率计算每一所述关联特征的信息熵时,第一计算模块202根据以下公式进行计算:
其中,Yn表示所述服务的第n个关联特征的信息熵,K表示所述第n个关联特征的值域包括K个值,pk表示所述第n个关联特征取第k个值的概率。
在一些实施例中,根据所述多个关联特征的信息熵计算所述服务的熵值时,第二计算模块203根据以下公式进行计算:
其中,E表示所述服务的熵值,N表示所述服务包括N个关联特征,Yn表示所述服务的第n个关联特征的信息熵。
在一些实施例中,唤醒模块204用于执行以下步骤:
根据所述服务的服务类型获取所述服务对应的预设熵值;
判断所述熵值是否大于或等于所述预设熵值;
若所述熵值大于或等于所述预设熵值,则唤醒所述服务。
其中,电子设备中可以针对每一类型的服务预先设置一个对应的预设阈值。例如,电子设备中可以针对支付类服务、***控制类服务、***优化类服务分别设置一个对应的预设阈值。
唤醒模块204判断计算得到的熵值是否大于或等于预设熵值时,首先根据所述服务的服务类型获取所述服务对应的预设熵值。例如,所述服务为支付类服务,则唤醒模块204获取支付类服务对应的预设熵值。
随后,唤醒模块204将计算得到的熵值与所述预设熵值进行比较,以判断所述熵值是否大于或等于所述预设熵值。若所述熵值大于或等于所述预设熵值,则唤醒模块204唤醒所述服务。
在一些实施例中,确定模块201用于执行以下步骤:
获取服务的服务数据,所述服务数据包括静态数据、运行数据以及服务类型数据;
根据所述服务数据确定所述服务的多个关联特征。
确定模块201可以获取所述服务的服务数据。其中,所述服务数据包括静态数据、运行数据以及服务类型数据。所述静态数据可以包括所述服务的文本描述数据等。所述运行数据可以包括所述服务运行或者部分运行过程中产生的数据,例如运行存储空间占用数据、前期启动服务数据、资源加载数据等。所述服务类型数据包括所述服务的类型。
需要说明的是,确定模块201获取到所述服务的服务数据可以为大量的数据。例如,确定模块201获取到的服务数据可以包括50种数据。
随后,确定模块201根据所述服务数据确定所述服务的多个关联特征。例如,确定模块201可以从所述服务数据中确定出与所述服务的运行或关闭关联性大的数据,并从关联性大的数据中提取出所述服务的多个关联特征。
此外,确定模块201确定出所述服务的多个关联特征后,可以通过所述多个关联特征构建多维特征向量。
在一些实施例中,根据所述服务数据确定所述服务的多个关联特征时,确定模块201用于执行以下步骤:
根据所述服务数据提取所述服务的多个原始特征;
通过关联性分析获取每一所述原始特征与所述服务的关联系数;
将关联系数大于预设关联系数阈值的多个原始特征确定为所述服务的关联特征。
确定模块201可以根据所述服务数据提取所述服务的多个原始特征。其中,原始特征可以为所述服务数据中提取到的所有的特征。例如,所述多个原始特征可以包括服务名称、服务的配置文件、服务类型、服务所占用的存储空间、服务运行时所占用的运行存储空间、服务运行时的计算速度、服务运行时的输入数据、服务运行时的输出数据等特征。
随后,确定模块201通过关联性分析获取每一所述原始特征与所述服务的关联系数。例如,确定模块201可以通过皮尔逊相关算法来进行关联性分析,以获取每一所述原始特征与所述服务的关联系数。
随后,确定模块201将关联系数大于预设关联系数阈值的多个原始特征确定为所述服务的关联特征。其中,所述预设关联系数阈值可以为预先设置在电子设备中的一个数值。例如,所述预设关联系数阈值可以为0.5。
确定模块201可以依次将获取到的每一个关联系数与所述预设关联系数阈值进行比较,将关联系数大于预设关联系数阈值的多个原始特征确定为所述服务的关联特征。
具体实施时,以上各个模块可以作为独立的实体来实现,也可以进行任意组合,作为同一或若干个实体来实现。
由上可知,本申请实施例提供的服务唤醒装置200,包括:确定模块201,用于确定服务的多个关联特征;第一计算模块202,用于根据所述多个关联特征在预设时间段内的特征值计算每一所述关联特征的信息熵;第二计算模块203,用于根据所述多个关联特征的信息熵计算所述服务的熵值;唤醒模块204,用于当所述熵值大于或等于预设熵值时,唤醒所述服务。所述服务唤醒装置可以根据服务的多个关联特征在预设时间段内的特征值来计算每一关联特征的信息熵,并根据每一关联特征的信息熵计算服务的熵值,当所述熵值大于或等于预设熵值时,则唤醒所述服务。从而,电子设备可以自动唤醒服务,无需用户进行繁琐的唤醒操作,可以提高服务的唤醒速度和电子设备的智能性。
本申请实施例还提供一种电子设备。所述电子设备可以为智能手机、平板电脑、游戏设备、AR(Augmented Reality,增强现实)设备、汽车、数据存储装置、音频播放装置、视频播放装置、笔记本电脑、桌面计算设备、可穿戴设备诸如电子手表、电子眼镜、电子头盔、电子手链、电子项链、电子衣物等设备。
参考图7,图7为本申请实施例提供的电子设备的第一种结构示意图。
其中,电子设备300包括处理器301和存储器302。其中,处理器301与存储器302电性连接。
处理器301是电子设备300的控制中心,利用各种接口和线路连接整个电子设备的各个部分,通过运行或调用存储在存储器302内的计算机程序,以及调用存储在存储器302内的数据,执行电子设备的各种功能和处理数据,从而对电子设备进行整体监控。
在本实施例中,电子设备300中的处理器301会按照如下的步骤,将一个或一个以上的计算机程序的进程对应的指令加载到存储器302中,并由处理器301来运行存储在存储器302中的计算机程序,从而实现各种功能:
确定服务的多个关联特征;
根据所述多个关联特征在预设时间段内的特征值计算每一所述关联特征的信息熵;
根据所述多个关联特征的信息熵计算所述服务的熵值;
当所述熵值大于或等于预设熵值时,唤醒所述服务。
在一些实施例中,根据所述多个关联特征在预设时间段内的特征值计算每一所述关联特征的信息熵时,处理器301执行以下步骤:
根据所述多个关联特征在预设时间段内的特征值确定每一所述关联特征的值域;
获取每一所述关联特征的值域内的每一个值出现的概率;
根据所述概率计算每一所述关联特征的信息熵。
在一些实施例中,根据所述概率计算每一所述关联特征的信息熵时,处理器301根据以下公式进行计算:
其中,Yn表示所述服务的第n个关联特征的信息熵,K表示所述第n个关联特征的值域包括K个值,pk表示所述第n个关联特征取第k个值的概率。
在一些实施例中,根据所述多个关联特征的信息熵计算所述服务的熵值时,处理器301根据以下公式进行计算:
其中,E表示所述服务的熵值,N表示所述服务包括N个关联特征,Yn表示所述服务的第n个关联特征的信息熵。
在一些实施例中,当所述熵值大于或等于预设熵值时,唤醒所述服务时,处理器301执行以下步骤:
根据所述服务的服务类型获取所述服务对应的预设熵值;
判断所述熵值是否大于或等于所述预设熵值;
若所述熵值大于或等于所述预设熵值,则唤醒所述服务。
在一些实施例中,确定服务的多个关联特征时,处理器301执行以下步骤:
获取服务的服务数据,所述服务数据包括静态数据、运行数据以及服务类型数据;
根据所述服务数据确定所述服务的多个关联特征。
在一些实施例中,根据所述服务数据确定所述服务的多个关联特征时,处理器301执行以下步骤:
根据所述服务数据提取所述服务的多个原始特征;
通过关联性分析获取每一所述原始特征与所述服务的关联系数;
将关联系数大于预设关联系数阈值的多个原始特征确定为所述服务的关联特征。
存储器302可用于存储计算机程序和数据。存储器302存储的计算机程序中包含有可在处理器中执行的指令。计算机程序可以组成各种功能模块。处理器301通过调用存储在存储器302的计算机程序,从而执行各种功能应用以及数据处理。
在一些实施例中,参考图8,图8为本申请实施例提供的电子设备的第二种结构示意图。
其中,电子设备300还包括:显示屏303、控制电路304、输入单元305、传感器306以及电源307。其中,处理器301分别与显示屏303、控制电路304、输入单元305、传感器306以及电源307电性连接。
显示屏303可用于显示由用户输入的信息或提供给用户的信息以及电子设备的各种图形用户接口,这些图形用户接口可以由图像、文本、图标、视频和其任意组合来构成。
控制电路304与显示屏303电性连接,用于控制显示屏303显示信息。
输入单元305可用于接收输入的数字、字符信息或用户特征信息(例如指纹),以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。其中,输入单元305可以包括指纹识别模组。
传感器306用于采集电子设备自身的信息或者用户的信息或者外部环境信息。例如,传感器306可以包括距离传感器、磁场传感器、光线传感器、加速度传感器、指纹传感器、霍尔传感器、位置传感器、陀螺仪、惯性传感器、姿态感应器、气压计、心率传感器等多个传感器。
电源307用于给电子设备300的各个部件供电。在一些实施例中,电源307可以通过电源管理***与处理器301逻辑相连,从而通过电源管理***实现管理充电、放电、以及功耗管理等功能。
尽管图8中未示出,电子设备300还可以包括摄像头、蓝牙模块等,在此不再赘述。
由上可知,本申请实施例提供了一种电子设备,所述电子设备执行以下步骤:确定服务的多个关联特征;根据所述多个关联特征在预设时间段内的特征值计算每一所述关联特征的信息熵;根据所述多个关联特征的信息熵计算所述服务的熵值;当所述熵值大于或等于预设熵值时,唤醒所述服务。所述电子设备可以根据服务的多个关联特征在预设时间段内的特征值来计算每一关联特征的信息熵,并根据每一关联特征的信息熵计算服务的熵值,当所述熵值大于或等于预设熵值时,则唤醒所述服务。从而,电子设备可以自动唤醒服务,无需用户进行繁琐的唤醒操作,可以提高服务的唤醒速度和电子设备的智能性。
本申请实施例还提供一种存储介质,所述存储介质中存储有计算机程序,当所述计算机程序在计算机上运行时,所述计算机执行上述任一实施例所述的服务唤醒方法。
需要说明的是,本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过计算机程序来指令相关的硬件来完成,所述计算机程序可以存储于计算机可读存储介质中,所述存储介质可以包括但不限于:只读存储器(ROM,Read OnlyMemory)、随机存取存储器(RAM,Random Access Memory)、磁盘或光盘等。
以上对本申请实施例所提供的服务唤醒方法、装置、存储介质及电子设备进行了详细介绍。本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。
Claims (10)
1.一种服务唤醒方法,其特征在于,包括:
确定服务的多个关联特征;
根据所述多个关联特征在预设时间段内的特征值计算每一所述关联特征的信息熵;
根据所述多个关联特征的信息熵计算所述服务的熵值;
当所述熵值大于或等于预设熵值时,唤醒所述服务。
2.根据权利要求1所述的服务唤醒方法,其特征在于,所述根据所述多个关联特征在预设时间段内的特征值计算每一所述关联特征的信息熵,包括:
根据所述多个关联特征在预设时间段内的特征值确定每一所述关联特征的值域;
获取每一所述关联特征的值域内的每一个值出现的概率;
根据所述概率计算每一所述关联特征的信息熵。
5.根据权利要求1所述的服务唤醒方法,其特征在于,所述当所述熵值大于或等于预设熵值时,唤醒所述服务,包括:
根据所述服务的服务类型获取所述服务对应的预设熵值;
判断所述熵值是否大于或等于所述预设熵值;
若所述熵值大于或等于所述预设熵值,则唤醒所述服务。
6.根据权利要求1所述的服务唤醒方法,其特征在于,所述确定服务的多个关联特征,包括:
获取服务的服务数据,所述服务数据包括静态数据、运行数据以及服务类型数据;
根据所述服务数据确定所述服务的多个关联特征。
7.根据权利要求6所述的服务唤醒方法,其特征在于,所述根据所述服务数据确定所述服务的多个关联特征,包括:
根据所述服务数据提取所述服务的多个原始特征;
通过关联性分析获取每一所述原始特征与所述服务的关联系数;
将关联系数大于预设关联系数阈值的多个原始特征确定为所述服务的关联特征。
8.一种服务唤醒装置,其特征在于,包括:
确定模块,用于确定服务的多个关联特征;
第一计算模块,用于根据所述多个关联特征在预设时间段内的特征值计算每一所述关联特征的信息熵;
第二计算模块,用于根据所述多个关联特征的信息熵计算所述服务的熵值;
唤醒模块,用于当所述熵值大于或等于预设熵值时,唤醒所述服务。
9.一种存储介质,其特征在于,所述存储介质中存储有计算机程序,当所述计算机程序在计算机上运行时,使得所述计算机执行权利要求1至7任一项所述的服务唤醒方法。
10.一种电子设备,其特征在于,所述电子设备包括处理器和存储器,所述存储器中存储有计算机程序,所述处理器通过调用所述存储器中存储的所述计算机程序,用于执行权利要求1至7任一项所述的服务唤醒方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910282010.1A CN111796871A (zh) | 2019-04-09 | 2019-04-09 | 服务唤醒方法、装置、存储介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910282010.1A CN111796871A (zh) | 2019-04-09 | 2019-04-09 | 服务唤醒方法、装置、存储介质及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111796871A true CN111796871A (zh) | 2020-10-20 |
Family
ID=72805197
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910282010.1A Pending CN111796871A (zh) | 2019-04-09 | 2019-04-09 | 服务唤醒方法、装置、存储介质及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111796871A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113254092A (zh) * | 2021-06-24 | 2021-08-13 | 深圳传音控股股份有限公司 | 处理方法、设备及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106792607A (zh) * | 2017-03-31 | 2017-05-31 | 努比亚技术有限公司 | 移动终端及降低移动终端功耗的方法 |
CN107290967A (zh) * | 2017-08-07 | 2017-10-24 | 合肥工业大学 | 一种液压机服务功能的自动加载方法及*** |
US20180292882A1 (en) * | 2015-11-20 | 2018-10-11 | Samsung Electronics Co., Ltd. | Function operating method and electronic apparatus supporting same |
-
2019
- 2019-04-09 CN CN201910282010.1A patent/CN111796871A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180292882A1 (en) * | 2015-11-20 | 2018-10-11 | Samsung Electronics Co., Ltd. | Function operating method and electronic apparatus supporting same |
CN106792607A (zh) * | 2017-03-31 | 2017-05-31 | 努比亚技术有限公司 | 移动终端及降低移动终端功耗的方法 |
CN107290967A (zh) * | 2017-08-07 | 2017-10-24 | 合肥工业大学 | 一种液压机服务功能的自动加载方法及*** |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113254092A (zh) * | 2021-06-24 | 2021-08-13 | 深圳传音控股股份有限公司 | 处理方法、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111797861A (zh) | 信息处理方法、装置、存储介质及电子设备 | |
CN111796925A (zh) | 算法模型的筛选方法、装置、存储介质和电子设备 | |
CN111797854A (zh) | 场景模型建立方法、装置、存储介质及电子设备 | |
CN111797302A (zh) | 模型处理方法、装置、存储介质及电子设备 | |
CN111798259A (zh) | 应用推荐方法、装置、存储介质及电子设备 | |
CN111797867A (zh) | ***资源优化方法、装置、存储介质及电子设备 | |
CN111797873A (zh) | 场景识别方法、装置、存储介质及电子设备 | |
CN111797862A (zh) | 任务处理方法、装置、存储介质和电子设备 | |
CN111797849A (zh) | 用户活动识别方法、装置、存储介质及电子设备 | |
CN111796871A (zh) | 服务唤醒方法、装置、存储介质及电子设备 | |
CN111797874B (zh) | 行为预测方法、装置、存储介质及电子设备 | |
CN111797303A (zh) | 信息处理方法、装置、存储介质及电子设备 | |
CN111798019A (zh) | 意图预测方法、装置、存储介质及电子设备 | |
CN111796663B (zh) | 场景识别模型更新方法、装置、存储介质及电子设备 | |
CN111797986A (zh) | 数据处理方法、装置、存储介质及电子设备 | |
CN111797289A (zh) | 模型处理方法、装置、存储介质和电子设备 | |
CN111800535B (zh) | 终端运行状态的评估方法、装置、存储介质及电子设备 | |
CN111797869A (zh) | 模型训练方法、装置、存储介质及电子设备 | |
CN111796924A (zh) | 服务处理方法、装置、存储介质及电子设备 | |
CN111797391A (zh) | 高风险进程的处理方法、装置、存储介质及电子设备 | |
CN111797227A (zh) | 信息处理方法、装置、存储介质及电子设备 | |
CN111797866A (zh) | 特征提取方法、装置、存储介质及电子设备 | |
CN111796314A (zh) | 信息处理方法、装置、存储介质及电子设备 | |
CN111797880A (zh) | 数据处理方法、装置、存储介质及电子设备 | |
CN111797875B (zh) | 场景建模方法、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 |