一种融合应用的桌面虚拟化方法及系统技术方案

本发明专利技术涉及桌面虚拟化技术领域，尤其涉及一种融合应用的桌面虚拟化方法及系统。所述方法包括：通过应用程序虚拟化算法对系统桌面的应用程序进行虚拟化处理，得到桌面虚拟化应用程序；将桌面虚拟化应用程序与主机端建立连接，以生成主机控制信息；利用主机控制信息对桌面虚拟化应用程序进行图像采集处理，得到桌面虚拟化环境图像；通过图像转换算法对桌面虚拟化环境图像进行图像格式转换处理，得到桌面虚拟化环境图像数据；利用预设的基于深度学习的图像特征提取算法对桌面虚拟化环境图像数据进行特征提取处理，得到桌面虚拟化环境图像数据特征。本发明专利技术利用融合应用技术和机器学习算法对桌面虚拟化环境进行优化，从而实现应用程序的无缝切换。程序的无缝切换。程序的无缝切换。

【技术实现步骤摘要】
一种融合应用的桌面虚拟化方法及系统


[0001]本专利技术涉及桌面虚拟化
，尤其涉及一种融合应用的桌面虚拟化方法及系统。

技术介绍

[0002]桌面虚拟化是指在一台主机上同时运行多个虚拟机实例，每个虚拟机实例都具有独立的操作系统和应用程序，可以在统一的桌面界面中以虚拟机形式向用户呈现。桌面虚拟化技术在多任务处理、移动性、安全性和资源利用效率方面具有广泛应用价值。而融合应用技术是指将多个应用程序的不同部分整合在一起，以保证在一个统一的桌面视图中高效地使用这些应用程序。然而，现有的桌面虚拟化技术和融合应用技术各自存在一些缺陷，导致无法解决不同应用程序之间互相隔离的问题，也无法提供一个无缝融合的虚拟化环境。

技术实现思路

[0003]基于此，本专利技术有必要提供一种融合应用的桌面虚拟化方法，以解决至少一个上述技术问题。
[0004]为实现上述目的，一种融合应用的桌面虚拟化方法，包括以下步骤：
[0005]步骤S1：通过应用程序虚拟化算法对系统桌面的应用程序进行虚拟化处理，得到桌面虚拟化应用程序；将桌面虚拟化应用程序与主机端建立连接，以生成主机控制信息；利用主机控制信息对桌面虚拟化应用程序进行图像采集处理，得到桌面虚拟化环境图像；
[0006]步骤S2：通过图像转换算法对桌面虚拟化环境图像进行图像格式转换处理，得到桌面虚拟化环境图像数据；利用预设的基于深度学习的图像特征提取算法对桌面虚拟化环境图像数据进行特征提取处理，得到桌面虚拟化环境图像数据特征；
[0007]步骤S3：利用历史行为算法对桌面虚拟化环境图像数据进行历史数据采集处理，得到用户历史行为数据；通过行为分类模型对用户历史行为数据进行分类处理，得到用户行为类型数据；
[0008]步骤S4：通过行为比对算法对桌面虚拟化环境图像数据特征和用户行为类型数据进行行为模式匹配，得到行为模式匹配结果；利用自适应监测技术对行为模式匹配结果进行自动化监测处理，得到虚拟化调整信息；
[0009]步骤S5：根据虚拟化调整信息将桌面虚拟化应用程序传输至虚拟化环境中进行调整处理，并配置用户操作界面，通过用户操作界面访问虚拟化环境中的桌面虚拟化应用程序以执行桌面虚拟化应用程序的无缝切换和交互。
[0010]本专利技术通过应用程序虚拟化算法能够有效地将应用程序和操作系统隔离开来，增加操作系统的可靠性和安全性，同时减少应用程序之间的冲突和干扰，提高整个系统的稳定性和安全性。与此同时，将桌面虚拟化应用程序与主机端建立连接并生成主机控制信息，能够全面掌控虚拟化应用程序的运行和操作状态，提高虚拟化环境的管理和控制效率。另外，通过对桌面虚拟化应用程序进行图像采集处理，得到桌面虚拟化环境图像，可以全面跟
踪和记录虚拟化应用程序的所有操作和变化，从而更好地维护和管理整个虚拟化环境结构，建立稳定、安全、高效的工作环境。通过图像转换算法对桌面虚拟化环境图像进行格式转换，使其符合后续处理和分析的需求，进一步提高桌面虚拟化环境图像的处理效率。同时，通过基于深度学习的图像特征提取算法提取桌面虚拟化环境图像数据的有用特征，进一步增强图像处理的精度和效率，为后续的行为模式匹配和调整提供基础。通过历史行为算法进行历史数据采集，能够对用户在虚拟化环境中的各种操作和行为进行分类，从而更好地监测和识别用户行为模式。然后，通过行为分类模型对用户行为数据进行分类，以得到用户行为类型数据，为后续的行为模式匹配提供依据。通过行为比对算法对桌面虚拟化环境图像数据特征和用户行为类型数据进行行为模式匹配，识别出用户的行为模式和意图，进一步优化行为模式匹配结果，提高自动化监测的效率和准确性。利用自适应监测技术对行为模式匹配结果进行实时监测和分析，从而得到虚拟化调整信息，用于自动化地对虚拟化环境进行调整和优化。该自适应监测技术能够根据监测结果动态调整虚拟化环境的设置和配置，实现自动化的虚拟化环境管理和维护，从而进一步提高整个虚拟化环境的稳定性和安全性。最后，根据虚拟化调整信息对虚拟化环境中的桌面虚拟化应用程序进行调整和优化，以提供更好的使用体验和性能。通过配置用户操作界面，使用户能够通过用户操作界面方便地访问虚拟化环境中的桌面虚拟化应用程序，从而实现桌面虚拟化应用程序的无缝切换和交互。这提供了便利性和灵活性，让用户能够轻松地使用桌面虚拟化应用程序。
[0011]优选地，在本说明书中，还提供了一种融合应用的桌面虚拟化系统，包括：
[0012]至少一个处理器；
[0013]与至少一个处理器通信连接的存储器；
[0014]存储器存储有可被至少一个处理器执行的计算机程序，计算机程序被至少一个处理器执行，以使至少一个处理器能够执行如权利要求1至9中任一项所述的融合应用的桌面虚拟化方法。
[0015]综上所述，本专利技术提供了一种融合应用的桌面虚拟化系统，该系统能够实现本专利技术所述任意一种融合应用的桌面虚拟化方法，用于联合存储器、处理器及存储器上运行的计算机程序之间的操作实现一种融合应用的桌面虚拟化方法，系统内部结构互相协作，该桌面虚拟化系统通过利用虚拟化技术实现桌面虚拟化，同时引入融合应用技术和机器学习算法对桌面虚拟化环境中的桌面虚拟化应用程序进行优化，以提高应用程序的隔离度和用户体验。并且通过多种算法和模型对用户行为进行建模和预测，根据用户的行为和需求，通过统一的用户操作界面对虚拟化环境中的桌面虚拟化应用程序进行访问和交互操作，自动调整虚拟化环境的设置和配置，提供个性化、智能化的桌面虚拟化体验，从而简化了系统的操作流程。
附图说明
[0016]通过阅读参照以下附图所作的对非限制性实施所作的详细描述，本专利技术的其它特征、目的和优点将会变得更明显：
[0017]图1为本专利技术融合应用的桌面虚拟化方法的步骤流程示意图；
[0018]图2为图1中步骤S2的详细步骤流程示意图；
[0019]图3为图2中步骤S22的详细步骤流程示意图；
[0020]图4为图1中步骤S3的详细步骤流程示意图；
[0021]图5为图4中步骤S33的详细步骤流程示意图。
具体实施方式
[0022]下面结合附图对本专利技术专利的技术方法进行清楚、完整的描述，显然，所描述的实施例是本专利技术的一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域所属的技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0023]为实现上述目的，请参阅图1至图5，本专利技术提供了一种融合应用的桌面虚拟化方法，所述方法包括以下步骤：
[0024]步骤S1：通过应用程序虚拟化算法对系统桌面的应用程序进行虚拟化处理，得到桌面虚拟化应用程序；将桌面虚拟化应用程序与主机端建立连接，以生成主机控制信息；利用主机控制信息对桌面虚拟化应用程序进行图像采集处理，得到桌面虚拟化环境图像；
[0025]步骤S2：通过图像转换算法对桌面虚拟化环境图像进行图像格式转换处理，得到桌面虚拟化环境图像数据；利用预设的基于深度学习的图像特征提取算法本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种融合应用的桌面虚拟化方法，其特征在于，包括以下步骤：步骤S1：通过应用程序虚拟化算法对系统桌面的应用程序进行虚拟化处理，得到桌面虚拟化应用程序；将桌面虚拟化应用程序与主机端建立连接，以生成主机控制信息；利用主机控制信息对桌面虚拟化应用程序进行图像采集处理，得到桌面虚拟化环境图像；步骤S2：通过图像转换算法对桌面虚拟化环境图像进行图像格式转换处理，得到桌面虚拟化环境图像数据；利用预设的基于深度学习的图像特征提取算法对桌面虚拟化环境图像数据进行特征提取处理，得到桌面虚拟化环境图像数据特征；步骤S3：利用历史行为算法对桌面虚拟化环境图像数据进行历史数据采集处理，得到用户历史行为数据；通过行为分类模型对用户历史行为数据进行分类处理，得到用户行为类型数据；步骤S4：通过行为比对算法对桌面虚拟化环境图像数据特征和用户行为类型数据进行行为模式匹配，得到行为模式匹配结果；利用自适应监测技术对行为模式匹配结果进行自动化监测处理，得到虚拟化调整信息；步骤S5：根据虚拟化调整信息将桌面虚拟化应用程序传输至虚拟化环境中进行调整处理，并配置用户操作界面，通过用户操作界面访问虚拟化环境中的桌面虚拟化应用程序以执行桌面虚拟化应用程序的无缝切换和交互。2.根据权利要求1所述的融合应用的桌面虚拟化方法，其特征在于，步骤S1包括以下步骤：步骤S11：通过应用程序虚拟化算法对系统桌面的应用程序进行虚拟化处理，得到桌面虚拟化应用程序；步骤S12：将桌面虚拟化应用程序与主机端建立连接，以生成主机控制信息；步骤S13：通过主机控制信息响应于主机端的控制器，利用主机端的控制器控制图像捕捉程序对桌面虚拟化应用程序进行图像采集处理，得到桌面虚拟化环境图像。3.根据权利要求2所述的融合应用的桌面虚拟化方法，其特征在于，步骤S11中的应用程序虚拟化算法的函数公式具体为：程序虚拟化算法的函数公式具体为：程序虚拟化算法的函数公式具体为：程序虚拟化算法的函数公式具体为：程序虚拟化算法的函数公式具体为：程序虚拟化算法的函数公式具体为：其中，V(x，y)为应用程序虚拟化算法函数，T为虚拟化处理的持续时间间隔，t和z为时间变量，(x，y)为系统桌面的应用程序虚拟化处理后在虚拟化环境中的位置，A(x，y，t)为位
置(x，y)和时间t相关的参数函数，B(x，y，t)为位置(x，y)和时间t相关的影响函数，C(x，y，t)为位置(x，y)和时间t相关的调整函数，D(x，y，t)为位置(x，y)和时间t相关的滤波函数，U(x，y，t)为位置(x，y)和时间t相关的时间变化率函数，μ为应用程序虚拟化算法函数的修正值。4.根据权利要求1所述的融合应用的桌面虚拟化方法，其特征在于，步骤S2包括以下步骤：步骤S21：通过图像转换算法对桌面虚拟化环境图像进行图像格式转换处理，得到桌面虚拟化环境图像数据；其中，图像转换算法函数如下所示：其中，图像转换算法函数如下所示：其中，图像转换算法函数如下所示：式中，θ为转换参数，G
θ
(X，Y)为通过转换参数θ进行图像转换后的桌面虚拟化环境图像数据，X为桌面虚拟化环境图像的水平分量，Y为桌面虚拟化环境图像的垂直分量，I(X，Y)为桌面虚拟化环境图像，F(X，Y)为转换后的桌面虚拟化环境图像，α为调和平滑系数，为桌面虚拟化环境图像的二阶梯度函数，β为二阶梯度函数的权重系数，ΔI(X，Y)为桌面虚拟化环境图像的拉普拉斯函数，γ为拉普拉斯函数的权重系数，为转换参数θ的损失函数，为均方误差损失函数，ω为的权重系数，D
i
(I(X，Y)，G
θ
(X，Y))为第i个特定度量函数，ω
i
为第i个特定度量函数的权重系数，n为特定度量函数的数量，λ1为L1正则化超参数，λ2为L2正则化超参数，为L2正则化项，Ω为整个桌面虚拟化环境图像区域，δ为桌面虚拟化环境图像数据的修正值；步骤S22：利用图像降噪算法对桌面虚拟化环境图像数据进行降噪处理，得到桌面虚拟化环境图像降噪数据；步骤S23：利用基于卷积神经网络的图像特征提取算法对桌面虚拟化环境图像数据进行特征提取处理，得到桌面虚拟化环境图像数据特征；其中，图像特征提取算法函数如下所示：式中，为通过卷积神经网络提取的桌面虚拟化环境图像数据特征矩阵，为图像特征提取算法，为卷积神经网络控制参数，ψ为桌面虚拟化环境图像数据，φ为激活函数，W为卷积核，q为偏置参数，为缩放参数，ξ1、ξ2和ξ3为正则化参数，tr为矩阵迹运算，W
T
为卷积核的转置矩阵，Γ为桌面虚拟化环境图像数据的空间范围，为桌面虚拟化环境图像数据特征矩阵的梯度平方范数，∈为图像特征提取算法的修正值。5.根据权利要求4所述的融合应用的桌面虚拟化方法，其特征在于，步骤S22包括以下步骤：步骤S221：利用图像降噪算法对桌面虚拟化环境图像数据进行噪声值计算，得到图像噪声值；其中，图像降噪算法函数如下所示：
式中，E为图像噪声值，∑为桌面虚拟化环境图像数据集合，σ2为桌面虚拟化环境图像数据的噪声方差，K为桌面虚拟化环境图像数据集合的大小，R(v，w)为桌面虚拟化环境图像数据集合中的中心数据，R
k
(v，w)为桌面虚拟化环境图像数据集合的第k个桌面虚拟化环境图像数据，(v，w)为桌面虚拟化环境图像数据的数据像素位置，v为桌面虚拟化环境图...

【专利技术属性】
技术研发人员：寸陆春，
申请(专利权)人：寸陆春，
类型：发明
国别省市：