The application discloses an application management control method, a device, a storage medium and an electronic device. Including the application program control method: obtaining a plurality of preset application feature information, and according to the characteristic information to generate training samples, the training sample includes a corresponding plurality of training time and training each time point of the plurality of preset application state information, according to the training samples generation, hidden Markov model, and using the hidden Markov model to predict the forecast results to generate, and the prediction results were the control of background applications according to the. The embodiment of the application through the acquisition application usage records to generate training samples, and the use of hidden Markov model to predict the application of cleaning, in order to improve the prediction accuracy of the default application, so as to enhance the management and control of the application into the background of the intelligence and accuracy.
【技术实现步骤摘要】
应用程序管控方法、装置、存储介质及电子设备
本申请涉及移动通信
,尤其涉及移动设备
,具体涉及一种应用程序管控方法、装置、存储介质及电子设备。
技术介绍
随着电子技术的发展,人们通常在电子设备上安装很多应用程序。当用户在电子设备中打开多个应用程序时,若用户退回电子设备的桌面或者停留在某一应用程序的应用界面或者管控电子设备屏幕,则用户打开的多个应用程序依然会在电子设备的后台运行。然而在后台运行的应用程序会严重地占用电子设备的内存,并且导致电子设备的耗电速度加快,而且还会降低电子设备的运行流畅度。
技术实现思路
本申请实施例提供一种应用程序管控方法、装置、存储介质及电子设备,能够提升对应用程序进行管控的智能化和准确性。本申请实施例提供一种应用程序管控方法,应用于电子设备中,所述方法包括:获取多个预设应用程序的特征信息;根据所述特征信息,生成训练样本,其中所述训练样本包括多个训练时间点以及每一训练时间点对应的所述多个预设应用程序的状态信息;根据所述训练样本,生成隐马尔科夫模型;当检测到所述多个预设应用程序中存在后台应用程序时,所述隐马尔科夫模型根据所述后台应用程序的当前特征信息以及所述训练样本进行预测,以生成预测结果,并根据所述预测结果对所述后台应用程序进行管控。本申请实施例还提供一种应用程序管控装置,所述装置包括:获取模块,用于获取多个预设应用程序的特征信息;第一生成模块,用于根据所述特征信息,生成训练样本,其中所述训练样本包括多个训练时间点以及每一训练时间点对应的所述多个预设应用程序的状态信息;第二生成模块,用于根据所述训练样本,生成隐马尔科夫模型; ...
【技术保护点】
一种应用程序管控方法,应用于电子设备中,其特征在于,所述方法包括:获取多个预设应用程序的特征信息;根据所述特征信息,生成训练样本,其中所述训练样本包括多个训练时间点以及每一训练时间点对应的所述多个预设应用程序的状态信息;根据所述训练样本,生成隐马尔科夫模型;当检测到所述多个预设应用程序中存在后台应用程序时,所述隐马尔科夫模型根据所述后台应用程序的当前特征信息以及所述训练样本进行预测,以生成预测结果,并根据所述预测结果对所述后台应用程序进行管控。
【技术特征摘要】
1.一种应用程序管控方法,应用于电子设备中,其特征在于,所述方法包括:获取多个预设应用程序的特征信息;根据所述特征信息,生成训练样本,其中所述训练样本包括多个训练时间点以及每一训练时间点对应的所述多个预设应用程序的状态信息;根据所述训练样本,生成隐马尔科夫模型;当检测到所述多个预设应用程序中存在后台应用程序时,所述隐马尔科夫模型根据所述后台应用程序的当前特征信息以及所述训练样本进行预测,以生成预测结果,并根据所述预测结果对所述后台应用程序进行管控。2.如权利要求1所述的应用程序管控方法,其特征在于,所述根据所述训练样本,生成隐马尔科夫模型,包括:根据所述训练样本,获取所述多个预设应用程序的状态集合以及观测集合;根据所述训练样本,生成所述多个预设应用程序之间的状态转移概率,以得到状态转移概率集合;根据所述训练样本,生成每一训练时间点对应的所述多个预设应用程序的观测概率,以得到观测概率集合;根据所述状态集合、观测集合、状态转移概率集合以及观测概率集合,生成隐马尔科夫模型。3.如权利要求2所述的应用程序管控方法,其特征在于,所述根据所述训练样本,生成所述多个预设应用程序之间的状态转移概率,以得到状态转移概率集合,包括:根据所述训练样本,获取第一预设应用程序与第二预设应用程序依次被使用的第一次数,以及所述第一预设应用程序被使用的第二次数;根据所述第一次数以及所述第二次数,生成所述第一预设应用程序跳转至所述第二预设应用程序的状态转移概率,遍历所述多个预设应用程序以得到观测概率集合。所述根据所述训练样本,生成每一训练时间点对应的所述多个预设应用程序的观测概率,以得到观测概率集合,包括:根据所述训练样本,获取第一预设应用程序与第二预设应用程序在相邻训练时间点依次被使用的第三次数,其中所述相邻训练时间点包括第一训练时间点和第二训练时间点,且获取所述第二预设应用程序在所述第二训练时间点被使用的第四次数;根据所述第三次数以及所述第四次数,生成所述第二预设应用程序在第二训练时间点被使用时所述第一预设应用程序在所述第一训练时间点被观测到的观测概率,遍历每一训练时间点对应的所述多个预设应用程序以得到观测概率集合。4.如权利要求3所述的应用程序管控方法,其特征在于,所述根据所述训练样本,获取所述多个预设应用程序的状态集合以及观测集合,包括:基于第一预设公式对所述训练样本进行处理,获取所述多个预设应用程序的状态集合,其中所述第一预设公式为:Q={q1,q2,...,qn},其中n表示状态数,Q表示所述多个预设应用程序的状态集合;基于第二预设公式对所述训练样本进行处理,获取所述多个预设应用程序的观测集合,其中所述第二预设公式为:V={v1,v2,...,vm},其中,m表示观测序列中的观测数,V表示所述多个预设应用程序的观测集合。5.如权利要求4所述的应用程序管控方法,其特征在于,所述根据所述第一次数以及所述第二次数,生成所述第一预设应用程序跳转至所述第二预设应用程序的状态转移概率,遍历所述多个预设应用程序以得到观测概率集合,包括:基于第三预设公式对所述第一次数以及所述第二次数进行处理,生成所述第一预设应用程序跳转至所述第二预设应用程序的状态转移概率,其中所述第三预设公式为:其中,N(i,j)表示第一预设应用程序i与第二预设应用程序j依次被使用的第一次数,N(i)表示所述第一预设应用程序i被使用的第二次数,aij表示所述第一预设应用程序i跳转至所述第二预设应用程序j的状态转移概率,i=qt,j=qt+1,qt表示在t时刻被使用的预设应用程序,qt+1表示在t+1时刻被使用的预设应用程序;基于第四预设公式遍历所述多个预设应用程序,以得到观测概率集合,其中所述第四预设公式为:A=[aij]n×n,其中,所述状态转移概率集合A用于记录所有预设应用程序状态之间跳转的概率,其中n表示状态数,aij表示状态转移概率。6.如权利要求5所述的应用程序管控方法,其特征在于,所述根据所述第三次数以及所述第四次数,生成所述第二预设应用程序在第二训练时间点被使用时所述第一预设应用程序在所述第一训练时间点被观测到的观测概率,遍历每一训练时间点对应的所述多个预设应用程序以得到观测概率集合,包括:基于第五预设公式对所述根据所述第三次数以及所述第四次数进行处理,生成所述第二预设应用程序在第二训练时间点被使用时所述第一预设应用程序在所述第一训练时间点被观测到的观测概率,其中所述第五预设公式为:其中N(k,j)表示第一预设应用程序与第二预设应用程序j在相邻训练时间点依次被使用的第三次数,N(j)表示所述第二预设应用程序j在所述第二训练时间点被使用的第四次数N(j),bjk表示所述第二预设应用程序j在第二训练时间点被使用时在第一训练时间点产生观测值k的观测概率,k=vt,j=qt+1,vt表示在第t训练时间点观测到第一预设应用程序被使用的观测值,qt+1表示在第t+1训练时间点被使用的预设应用程序;基于第六预设公式遍历每一训练时间点对应的所述多个预设应用程序,以得到观测概率集合,其中所述第六预设公式为:B=[bjk]n×m,其中所述观测概率集合B用于记录所有训练时间点对应的所述多个预设应用程序的观测概率,n表示状态数,m表示观测序列中的观测数,bjk表示观测概率。7.如权利要求1-6任一项所述的应用程序管控方法,其特征在于,所述当检测到所述预设应用程序存在后台应用程序时,所述隐马尔科夫模型根据所述后台应用程序的当前特征信息以及所述训练样本进行预测,以生成预测结果,并根据所述预测结果对所述后台应用程序进行管控,包括:当检测到所述预设应用程序存在后台应用程序时,所述隐马尔科夫模型根据所述后台应用程序的当前特征信息以及所述训练样本,输出所述后台应用程序即将被使用的预测概率;判断所述预测概率是否小于预设阈值;当所述预测概率小于预设阈值时,生成的预设结果为所述后台应用程序即将不被使用,则清理所述后台应用程序;或者当所述预测概率大于或者等于预设阈值时,生成的预设结果为所述后台应用程序即将被使用,则保留所述后台应用程序。8.如权利要求7所述的应用程序管控方法,其特征在于,所述当检测到所述预设应用程序存在后台应用程序时,所述隐马尔科夫模型根据所述后台应用程序的当前特征信息以及所述训练样本,输出所述后台应用程序即将被使用的预测概率,包括:当检测到所述预设应用程序存在后台应用程序时,所述隐马尔科夫模型基于第七预设公式对所述后台应用程序的当前特征信息以及所述训练样本,输出所述后台应用程序即将被使用的预测概率,其中所述第七预设公式为:其中N表示观测值个数,n表示状态数,[k1,k2,...,kN]表示N个连续观测值,[j1,j2,...,jN-1]表示与N-1个连续观测值[k1,k2,...,kN-1]对应在下一相邻训练时间点被使用的预设应用程序,jN表示与第N个训练时间点观测到观测值kN时对应...
【专利技术属性】
技术研发人员:曾元清,
申请(专利权)人:广东欧珀移动通信有限公司,
类型:发明
国别省市:广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。