且第 二分类概率可为.4,其中1表示出现的确定性且O表示不出现的确定性。在此前一实例中， 在.6的第一分类概率与.4的第二分类概率之间的差将是.2,相对较低置信度。在第二实 例中，第一分类的概率为.9且第二分类的概率为.1。在此第二实例中，两个分类之间的差 为.8,其可为相对高置信度。
[0029] 在其它实施例中，可以使用支持向量机来确定数据点。例如，最近的相邻分类器可 计算特征向量且查找来自可能数据点的已知范围的最近特征向量。通过参考历史的或已知 的数据点集，可以指定特定分类。例如，特征向量可匹配最近的点且所述点可以经指定或与 特定分类相关联。当特征向量无法匹配最近的点时或如果所述特征向量无法与特定分类相 关联，那么可以触发或启动额外传感器。可如上文所描述基于最近的相邻分类器对额外传 感器数据进行分类。替代地，可触发/启动更多传感器直到可以确定分类匹配为止。
[0030] 图2说明在一个实施例中的CASM的流程图。在框205处，CASM能够接收来自至 少第一传感器（例如，近程传感器130、ALS 135、加速度计140、陀螺仪145、磁力计150、气 压传感器155、GPS 160、麦克风165及相机170)的数据。
[0031] 在框210处，CASM或分类器能够执行来自至少第一传感器的数据的分类。例如， 第一数据传感器可输出第一数据样本以用于处理。CASM能够对第一数据样本运行特征计 算且所述特征计算可与预定训练数据集相比以输出分类。在一个实施例中，第一数据样本 提供临时分类且CASM可基于临时分类的置信度确定将所述暂时分类作为最终输出分类提 供。下文描述特征计算的其它细节。
[0032] 在框215处，CASM能够确定第一分类的置信度值。置信度值可基于如下文较详细 描述的一或多个因素。
[0033] 在框220处，CASM能够基于确定第一分类的置信度值未能满足置信度阈值而启动 第二传感器。例如，给定前一分类中的较低置信度，CASM可启动额外传感器且使用与在前 一分类中使用的传感器不同的额外传感器运行另一分类确定。
[0034] 在框225处，CASM能够联合来自至少第一传感器的数据执行来自所启动第二传感 器的第二数据样本的第二分类。在一个实施例中，额外传感器数据的分类还具有相关联的 个别置信度，或第一和第二数据分类两者的整体置信度。在一个实施例中，第一和第二传感 器数据分类可共同地分类以便确定最终/输出分类及相关联的置信度值。在一些实施例 中，可对两个传感器数据样本单独地且独立地进行分类，提供两个不同的分类且CASM可输 出（来自第一和第二传感器的）两个独立分类的最高置信度值。在其它实施例中，CASM可 基于确定对第一分类的分类并不满足相关联的置信度阈值而自动地输出第二传感器分类。 在又其它实施例中，CASM可输出全部所确定的分类及它们的相关联置信度且程序或应用可 进一步处理所述结果以进行分类的独立确定并最终推断情境。下文更详细地描述分类及置 信度产生。
[0035] 传感器数据
[0036] CASM可以处理或计算从附接到移动装置（例如，近程传感器130、ALS 135、加速度 计140、陀螺仪145、磁力计150、气压传感器155、GPS 160、麦克风165和相机170)上的一 或多个传感器接收的数据以报告与装置的环境相关的信息。在一些实施例中，CASM能够接 收来自通过I/O控制器125以通信方式连接的外部装置（例如，经由到外部相机的USB连 接或WiFi连接）的外部传感器数据。CASM或专用分类器（例如，始终开启的或频繁作用中 的分类器）能够对传感器数据进行分类。
[0037] CASM或专用分类器能够接收原始传感器数据用于分类（即，特征计算），如下文所 描述。替代地，在特征计算之前中间装置或程序能够预处理传感器数据。为易于描述，如本 文所使用的传感器数据指代未经处理的数据（例如，从加速度计140、环境光传感器135、麦 克风165或其它传感器接收的数据）。例如，来自加速度计140的数据可具有时间、沿着X 轴的加速度、沿着Y轴的加速度和沿着Z轴的加速度的属性。然而，所属领域的技术人员将 认识到，可以除此处给出的实例外的其它形式接收及处理传感器数据。
[0038] 如本文所使用，数据样本可包含从传感器（例如，装置100的传感器）接收或输出 的一部分数据。传感器数据样本可以特定频率（例如，50Hz、60Hz或取决于取样装置及数据 要求的其它速率）取样。可对从传感器数据流或集选择的时刻、切片或时间窗口执行特征 计算。例如，装置100可计算从较长的流（例如，传感器上恒定的十秒时间周期，或某个其 它时间周期）选择的一秒时间周期上的特征。例如，原始加速度计140数据可以60Hz取样 使得一秒数据在X轴、Y轴和Z轴中提供60个三维加速度计140的向量样本，净输入大小 为180个样本。
[0039] 在一个实施例中，CASM或专用分类器能够将传感器数据样本与训练数据样本相比 以对传感器数据样本进行分类。例如，在测试/训练设定中，传感器可接收多种输入以涵盖 可能的现实世界情境，且可以记录所产生的特征计算及分类。使用此预先计算出的历史数 据，当前传感器数据样本可以与其相比以评估最可能的分类以及对所述分类指定置信度。
[0040] 在其它实施例中，可使用从训练数据预先计算出的模型（例如，支持向量机、神经 网络、决策树、贝叶斯分类器等），而不是直接使用训练数据来对数据进行分类（例如，最近 的相邻分类器）。
[0041] 在一个实施例中，若使用不同类型的多个传感器则可改进分类的精确性。例如，具 有联合分类的两个或更多个传感器可仍然引起低置信度分类（例如，麦克风及加速度计可 能不足以确定高置信度会议分类）。因此，可触发或启动额外传感器（例如，GPS或其它运 动传感器）以进一步增强最终分类中的置信度。
[0042] 在一个实施例中，传感器数据样本可来自装置100的相同或不同的传感器子系 统。例如，加速度计可在单独的传感器子系统上以接收功率而在不同子系统上的GPS是未 通电的。
[0043] 在一个实施例中，CASM可基于计算出的特征确定是否满足分类置信度阈值。在一 个实施例中，阈值置信度可通过将特征与训练数据集比较来确定。下文更详细地论述置信 度。
[0044] 在一个实施例中，CASM可以利用可用的传感器的功率分布。功率分布可评估特定 传感器的平均或可能功耗要求使得CASM能够按从最少功耗到更多功耗来排列传感器启动 的顺序。例如，加速度计140、时钟及环境光传感器135可具有识别其为低功耗的功率分布。 相反，WiFi传感器及GPS 160可具有识别其为高功耗的功率分布。因此，在其它所有条件都 相等的情况下，CASM可确定加速度计140应优于GPS 160优先排序用于启动，或环境光传 感器135优于WiFi。在另一实例中，关于功耗，陀螺仪145及麦克风165可在加速度计140 与GPS 160两者之间。因此，在一个实例中，当不能够利用所有其它传感器用于高置信度分 类时，加速度计140可设定为第一初始传感器（即始终开启或首先启动），陀螺仪145可为 经启动以加强分类确定的第二传感器，且第三传感器可为GPS 160。
[0045] 在其它实施例中，传感器的功率分布是用以确定哪个首先启动或启动额外传感器 的许多因素中的一者。例如，来自陀螺仪145的传感器数据样本可能含有相较于例如来自 GPS 160的传感器数据样本不太有价值的情境推断数据，因此，可绕过陀螺仪145使得替代 地启动GPS 160。基于初始分类，值的确定可能改变。例如，初始分类关于分类是否是会议 分类可能是不明确的，且额外传感器（例如，麦克风或加速度计）可能比GPS更适用，因为 室内信号接收可能不佳。
[0046] 同样，CASM可确定不同类型的各种传感器有助于确定情境而无论它们的功率特 征。例如，为了确定用户是否在会议中，时钟、加速度计140及麦克风165可全部用于推断 情境，然而，每一者孤立地可提供不完整的图片。
[0047] 在其它实施例中，CASM可初始地启动两个或更多个传感器且在后续时间点启动额 外传感器。例如，加速度计140及陀螺仪145传感器可初始地作用，且GPS 160可为当检测 到分类不明确性时启动的额外传感器。在另一实例中，时钟及加速度计140可在装置中始 终开启，且WiFi传感器可在稍后的时间启动以解决分类不明确性。
[0048] 在一个实施例中，CASM可自动地触发硬件中断从而为不同子系统上的第二传感器 通电。例如，当确定低置信度分类时，CASM可触发不同传感器子系统上的其它传感器或为 其上电。
[0049] 特征分类
[0050] 在一个实施例中，CASM可如上文所揭示的根据传感器数据（例如，来自麦克风 165、加速度计140、环境光传感器135或其它输入的原始数据）计算、处理或选取一或多个 特征。本文所描述的特征指代对传感器数据执行的计算的结果或输出。特征可以用来对数 据集进行分类。例如，CASM可以接收来自加速度计140的原始传感器数据（例如，传感器数 据样本）作为输入，且计算平均值和/或标准差。CASM能够使用平均值和/或标准差以对 传感器数据进行分类或提供情境。例如，运动传感器的分类可为：行走、坐着、跑动或驾驶， 仅仅举几例。在一个实施例中，特征为来自由处理器101在存储器105中执行的计算机代 码的值、输出或结果。
[0051 ] 在一个实施例中，CASM可对来自两个或更多个不同传感器的两个或更多个传感器 数据样本联合地分类。例如，CASM可读取来自加速度计及GPS的数据且使用联合分类中的 两个不同传感器数据提供分类（例如，跑动、在车辆中驾驶或基于其它运动的分类）。所述 两个不同传感器数据样本可从相同时间窗口或时间范围取样。在另一实例中，CASM可首先 对一种第一传感器的数据进行分类，并且确定所述分类不满足置信度