本发明涉及通信技术领域,特别涉及一种移动终端及其基于应用软件分类的省电方法。
背景技术:
当前移动终端的配置越来越高,上网和娱乐功能越来越多,移动终端的待机问题对用户而言非常重要,用户希望其使用的移动终端有尽可能多的待机时间。影响移动终端待机时间的内在因素包括基带芯片耗电、射频芯片耗电、电池特性、电源管理方案、时钟管理方案、LCD与键盘背光方案、扬声器耗电等。目前增加移动终端的待机时间除了尽可能增大电池的电量之外,还可以通过结束各种不必要的运行程序来达到省的效果。
本发明的发明人在进行深入研究后发现,目前的省电方式效果不太理想,而且没法达到系统分类的省电方案。
技术实现要素:
为了解决现有技术的问题,本发明实施例提供了一种移动终端及其基于应用软件分类的省电方法。所述技术方案如下:
一方面,提供了一种移动终端基于应用软件分类的省电方法,所述方法包括:
获取移动终端注册表下的各个应用软件的软件信息;
以任意顺序根据所述软件信息对所述各个应用软件进行分类,并生成软件分类组;
监测移动终端的状态参数;
将所述移动终端的状态参数输入神经网络模型进行预测,并输出预测结果;
根据所述预测结果,对所述软件分类组执行省电方案。
可选地,所述软件信息包括软件名称、软件安装路径、特殊标记。
可选地,对所述软件名称采用最大前缀搜索匹配方式对所述各个应用软件进行第一分类,和/或对所述软件安装路径采用最大后缀搜索匹配方式对所述各个应用软件进行第二分类。最大前缀搜索匹配指按照每一个匹配关键词从前至后的字符进行一一匹配,并确定最大匹配分值;最大后缀搜索匹配指按照每一个匹配关键词从后至前的字符进行一一匹配,并确定最大匹配分值。
可选地,所述状态参数包括屏幕打开或者关闭信息、移动终端活动信息、屏幕点击信息,以及应用程序状态信息。
可选地,所述省电方案包括减少应用的网络访问和挂起应用。
另一方面,提供了一种移动终端,所述移动终端包括:
获取模块,用于获取移动终端注册表下的各个应用软件的软件信息;
处理模块,以任意顺序根据所述软件信息对所述各个应用软件进行分类,并生成软件分类组;
监测模块,用于监测移动终端的状态参数;
预测模块,用于将所述移动终端的状态参数输入神经网络模型进行预测,并输出预测结果;
执行模块,用于根据所述预测结果,对所述软件分类组执行省电方案。
可选地,所述软件信息包括软件名称、软件安装路径、特殊标记。
可选地,所述处理模块,还用于对所述软件名称采用最大前缀搜索匹配方式对所述各个应用软件进行第一分类,和/或对所述软件安装路径采用最大后缀搜索匹配方式对所述各个应用软件进行第二分类。最大前缀搜索匹配指按照每一个匹配关键词从前至后的字符进行一一匹配,并确定最大匹配分值;最大后缀搜索匹配指按照每一个匹配关键词从后至前的字符进行一一匹配,并确定最大匹配分值。
可选地,所述状态参数包括屏幕打开或者关闭信息、移动终端活动信息、屏幕点击信息,以及应用程序状态信息。
可选地,所述省电方案包括减少应用的网络访问和挂起应用。
本发明实施例提供的技术方案带来的有益效果是:
通过对移动终端应用软件分类,同类型的应用软件形成应用软件分类组,按组集中执行省电方案,更高效更系统地实现了移动终端的省电。
附图说明
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的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例一提供的移动终端基于应用软件分类的省电方法流程图;
图2是本发明实施例二提供的移动终端结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明实施方式作进一步地详细描述。
实施例一
本发明实施例提供了一种移动终端基于神经网络的省电方法,参见图1,方法流程包括:
S100:获取移动终端注册表下的各个应用软件的软件信息。
具体地,软件信息包括软件名称、软件安装路径、特殊标记;特殊标记可以为是否为补丁程序的标记,例如父密钥ParentKeyName。
S200:以任意顺序根据所述软件信息对所述各个应用软件进行分类,并生成软件分类组;
具体地,进一步的,对所述软件名称采用最大前缀搜索匹配方式对所述各个应用软件进行第一分类,和/或对所述软件安装路径采用最大后缀搜索匹配方式对所述各个应用软件进行第二分类。最大前缀搜索匹配指按照每一个匹配关键词从前至后的字符进行一一匹配,并确定最大匹配分值;最大后缀搜索匹配指按照每一个匹配关键词从后至前的字符进行一一匹配,并确定最大匹配分值。
本步骤可以包括以下三种实施方式:
方式一:采用最大前缀搜索匹配方式,根据所述软件信息对所述各个应用软件进行分类;
方式二:采用最大后缀搜索匹配方式,根据所述软件信息对所述各个应用软件进行分类;
方式三:对所述软件名称采用最大前缀搜索匹配方式对所述各个应用软件进行第一分类,并得到第一匹配分值;
对所述软件安装路径采用最大后缀搜索匹配方式对所述各个应用软件进行第二分类,并得到第二匹配分值;
当所述第一匹配分值大于所述第二匹配分值时,则确定所述软件名称对应的软件的分类为第一分类;
当所述第二匹配分值大于所述第一匹配分值时,则确定所述软件安装路径对应的软件的分类为第二分类。
S300:监测移动终端的状态参数;
具体地,该移动终端的状态参数包括屏幕打开或者关闭信息、移动终端活动信息、屏幕点击信息,以及应用程序状态信息。屏幕打开或者关闭信息可以通过检测用户是否按下待机键进行监测,也可以通过获取用户设置的屏幕自动关闭时间是否达到进行监测。移动终端活动信息可以通过重力加速度传感器获取移动终端是否发生移动实现监测,或者通过陀螺仪检测移动终端是否发生转动进行监测。屏幕点击信息可以通过触摸点检测装置检测触摸信息,并将触摸信息发送至触摸屏控制器。应用程序状态信息可以通过移动终端的操作系统所提供的接口进行监测。
S400:将移动终端的状态参数输入神经网络模型进行预测,并输出预测结果;
具体地,该神经网络模型为Y=purelin(T*tansig(W*X+θi))+θl;其中,X为移动终端的状态参数,W、T为权值,θi、θl为设定阈值,Y为维护窗口。
具体地,预测结果为维护窗口(maintenance window)。本实施例中,该维护窗口不是固定不变的,而是可以随着预测结果改变。在维护窗口期间,系统运行所有挂起的同步、任务和alarms,同时也能访问网络。
S500:根据预测结果,对所述软件分类组执行省电方案。
具体地,省电方案可以是减少应用的网络访问和挂起应用。
具体而言,如果一个用户断开了移动终端的充电连接,关屏不动移动终端一段时间之后,移动终端开始执行省电方案。移动终端开始通过减少应用的网络访问和挂起应用或应用组来减少耗电,也可以延缓应用的任务或者减缓应用进行同步,此时移动终端处于省电模式。
当然,为了移动终端能保持使用功能,其会定期暂停执行省电方案让应用或应用组完成其被延缓的动作。在维护窗口期间,系统运行所有挂起的同步、任务和闹铃,同时也能访问网络。
在每个维护窗口完结时,系统会再次进入省电模式,暂停网络接入和延缓操作、同步和闹钟。随着时间的过去,当移动终端没有充电且长时间静止时系统调度维护窗口的次数越来越少,以此帮助减少电池消耗。
只要用户通过移动、点亮屏幕或则插上充电器唤醒移动终端的时候,系统会退出省电模式,所有的应用退回到正常活动状态。
综上所述,本发明实施例一通过对移动终端应用软件分类,同类型的应用软件形成应用软件分类组,按组集中执行省电方案,更高效更系统地实现了移动终端的省电。
实施例二
参见图2,本发明实施例提供了一种移动终端10,该移动终端10包括:
获取模块100,用于获取移动终端注册表下的各个应用软件的软件信息;
其中,软件信息包括软件名称、软件安装路径、特殊标记;特殊标记可以为是否为补丁程序的标记,例如父密钥ParentKeyName。
处理模块200,用于以任意顺序根据所述软件信息对所述各个应用软件进行分类,并生成软件分类组;用于根据所述软件信息采用搜索匹配方式,对所述各个应用软件进行分类;
具体地,进一步的,对所述软件名称采用最大前缀搜索匹配方式对所述各个应用软件进行第一分类,和/或对所述软件安装路径采用最大后缀搜索匹配方式对所述各个应用软件进行第二分类。最大前缀搜索匹配指按照每一个匹配关键词从前至后的字符进行一一匹配,并确定最大匹配分值;最大后缀搜索匹配指按照每一个匹配关键词从后至前的字符进行一一匹配,并确定最大匹配分值。
本步骤可以包括以下三种实施方式:
方式一:采用最大前缀搜索匹配方式,根据所述软件信息对所述各个应用软件进行分类;
方式二:采用最大后缀搜索匹配方式,根据所述软件信息对所述各个应用软件进行分类;
方式三:对所述软件名称采用最大前缀搜索匹配方式对所述各个应用软件进行第一分类,并得到第一匹配分值;
对所述软件安装路径采用最大后缀搜索匹配方式对所述各个应用软件进行第二分类,并得到第二匹配分值;
当所述第一匹配分值大于所述第二匹配分值时,则确定所述软件名称对应的软件的分类为第一分类;
当所述第二匹配分值大于所述第一匹配分值时,则确定所述软件安装路径对应的软件的分类为第二分类。
监测模块300,用于监测移动终端10的状态参数;
具体地,移动终端10的状态参数包括屏幕打开或者关闭信息、移动终端活动信息、屏幕点击信息,以及应用程序状态信息。屏幕打开或者关闭信息可以通过检测用户是否按下待机键进行监测,也可以通过获取用户设置的屏幕自动关闭时间是否达到进行监测。移动终端活动信息可以通过重力加速度传感器获取移动终端是否发生移动实现监测,或者通过陀螺仪检测移动终端是否发生转动进行监测。屏幕点击信息可以通过触摸点检测装置检测触摸信息,并将触摸信息发送至触摸屏控制器。应用程序状态信息可以通过移动终端的操作系统所提供的接口进行监测。
预测模块400,用于将移动终端10的状态参数输入神经网络模型进行预测,并输出预测结果;
具体地,该神经网络模型为Y=purelin(T*tansig(W*X+θi))+θl;其中,X为移动终端的状态参数,W、T为权值,θi、θl为设定阈值,Y为维护窗口。
具体地,预测结果为维护窗口(maintenance window)。本实施例中,该维护窗口不是固定不变的,而是可以随着预测结果改变。在维护窗口期间,系统运行所有挂起的同步、任务和alarms,同时也能访问网络。
执行模块500,用于根据预测结果,对所述软件分类组执行省电方案。具体地,省电方案包括减少应用的网络访问和挂起应用。具体而言,如果一个用户断开了移动终端的充电连接,关屏不动移动终端一段时间之后,移动终端开始执行省电方案。移动终端开始通过减少应用的网络访问和挂起应用或应用组来减少耗电,也可以延缓应用的任务或者减缓应用进行同步,此时移动终端处于省电模式。
当然,为了移动终端能保持使用功能,其会定期暂停执行省电方案让应用或应用组完成其被延缓的动作。在维护窗口期间,系统运行所有挂起的同步、任务和闹铃,同时也能访问网络。
在每个维护窗口完结时,系统会再次进入省电模式,暂停网络接入和延缓操作、同步和闹钟。随着时间的过去,当移动终端没有充电且长时间静止时系统调度维护窗口的次数越来越少,以此帮助减少电池消耗。
只要用户通过移动、点亮屏幕或则插上充电器唤醒移动终端的时候,系统会退出省电模式,所有的应用退回到正常活动状态。
综上所述,本发明实施例二通过对移动终端应用软件分类,同类型的应用软件形成应用软件分类组,按组集中执行省电方案,更高效更系统地实现了移动终端的省电。
需要说明的是:上述实施例提供的移动终端在基于神经网络进行省电时,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将移动终端的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。另外,上述实施例提供的移动终端及其基于神经网络进行省电的实施例属于同一构思,其具体实现过程详见方法实施例,这里不再赘述。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。