一种基于不平衡数据的用户识别方法以及装置制造方法
【专利摘要】本发明适用于体感领域，提供了一种基于不平衡数据的用户识别方法以及装置；所述基于不平衡数据的用户识别方法包括：当第一用户使用遥控器时，接收所述遥控器发送的第一体感数据，所述第一体感数据由所述遥控器包含的传感器获取；采用贝叶斯分类器识别出所述第一体感数据属于的用户类以识别出所述第一用户。本发明预先对至少两个用户的体感数据采用在线增量学习算法生成平衡数据集，并根据所述平衡数据集确定贝叶斯分类器的每个用户类；当第一用户使用遥控器时，受控终端采用所述贝叶斯分类器处理所述遥控器采集到的第一体感数据以识别出第一用户，进而为该第一用户提供个性化服务。
【专利说明】一种基于不平衡数据的用户识别方法以及装置
【技术领域】
[0001]本发明属于体感领域，尤其涉及一种基于不平衡数据的用户识别方法以及装置。【背景技术】
[0002]在信息时代，我们首先要解决的就是要获取准确可靠的信息，而传感器是获取自然和生产领域中信息的主要途径与手段。目前传感器的技术已经越来越成熟，如加速度传感器已经被广泛用于获取物体运动状态；陀螺仪则被应用于获取物体运动方向及角速度；地磁传感器则被广泛应用于磁感应等等。
[0003]目前，智能遥控器也配置了加速度传感器、陀螺仪以及地磁感应器等传感器，通过上述传感器获取包括线性加速度、角加速度以及角度等体感数据；在同一个家庭中，不同的家庭用户在操作遥控器时的动作、状态及行为是不同的，当用户在操作遥控器时，遥控器中的传感器能够检测到用户的体感数据，并按照预定的通信协议将该体感数据发送给智能电视，从而智能电视识别出该用户，以提供个性化服务。具体地，智能电视的识别模块收集用户操作遥控器时产生的体感数据，例如:拿起/放下遥控器时传感器检测到的加速度数据、方向数据等，对用户习惯性的运动轨迹进行特征提取与建模，把家庭中的用户进行分类，为不同的用户提供个性化服务。
【发明内容】
[0004]本发明实施例的目的在于提供一种基于不平衡数据的用户识别方法以及装置，旨在解决现有技术提供的分类器处理不平衡的体感数据集，识别用户的正确率低的问题。
[0005]一方面，一种基于不平衡数据的用户识别方法，所述基于不平衡数据的用户识别方法包括:
[0006]当第一用户使用遥控器时，接收所述遥控器发送的第一体感数据，所述第一体感数据由所述遥控器包含的传感器获取；
[0007]采用贝叶斯分类器识别出所述第一体感数据属于的用户类以识别出所述第一用户，其中，用于所述贝叶斯分类器的至少两个所述用户类由平衡数据集确定，所述平衡数据集由采用在线增量学习算法对至少两个用户的体感数据进行数据重组后生成，其中，一个所述用户对应一个所述用户类，所述用户包括所述第一用户。
[0008]一方面，本发明另一目的在于提供一种基于不平衡数据的用户识别装置，所述基于不平衡数据的用户识别装置包括:
[0009]数据接收单元，用于当第一用户使用遥控器时，接收所述遥控器发送的第一体感数据，所述第一体感数据由所述遥控器包含的传感器获取；
[0010]用户识别单元，用于采用贝叶斯分类器识别出所述第一体感数据属于的用户类以识别出所述第一用户，其中，用于所述贝叶斯分类器的至少两个所述用户类由平衡数据集确定，所述平衡数据集由在线增量学习算法单元采用在线增量学习算法对至少两个用户的体感数据进行数据重组后生成，其中，一个所述用户对应一个所述用户类，所述用户包括所述第一用户。
[0011]一方面，本发明另一目的在于提供一种受控终端，所述受控终端包括上述的基于不平衡数据的用户识别装置。
[0012]本发明的有益效果是:对至少两个用户的体感数据采用在线增量学习算法生成平衡数据集，并根据所述平衡数据集确定贝叶斯分类器的每个用户类(一个用户对应一个用户类)。当第一用户使用遥控器时，受控终端采用所述贝叶斯分类器处理所述遥控器采集到的第一体感数据以识别出第一用户，进而为该第一用户提供个性化服务。
【专利附图】
【附图说明】
[0013]为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术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发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0014]图1是本发明实施例一提供的基于不平衡数据的用户识别方法的实现流程图；
[0015]图2是本发明实施例二提供的第一种基于不平衡数据的用户识别装置的组成结构图；
[0016]图3是本发明实施例二提供的第二种基于不平衡数据的用户识别装置的组成结构图；
[0017]图4是本发明实施例二提供的第三种基于不平衡数据的用户识别装置的组成结构图；
[0018]图5是本发明实施例二提供的第四种基于不平衡数据的用户识别装置的组成结构图。
【具体实施方式】
[0019]为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
[0020]为了说明本发明所述的技术方案，下面通过具体实施例来进行说明。
[0021]需要说明的是，本发明实施例中的“第一用户”、“第一体感数据”以及“第一平衡数据集”分别包含的“第一”为代指；“第二体感数据”中的“第二”也为代指；“第三体感数据”中的“第三”也为代指。
[0022]实施例一:
[0023]图1示出了本实施例提供的基于不平衡数据的用户识别方法的实现流程，为了便于描述，仅示出了与本发明实施例相关的部分，其实现流程详述如下:
[0024]步骤S11，当第一用户使用遥控器时，接收所述遥控器发送的第一体感数据，所述第一体感数据由所述遥控器包含的传感器获取。
[0025]需要说明的是，当第一用户使用遥控器时，所述遥控器包含的传感器可以每获取到体感数据就将该体感数据向受控终端发送，或者，获取到多个体感数据时将多个所述体感数据批量发送至受控终端；因此，所述第一体感数据可以为一个或多个体感数据。[0026]作为本发明一实施例，所述传感器包括加速度传感器、陀螺仪以及地磁感应器等；所述体感数据包括线性加速度、角加速度以及角度等；遥控器是指包含传感器并且能够通过传感器获取所需体感数据以及将获取到的体感数据发送到相应的受控终端的电子装置；进而具体地，当第一用户使用遥控器时，所述遥控器通过所述加速度传感器获取所述线性加速度，通过所述陀螺仪获取所述角加速度，以及通过所述地磁感应器获取所述角度等。
[0027]继而，当第一用户使用遥控器时，所述遥控器将所述第一体感数据发送至所述受控终端，受控终端接收所述第一体感数据。
[0028]步骤S12，采用贝叶斯分类器识别出所述第一体感数据属于的用户类以识别出所述第一用户，其中，用于所述贝叶斯分类器的至少两个所述用户类由平衡数据集确定，所述平衡数据集由采用在线增量学习算法对至少两个用户的体感数据进行数据重组后生成，其中，一个所述用户对应一个所述用户类，所述用户包括所述第一用户。
[0029]需要说明的是，本实施例中的每一个用户分别对应一个用户类。具体地，对于每个使用所述遥控器的用户，构建贝叶斯分类器并进行预先分类时，均会确定对应的用户类，其中，每个用户类包含所述遥控器采集到的、对应用户的体感数据。
[0030]所述用户包括所述第一用户，从而，当采集到所述第一体感数据时，需要判断所述第一用户对应用户类是否存在该第一体感数据，若存在，则判定为所述第一用户。
[0031]需要说明的是，不同用户使用遥控器的操作方式以及幅度，传感器获取到的体感数据不同；并且，不同用户使用所述遥控器的时间也不同；从而，对于不同用户来说，获取到的体感数据的个数也有很大区别。由获取到不同个数的每个用户的体感数据组成的体感数据集具有不平衡性，即由每个用户的体感数据组成的体感数据集对不同用户而言具有不平衡性。例如:获取到A用户使用所述遥控器时得到的体感数据为4个，而获取到B用户使用所述遥控器时得到的体感数据为40个，获取到C用户使用所述遥控器时得到的体感数据为40个。因此，针对不同用户，由每个用户的体感数据组成的体感数据集具有不平衡性；在分类器采用不平衡的体感数据集进行训练分类，然后使用分类器判断用户属于哪个分类结果时，现有技术通常会忽略个数少的体感数据对应的用户以提高识别正确率，匹配并识别为已采集到的体感数据个数多的用户，例如:以上面的A用户、B用户以及C用户的情况为例，在训练分类时，为了提高识别正确率，保留B用户以及对应的体感数据，以及保留C用户以及对应的体感数据，分类结果为B用户和C用户，而忽略掉A用户以及对应的体感数据；对于使用遥控器时采集到的体感数据，仅判定使用该遥控器的用户为B用户或C用户。
[0032]相对地，本实施例对此作了改进，以使用过遥控器的所有用户均有可能被识别出来。具体地，对于获取到的不平衡的体感数据集采用在线增量学习算法进行处理，生成平衡数据集；即，针对体感数据的个数少的用户，相应地增加了体感数据。从而保证生成的平衡数据能够适用于贝叶斯分类器，以针对每一个用户进行分类，以分出所有不同的用户类。
[0033]待分出用户类后，当接收到第一体感数据时，采用贝叶斯分类器识别出所述第一体感数据属于的用户类，进而确定第一用户为哪个用户。
[0034]作为本发明一实施例，随着时间的持续，受控终端会持续接收到不同的第一体感数据，为了自适应地更新所述用户类中包含的、采用在线增量学习算法确定的体感数据，以及为了自适应地更新用于贝叶斯分类器的先验概率(所述先验概率作为识别出不同的用户类的条件之一，每一个用户类对应一个先验概率)，所述在线增量学习算法，具体包括:[0035]若所述用户类包含的所述体感数据的个数大于或等于个数阈值，则去除所述用户类中的、旧的所述体感数据,添加所述第一体感数据；
[0036]若所述用户类包含的所述体感数据的个数小于所述个数阈值，则在所述用户类中添加重构体感数据，所述重构体感数据由对所述用户类包含的一个或多个所述体感数据进行线性变换后生成。
[0037]需要说明的是，每个用户类均包含部分或全部之前采集到的、与用户对应的体感数据。其中，所述用户类中的、旧的所述体感数据，具体为:贝叶斯分类器判定所述第一体感数据所属的用户类，该用户类中包含的体感数据；与此同时，所述个数阈值为:为了保证识别准确率，预先设定的、该用户类包含的体感数据的个数。
[0038]具体地，在采用贝叶斯分类器进行用户识别之前，需要预先构建用于本发明实施例的贝叶斯分类器，具体地，确定每个用户类以及对应的先验概率。由于用于构建贝叶斯分类器的数据集必须为平衡数据集，因此在构建贝叶斯分类器之前，需要采用在线增量学习算法对由每个用户的体感数据组成的体感数据集进行数据平衡；其中，对于所述体感数据的个数小于所述个数阈值的用户类，对所述用户类包含的一个或多个所述体感数据进行线性变换后生成重构体感数据，并将该重构体感数据添加入该用户类；对于所述体感数据的个数大于或等于个数阈值的用户类，去除该用户类中的相关度大或重复的部分体感数据；生成平衡数据集，并根据该平衡数据集确定用于贝叶斯分类器的用户类以及对应的先验概率，完成贝叶斯分类器的构建。
[0039]继而随着时间的持续，每当受控终端接收到第一体感数据时,若所述体感数据的个数大于或等于个数阈值的用户类，去除该用户类中的、旧的所述体感数据，并将所述第一体感数据添加到所述用户类中。优选的是，针对其中所述体感数据的个数大于或等于个数阈值的用户类，去除该用户类中的、最早获取到的一个或多个所述体感数据，并将所述第一体感数据添加到所述用户类中；从而，自适应地更新所述用户类中包含的、采用在线增量学习算法确定的体感数据，以及自适应地更新用于贝叶斯分类器的先验概率，所述先验概率作为识别出不同的用户类的条件之一。优选的是，同一用户类中，去除的该用户类已包含的体感数据的个数等于所述第一体感数据包括的体感数据的个数。
[0040]优选的是，所述若所述用户类包含的所述体感数据的个数大于或等于个数阈值，则去除所述用户类中的、旧的所述体感数据，添加所述第一体感数据的步骤，具体为:
[0041]若所述用户类包含的所述体感数据的个数大于或等于个数阈值，则去除所述用户类中的所述重构体感数据，添加所述第一体感数据。
[0042]在本实施例中，若所述用户类包含有重构体感数据，当获取到包含一个或多个体感数据的第一体感数据，且所述用户类包含的所述体感数据的个数大于或等于个数阈值时，优先去除重构体感数据，待所有所述重构体感数据都去除完后，才去除最早获取到的体感数据。
[0043]作为本发明一实施例，所述基于不平衡数据的用户识别方法还包括:
[0044]若正确识别率小于预设概率，则去除所述用户类包含的第二体感数据并在所述用户类中添加第三体感数据以更新所述用户类中的体感数据，以得到第一平衡数据集，所述第一平衡数据集包含所有所述用户类中的更新后的体感数据，所述第二体感数据为:所述贝叶斯分类器识别出错误的所述用户类的体感数据，所述第三体感数据为:所述贝叶斯分类器识别出正确的所述用户类的体感数据；
[0045]采用所述贝叶斯分类器重新处理所述第一平衡数据集，重新确定每个所述用户类的先验概率，所述先验概率作为所述贝叶斯分类器识别出每个所述用户类的条件之一。
[0046]需要说明的是，针对每个用户类，用于识别该用户类的所述预设概率根据实际设计贝叶斯分类器时所需的识别准确度而设定。所述正确识别率为:根据所有用户类包含的所有体感数据，能够正确识别出对应的用户类的概率。
[0047]在本实施例中，只有在某一用户类的正确识别率小于预设概率时，才会去除该用户类中的一个或多个第二体感数据，并同时添加相等个数的第三体感数据到所述用户类以得到第一用户类所述用户类中的体感数据；以此类推，待有一个或多个用户类需要更新该用户类包含的体感数据后，得到第一平衡数据集，(包含体感数据更新后的、所有所述用户类中的体感数据)；进而，采用所述贝叶斯分类器重新处理所述第一平衡数据集，重新确定每个所述用户类的先验概率；从而自适应地保证每个用户的识别正确率。
[0048]优选的是，当正确识别率大于或等于预设概率时，则不需要生成第一平衡数据集，以及采用所述贝叶斯分类器重新确定每个所述用户类的先验概率。
[0049]作为本发明一实施例，所述基于不平衡数据的用户识别方法还包括:
[0050]若所述用户已预先设定了个性化服务，为所述用户提供所述个性化服务。
[0051]具体在本实施例中，不同用户可能在受控终端分别设定了个性化服务，例如:已预先选择好了节目内容和视频内容。
[0052]从而，当第一用户使用遥控器时，待通过所述贝叶斯分类器确定出所述第一用户为哪个用户后，针对该用户预先设定的个性化服务，针对性地提供个性化服务。
[0053]实施例二:
[0054]图2示出了本发明第二实施例提供的第一种基于不平衡数据的用户识别装置的组成结构，为了便于描述，仅示出了与本发明实施例相关的部分。需要说明的是，实施例二提供的基于不平衡数据的用户识别装置与实施例一提供的基于不平衡数据的用户识别方法相互适用。
[0055]一种基于不平衡数据的用户识别装置，所述基于不平衡数据的用户识别装置包括:
[0056]数据接收单元21，用于当第一用户使用遥控器时，接收所述遥控器发送的第一体感数据，所述第一体感数据由所述遥控器包含的传感器获取；
[0057]用户识别单元22，用于采用贝叶斯分类器识别出所述第一体感数据属于的用户类以识别出所述第一用户，其中，用于所述贝叶斯分类器的至少两个所述用户类由平衡数据集确定，所述平衡数据集由在线增量学习算法单元23采用在线增量学习算法对至少两个用户的体感数据进行数据重组后生成，其中，一个所述用户对应一个所述用户类，所述用户包括所述第一用户。
[0058]图3示出了本发明第二实施例提供的第二种基于不平衡数据的用户识别装置的组成结构，为了便于描述，仅示出了与本发明实施例相关的部分。
[0059]作为本发明一实施例，所述在线增量学习算法单元23，具体包括:
[0060]去除单元231，用于若所述用户类包含的所述体感数据的个数大于或等于个数阈值，则去除所述用户类中的、旧的所述体感数据，添加所述第一体感数据；
[0061]添加单元232，用于若所述用户类包含的所述体感数据的个数小于所述个数阈值，则在所述用户类中添加重构体感数据，所述重构体感数据由对所述用户类包含的一个或多个所述体感数据进行线性变换后生成。
[0062]优选的是，所述添加单元232，具体用于:
[0063]若所述用户类包含的所述体感数据的个数大于或等于个数阈值，则去除所述用户类中的所述重构体感数据，添加所述第一体感数据。
[0064]图4示出了本发明第二实施例提供的第三种基于不平衡数据的用户识别装置的组成结构，为了便于描述，仅示出了与本发明实施例相关的部分。
[0065]作为本发明一实施例，所述基于不平衡数据的用户识别装置，还包括:
[0066]正确率单元24，用于若正确识别率小于预设概率，则去除所述用户类包含的第二体感数据并在所述用户类中添加第三体感数据以更新所述用户类中的体感数据，以得到第一平衡数据集，所述第一平衡数据集包含所有所述用户类中的更新后的体感数据，所述第二体感数据为:所述贝叶斯分类器识别出错误的所述用户类的体感数据，所述第三体感数据为:所述贝叶斯分类器识别出正确的所述用户类的体感数据；
[0067]确定单元25，用于采用所述贝叶斯分类器重新处理所述第一平衡数据集，重新确定每个所述用户类的先验概率，所述先验概率作为所述贝叶斯分类器识别出每个所述用户类的条件之一。
[0068]图5示出了本发明第二实施例提供的第四种基于不平衡数据的用户识别装置的组成结构，为了便于描述，仅示出了与本发明实施例相关的部分。
[0069]作为本发明一实施例，所述基于不平衡数据的用户识别装置，还包括:
[0070]服务提供单元26，用于若所述用户已预先设定了个性化服务，为所述用户提供所述个性化服务。
[0071]作为本发明一实施例，本发明实施例提供一种受控终端，所述受控终端包括实施例二所述的基于不平衡数据的用户识别装置。
[0072]在本发明实施例中，预先针对至少两个用户分别采集体感数据，若采集到的由不同用户的体感数据组成的体感数据集具有不平衡性(即采集到的个别用户的体感数据较少)，则采用在线增量学习算法处理所述不平衡的体感数据集以生成平衡数据集，进而，贝叶斯分类器根据所述平衡数据集确定用户类(一个用户对应一个用户类)以及对应的先验概率识。当第一用户使用遥控器时，受控终端采用所述贝叶斯分类器处理所述遥控器采集到的第一体感数据以识别出第一用户，进而为该第一用户提供个性化服务。
[0073]本领域技术人员可以理解为上述实施例二包括的各个单元只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。
[0074]本领域普通技术人员还可以理解，实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，所述的程序可以在存储于一计算机可读取存储介质中，所述的存储介质，包括R0M/RAM、磁盘、光盘等。
[0075]以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属【技术领域】的普通技术人员来说，在不脱离本发明构思的前提下做出若干等同替代或明显变型，而且性能或用途相同，都应当视为属于本发明由所提交的权利要求书确定的专利保护范围。
【权利要求】
1.一种基于不平衡数据的用户识别方法，其特征在于，所述基于不平衡数据的用户识别方法包括: 当第一用户使用遥控器时，接收所述遥控器发送的第一体感数据，所述第一体感数据由所述遥控器包含的传感器获取； 采用贝叶斯分类器识别出所述第一体感数据属于的用户类以识别出所述第一用户，其中，用于所述贝叶斯分类器的至少两个所述用户类由平衡数据集确定，所述平衡数据集由采用在线增量学习算法对至少两个用户的体感数据进行数据重组后生成，其中，一个所述用户对应一个所述用户类，所述用户包括所述第一用户。
2.如权利要求1所述的基于不平衡数据的用户识别方法，其特征在于，所述在线增量学习算法，具体包括: 若所述用户类包含的所述体感数据的个数大于或等于个数阈值，则去除所述用户类中的、旧的所述体感数据，添加所述第一体感数据； 若所述用户类包含的所述体感数据的个数小于所述个数阈值，则在所述用户类中添加重构体感数据，所述重构体感数据由对所述用户类包含的一个或多个所述体感数据进行线性变换后生成。
3.如权利要求2所述的基于不平衡数据的用户识别方法，其特征在于，所述若所述用户类包含的所述体感数据的个数大于或等于个数阈值，则去除所述用户类中的、旧的所述体感数据，添加所述第一体感数据的步骤，具体为: 若所述用户类包含的 所述体感数据的个数大于或等于个数阈值，则去除所述用户类中的所述重构体感数据，添加所述第一体感数据。
4.如权利要求1或2所述的基于不平衡数据的用户识别方法，其特征在于，所述基于不平衡数据的用户识别方法还包括: 若正确识别率小于预设概率，则去除所述用户类包含的第二体感数据并在所述用户类中添加第三体感数据以更新所述用户类中的体感数据，以得到第一平衡数据集，所述第一平衡数据集包含所有所述用户类中的更新后的体感数据，所述第二体感数据为:所述贝叶斯分类器识别出错误的所述用户类的体感数据，所述第三体感数据为:所述贝叶斯分类器识别出正确的所述用户类的体感数据； 采用所述贝叶斯分类器重新处理所述第一平衡数据集，重新确定每个所述用户类的先验概率，所述先验概率作为所述贝叶斯分类器识别出每个所述用户类的条件之一。
5.如权利要求1所述的基于不平衡数据的用户识别方法，其特征在于，所述基于不平衡数据的用户识别方法还包括: 若所述用户已预先设定了个性化服务，为所述用户提供所述个性化服务。
6.一种基于不平衡数据的用户识别装置，其特征在于，所述基于不平衡数据的用户识别装置包括: 数据接收单元，用于当第一用户使用遥控器时，接收所述遥控器发送的第一体感数据，所述第一体感数据由所述遥控器包含的传感器获取； 用户识别单元，用于采用贝叶斯分类器识别出所述第一体感数据属于的用户类以识别出所述第一用户，其中，用于所述贝叶斯分类器的至少两个所述用户类由平衡数据集确定，所述平衡数据集由在线增量学习算法单元采用在线增量学习算法对至少两个用户的体感数据进行数据重组后生成，其中，一个所述用户对应一个所述用户类，所述用户包括所述第一用户。
7.如权利要求6所述的基于不平衡数据的用户识别装置，其特征在于，所述在线增量学习算法单元，具体包括: 去除单元，用于若所述用户类包含的所述体感数据的个数大于或等于个数阈值，则去除所述用户类中的、旧的所述体感数据，添加所述第一体感数据； 添加单元，用于若所述用户类包含的所述体感数据的个数小于所述个数阈值，则在所述用户类中添加重构体感数据，所述重构体感数据由对所述用户类包含的一个或多个所述体感数据进行线性变换后生成。
8.如权利要求7所述的基于不平衡数据的用户识别装置，其特征在于，所述添加单元，具体用于: 若所述用户类包含的所述体感数据的个数大于或等于个数阈值，则去除所述用户类中的所述重构体感数据，添加所述第一体感数据。
9.如权利要求6或7所述的基于不平衡数据的用户识别装置，其特征在于，所述基于不平衡数据的用户识别装置，还包括: 正确率单元，用于若正确识别率小于预设概率，则去除所述用户类包含的第二体感数据并在所述用户类中添加第三体感数据以更新所述用户类中的体感数据，以得到第一平衡数据集，所述第一平衡数据集包含所有所述用户类中的更新后的体感数据，所述第二体感数据为:所述贝叶斯分类器 识别出错误的所述用户类的体感数据，所述第三体感数据为:所述贝叶斯分类器识别出正确的所述用户类的体感数据； 确定单元，用于采用所述贝叶斯分类器重新处理所述第一平衡数据集，重新确定每个所述用户类的先验概率，所述先验概率作为所述贝叶斯分类器识别出每个所述用户类的条件之一。
10.如权利要求6所述的基于不平衡数据的用户识别装置，其特征在于，所述基于不平衡数据的用户识别装置，还包括: 服务提供单元，用于若所述用户已预先设定了个性化服务，为所述用户提供所述个性化服务。
【文档编号】G06F3/01GK103543832SQ201310521796
【公开日】2014年1月29日 申请日期:2013年10月29日 优先权日:2013年10月29日
【发明者】李朝, 汪灏泓 申请人:Tcl集团股份有限公司