阈值。当启动第二传 感器时，CASM能够联合所启动第二传感器的数据对第一传感器的数据进行分类以基于从这 两个传感器接收的传感器数据确定最终分类。
[0052] 在一些实施例中，CASM可调用单独的分类器（例如，来自CASM的单独的分类器模 块）以计算特征。分类器能够获得特征并将其与模型相比以产生推断（例如，以确定最可 能的分类或状态）。单独的分类器可能够处理多个传感器流。替代地，针对每种类型的传感 器可存在单独的分类器。如本文所描述的CASM可包含集成式分类器使得CASM能够产生分 类或状态输出，或所述分类器可为单独且独立的。
[0053] 置信度
[0054] 如上文所描述，CASM能够使置信度（例如，置信度值或置信度值水平）与每一个 别数据传感器样本分类或联合的数据传感器样本分类相关联。CASM可使用置信度作为用以 确定是否应启动额外传感器的方式。可将置信度与置信度阈值相比并且可以相对于来自额 外传感器数据样本的第二分类对不满足或超出置信度阈值的分类进行验证。
[0055] 在一些实施例中，除上文所描述的用于第一和第二分类的个别置信度值之外，也 可使整体置信度与两个或更多个传感器分类的组合相关联。在一些实施例中，CASM可考虑 来自一或多个传感器数据分类的多个个别置信度值来维持累计的整体置信度。可在第二传 感器启动时、在第一置信度不足时或在确定第二分类置信度时发起累计的整体置信度。例 如，在确定第一和第二数据传感器分类及相关联的置信度后，第二置信度可为仅第二数据 传感器分类中的置信度，并且整体置信度（例如，在此实例中为第三置信度）表示第一和第 二分类合起来的置信度。因为联合分类对两个或更多个传感器数据样本进行分类，所以联 合分类的置信度可产生类似于如上文所描述的整体置信度的一个置信度值（例如，而不是 除整体置信度之外的独立置信度）。
[0056] CASM可使用整体置信度以确定是否继续启动额外传感器。例如，第一传感器数据 样本可产生低置信度分类，且第二传感器数据样本也可产生低置信度分类。然而，在一些实 施例中，CASM可确定当两个或更多个传感器数据样本推断相同分类时整体置信度仍然可足 够高以符合置信度阈值。
[0057] 在另一实例中，第一传感器数据样本可产生低置信度分类，且第二传感器数据样 本可产生高置信度分类。在此实例中，CASM可确定第二传感器数据样本更可能基于第一数 据样本的不足而提供正确的分类以胜过最小置信度。因此，CASM可最后基于第二传感器数 据样本输出最终确定分类。
[0058] 在一个实施例中，在基于历史或训练数据的预定值基础上确定置信度阈值。例如， 训练数据可指示在功率消耗与情境推断性能之间提供理想平衡的阈值置信度。在一些实施 例中，用户可调整所述阈值以实现不同平衡。在又其它实施例中，CASM可基于使用什么类 型的传感器、传感器的数目或其它因素而独立地调整所述阈值。
[0059] 可以基于当前数据点（例如，从特征计算输出的数据点）到最近的分类的距离计 算出置信度，其中小距离对应于高置信度且大距离对应于低置信度。
[0060] 距离的测量可改变。例如，尝试使用户的当前位置与最近的集群相关联的GPS 160 群集算法能够将从用户到集群质心的地理距离用作距离的测量。
[0061] 对于输出概率或可能性的分类器，可以基于这些输出的概率或可能性计算出置信 度。例如，对于输出针对每一类别的后验概率分类器，可以基于最大概率计算出置信 度，例如
[0063] 对于输出针对每一类别的可能性1^的分类器，可以基于归一化的相对可能性计算 出置信度。例如，
[0065] 其中il是最可能的类别的指数，且i2是第二最可能的类别的指数。
[0066] 不明确的分类
[0067] 在一个实施例中，CASM基于传感器样本数据确定分类或状态。在其它实施例中， 分类器输出状态或分类到CASM。例如，如果分类器输出已知将通常与状态B混淆的分类A， 那么CASM能够启动额外传感器流或使得其能够验证分类是正确的。
[0068] 在一个实施例中，CASM基于不明确的分类确定启动哪个额外传感器。例如，在分 类A与B之间的混淆可能使得启动传感器C以解决特定的不明确性。在另一实例中，在分 类A与D之间的混淆可能使得启动传感器E以解决此不明确性。
[0069] 图3说明在一个实施例中的传感器数据分类的图。图3说明三个分类集群（例如， 如基于先前计算的训练数据样本）。A类315、B类325及C类335是基于来自一个传感器 (例如，第一所启动传感器）的特征计算的三个可能的分类。X轴340及Y轴305可表示从 对来自传感器的原始数据执行的特征计算产生的特征。CASM可以使用基于历史或先前训 练数据的分类的集群来确定当前/新的分类的置信度。例如，如果点310(例如，表示来自 传感器数据样本的分类的点）位于已知范围或A类历史分类的集群内，那么CASM可具有点 310是A类的高置信度且在不启动额外传感器的情况下输出与A类相关联的情境推断。
[0070] 如果点（例如，点320)位于任何集群外部但是最接近于特定集群（例如，点320尽 管在集群外部但是最接近于C类315)，那么CASM可输出低置信度分类（例如，临时分类）， 其仍然将触发额外/第二传感器。在触发或启动第二传感器时，CASM或分类器可对或者单 独地基于第二传感器数据的数据进行分类或者联合地对第一和第二传感器数据一起进行 分类。如果联合的或第二传感器分类产生更高置信度分类（例如，在A类315、B类325或C 类335集群内部产生特征），那么可通过CASM选择更高置信度分类以用于输出。如果产生 了临时分类，那么所述临时分类可被基于额外传感器数据样本的最新的联合或独立分类覆 盖。如果额外传感器数据样本与最近的分类评估一致，那么相较于仅一个传感器或数据样 本对所述数据进行分类的情况，以更高置信度输出所述一致的分类。如果额外传感器数据 样本产生与第一数据样本不同的分类，那么CASM可启动除第二传感器之外的额外传感器， 或替代地可例如基于每一个别分类的相对置信度水平对输出哪些分类进行确定。
[0071] 如果点（例如，点330)位于已知集群（例如，A类315、B类325或C类335)外部， 那么CASM可具有所述点能够被精确分类的低置信度。在一些实施例中，如果点与两个或更 多个最近的分类是等距的（例如，在此实例中，A类315、B类325或C类335对于点330来 说都是等距的），那么CASM可不输出任何分类并触发额外/第二传感器。在触发/启动第 二传感器后，可以如上文所描述获得联合或独立的数据传感器分类。例如，如果联合或独立 的分类是高置信度（例如，在集群内），那么通过CASM选择并输出所述分类。否则的话，如 果仍然存在关于分类的一些不明确性（例如，低置信度），那么可启动额外传感器且可确定 进一步分类。
[0072] 不明确的分类改变
[0073] 在一个实施例中，CASM能够基于分类的改变而进行确定以开启额外传感器。基于 分类的改变而确定开启额外传感器可独立于特定分类的置信度。
[0074] CASM可确定用户不大可能直接过渡到特定分类/从特定分类直接过渡。例如， CASM可处理来自加速度计140的数据传感器样本，其基于在时间窗口 T1处取样的传感器数 据推断用户可能在车辆中驾驶。如果在来自同一传感器但是在下一时间窗口 T2处的下一分 类处，所述分类推断用户坐在桌子处，那么CASM能够确定此直接过渡（即，车辆到桌子）是 不太可能的。在确定所述过渡不太可能后，CASM可确定整体分类置信度为低，或可降低与 最近的分类相关联的个别置信度。用户很可能在驾驶车辆到办公室之间的中间过渡处，例 如在恢复在桌子处的坐立位置之前，从车上下来、站立且接着从车辆行走到办公室。因此， CASM可启动额外传感器，例如麦克风165,且对传感器数据样本进行分类以确定用户是否 仍然在车辆中。如果麦克风165的传感器数据样本不能够提供高置信度分类，那么可启动 GPS 160。在可以确定验证分类之后（例如，其中在检测到不大可能的过渡之后的一或多个 额外传感器启动），CASM能够对分类进行最终确定（例如，用户实际上已经离开车辆且坐在 桌子处，或用户仍然在车辆中）。因此，CASM能够在提供错误的或不精确的最终输出分类之 前启动额外传感器。
[0075] 在一个实施例中，CASM可以利用（例如，在装置100的存储器中）可能的及不大 可能的分类过渡（例如，过渡的状态图、数据库或平面文件）。例如，从驾驶到行走/从行走 到驾驶及从坐在桌子处到行走/从行走到坐在桌子处的过渡仅是两个实例的可能过渡。然 而，当尚未检测到其它中间过渡或分类时从驾驶到坐在桌子处/从坐在桌子处到驾驶是不 大可能的过渡。
[0076] 在另一实例中，如当在音频源（例如，麦克风165)中不存在其它音频时通过对来 自所述音频源的数据样本进行分类而确定用户可能在会议中。CASM可启动加速度计140、 GPS 160或其它基于运动的传感器以验证用户离开或处于离开会议的过程中。否则的话，如 果用户及装置100是固定的，那么可增大或维持用户仍然在会议中的置信度。
[0077] 在一个实施例中，装置100的内部时钟用作额外传感器。CASM也可使用内部时钟 作为时间传感器以确定用户在会议中待了多久。如果记录的持续时间太短、太长、或在不大 可能是典型会议长度的时间段之后结束会议，那么可降低"在会议中"的分类的置信度。例 如，典型的会议可持续至少15分钟，且通常可持续30分钟到一个小时。短于15分钟的会 议、两个小时以上的会议、或在除15分钟增量外的持续时间之后结束的会议可使得CASM启 动额外传感器且将额外传感器的分类与第一传感器的分类进行比较。
[0078] 图4说明在一个实施例中的当检测到指定分类过渡时传感器启动的流程图。在一 个实施例中，初始的作用中的传