The invention belongs to the field of machine learning and Android memory optimization and data mining, and in particular relates to a method of cleaning background applications based on Android user behavior habits. The method includes recording the time, place and name of each APP used by Android mobile phone user, forming data sets, and preprocessing data sets. Rationally, the irrelevant information in the data set is removed; the pre-processed data set is trained to get the weighted sequence pattern of APP used by users; the probability of using APP at different time and place is calculated; the weighted sequence pattern and probability are stored in the database; and the weighted sequence pattern and probability are calculated according to the weighted sequence pattern and probability in the database. The score of the background application determines the priority of the background application, and clears the background application whose priority is higher than the lowest priority. The invention can clean up the most impossible application program for mobile phone users at the next moment, release resources, improve running fluency and enhance user experience.
【技术实现步骤摘要】
基于安卓用户行为习惯的清理后台应用程序的方法
本专利技术涉及机器学习和Android内存优化和数据挖掘领域,特别涉及一种基于安卓用户行为习惯的清理后台应用程序的方法。
技术介绍
互联网的发展不仅推动了智能手机的普及,而且涌现了大量的手机APP,大量被安装在手机中的应用程序占用了大量的手机内存空间和资源,从而导致手机卡顿,严重降低了用户体验。Android手机卡顿的原因大多是用户或者手机自身启动了太多的进程、缓存和服务,占用了过多的内存,因此解决智能手机卡顿问题,我们要杀掉我们不需要的进程、缓存和服务,释放其占用的手机内存。目前智能手机清理后台应用进程大多采用OOM(OutofMemory)和LMK(LowerMemoryKiller)内存管理机制。OOM(OutofMemory)机制是指当HeapSize的total值超过了getMemoryClass()方法获取到的阈值时,会调用OOM内存管理机制,触发GC,根据LRU规则与应用的优先级,内存占用情况评估后决定哪些进程会被杀掉;定时进行检查(LowerMemoryKiller,LMK)内存管理机制是OOM的改进,它用OOM_adj和占用内存的大小来选择要杀掉的进程,从而释放内存资源。然而这两种方法都是从智能手机终端的角度来考虑清理内存进程的,并没有考虑到用户想要清理哪一个进程,当清理掉用户将要使用的应用程序进程时,会导致用户下一次打开应用程序时间长,严重影响用户体验。
技术实现思路
基于现有技术存在的问题,本专利技术提出一种基于安卓用户行为习惯的清理后台应用程序的方法,所述方法包括:S1、记录安卓手机用户使用 ...
【技术保护点】
1.基于安卓用户行为习惯的清理后台应用程序的方法,其特征在于,所述方法包括:S1、记录安卓手机用户使用各APP的时间、地点及其名称,并构成数据集;S2、对数据集进行预处理,去掉数据集中的无关信息;S3、对预处理后的数据集进行训练,得到用户使用APP的加权序列模式;计算在不同时间、不同地点使用APP的概率;将所述加权序列模式和概率存储到数据库SQLite中;S4、根据数据库中的加权序列模式和概率,计算出每个后台应用程序的得分,确定出每个后台应用程序的优先级;S5、清理掉优先级大于最低优先级min_adj的后台应用程序。
【技术特征摘要】
1.基于安卓用户行为习惯的清理后台应用程序的方法,其特征在于,所述方法包括:S1、记录安卓手机用户使用各APP的时间、地点及其名称,并构成数据集;S2、对数据集进行预处理,去掉数据集中的无关信息;S3、对预处理后的数据集进行训练,得到用户使用APP的加权序列模式;计算在不同时间、不同地点使用APP的概率;将所述加权序列模式和概率存储到数据库SQLite中;S4、根据数据库中的加权序列模式和概率,计算出每个后台应用程序的得分,确定出每个后台应用程序的优先级;S5、清理掉优先级大于最低优先级min_adj的后台应用程序。2.根据权利要求1所述的基于安卓用户行为习惯的清理后台应用程序的方法,其特征在于,使用各APP的地点的获取方式包括采集使用APP时的安卓手机的发射台位置信息和Wifi位置信息,分析发射台和Wifi位置信息,获取到使用APP的地点。3.根据权利要求2所述的基于安卓用户行为习惯的清理后台应用程序的方法,其特征在于,使用各APP的时间及其名称的获取方式包括通过采集安卓手机用户APP日志文件,获取到使用APP的时间及其名称。4.根据权利要求1所述的基于用户行为习惯的智能清理手机后台应用程序的方法,其特征在于,所述步骤S2包括通过五折交叉验证选取了数据集80%作为训练集,其...
【专利技术属性】
技术研发人员:唐宏,王保群,张雨帅,龚琴,雷曼,
申请(专利权)人:重庆邮电大学,
类型:发明
国别省市:重庆,50
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。