用的应用程序APP1-APh作为测试的预定应用程序。每个预定应用程序APP1-APh可以被测试几次。例如，每个测试结果可以包括应用程序启动信息(launch informat1n)和应用程序运行时间信息(applicat1n run-timeinformat1n)。应用程序启动信息是在启动应用程序时获得的，并且可以包括加载共享库、过程虚拟内存映射(process virtual memory map)和/或系统调用历史。值得注意的是，这仅是为了说明的目的，而不意味着对本发明的限制。在可替代的设计中，应用程序启动信息可以通过参考上述系统信息和/或其他系统信息来获得。
[0022]应用程序运行时间信息是在应用程序的有效运行时间内获得的，并且可以包括芯片结点温度(die junct1n temperature)、印刷电路板(PCB)温度、CPU/GPU/存储器的利用率和/或电流消耗。当应用程序开始使用CPU/GPU资源以使得CPU/GPU的利用率超过利用率阈值(例如80%)时，有效运行时间开始，并且当CPU/GPU的利用率下降至低于利用率阈值且持续预定的时间段时，有效运行时间结束。然而，上述有效运行时间的定义仅仅是一个例子。也就是说，可以根据实际的设计考虑调整有效运行时间的定义。使用所建议的应用程序运行时间信息的任何应用程序特性的设计都将落入本发明的范围。
[0023]机器学习技术应用于测试过程收集的预定应用程序ΑΡΡ^ΑΡ^的已知应用程序特性知识。机器学习技术基于一组启动信息和一组运行时间信息为每个预定应用程序生成训练操作特性。通过这种方式，由预生成操作特性B1-BN创建应用程序特性数据库112并且将其写入芯片非易失性存储器，芯片非易失性存储器例如为闪存。在该实施例中，每个预生成操作特性包括预生成启动特性(例如，B !_1-Bn_1)以及预生成运行时间特性(例如，Bi_2_BN_2)，所述预生成启动特性是由收集的启动信息的机器学习结果得到的，而所述预生成运行时间特性是由收集的运行时间信息的机器学习结果得到的。
[0024]分类单元114与处理系统102和应用程序特性数据库112耦合，并且分类单元114设置为在执行应用程序APP期间检测应用程序APP的操作特性Bd，以及通过检查所检测的应用程序APP的操作特性BD是否被归类为特定应用程序APP fAPPN的操作特性B来确定应用程序识别结果rtapp (例如，预定应用程序的预生成操作特性和/或新的应用程序的训练操作特性)。在该实施例中，所检测的操作特性BD包括检测的启动特性B D_1和/或至少一个检测的运行时间特性Bd_2。请参考图3，它是说明根据本发明实施例的检测在电子设备上运行的应用程序的操作特性的操作示意图。当通过处理系统102的CPU106下载和执行应用程序APP的程序代码时，在电子设备100上启动应用程序APP。因此，分类单元114通过检测应用程序启动信息来获得所检测的启动特性BD_1，应用程序启动信息例如加载共享库、进程虚拟内存映射和/或系统调用历史。这仅仅是为了说明的目的，而不意味着对本发明的限制。可选地，应用程序启动信息可以通过参考上述系统信息和/或其他系统信息来获得。
[0025]对于某一应用程序，例如基准测试应用程序，该应用程序将在启动后等待用户输入来开始它的主要功能(main funct1n)。因此，在输入用户输入之前CPU/GPU利用率是较低的。换言之，在应用程序启动时间与应用程序开始大量地使用CPU/GPU资源时间之间可以存在时间偏移。为了更准确地检测应用程序的运行时间特性，因此分类单元114配置为检测在应用程序的有效运行时间期间的应用程序运行时间信息。如上所述，当应用程序开始使用CPU/GPU资源以使得CPU/GPU的利用率超过利用率阈值TH(例如80% )时，有效运行时间开始，而当CPU/GPU的利用率下降至低于利用率阈值TH且持续预定的时间周期P时有效运行时间结束。请注意，根据实际的设计考虑，可以调整有效运行时间的定义。也就是说，使用有效运行时间的不同定义在另一个运行时间特性检测设计中是可行的。在该实施例中，分类单元114可以配置为通过周期性地检测应用程序运行时间信息来获得至少一个检测的运行时间特性BD_2，应用程序运行时间信息例如为芯片结点温度、印刷电路板(PCB)温度、CPU/GPU/存储器的利用率和/或者电流消耗。
[0026]应用程序识别结果RTAPP是基于所检测的应用程序APP的操作特性B D是否可以被归类为特定应用程序ΑΡΡ^ΑΡ^的操作特性B:-?中的一个而建立的。换言之，分类单元114参考所检测的操作特性Bd，用以决定应用程序APP是否是特定应用程序APPfAPPN*的一个。由于所检测的操作特性BD可以包括检测的启动特性B D_1和/或至少一个检测的运行时间特性BD_2，应用程序分类操作可以包括将所检测的启动特性BD_1与包括在操作特性的所有启动特性相比较，和/或将每一个检测的运行时间特性B d_2与包括在操作特性Bl-BN中的运行时间特性的至少一部分(即部分或者全部)相比较。考虑到操作特性^^,是如图2所示的预生成操作特性的情况，分类单元114可以比较所检测的启动特性Bd_1和所有预生成启动特性和/或比较每个检测的运行时间特性Bd_2和至少一部分(即部分或者全部)预生成运行时间特性Bi_2-BN_2。
[0027]在优选的实施例中，由于所检测的操作特性BD可以包括一个检测的启动特性B D_1和/或至少一个检测的运行时间特性BD_2，分类单元114可以至少涉及所检测的启动特性Bd_1来确定应用程序识别结果RTapp。当获得所检测的启动特性Bd_1时，分类单元114比较所检测的启动特性Bd_1和包括在特定应用程序ΑΡΡ^ΑΡ^的操作特性B:-?中的启动特性(例如，如果所检测的启动特性BD_1和每个启动特性(例如，之间的相似性没有超过第一预定相似性阈值，分类单元114直接建立应用程序识别结果RTapp以表明应用程序APP是新的应用程序(也就是，应用程序APP没有被归类为特定应用程序ΑΡΡ^ΑΡ^的其中之一)，并且不需要检测应用程序运行时间信息来获得至少一个检测的运行时间特性Bd_2。
[0028]如果所检测的启动特性Bd_1和至少一个启动特性(例如，Β!_1-Βν_1)之间的相似性超过第一预定相似性阈值，分类单元114从特定应用程序ΑΡΡ^ΑΡΡκ中选择至少一个特定应用程序，其中由于所检测的启动特性Bd_1和启动特性之间的相似性超过第一预定相似性阈值，每个选择的特定应用程序具有与所检测的启动特性Bd_1相似/相同的启动特性。此夕卜，分类单元114进一步检测应用程序运行时间信息以获得至少一个检测的运行时间特性BD_2，并且基于比较所检测的启动特性BD_1和启动特性(例如，B^l-B^l)的结果，比较每个检测的运行时间特性和从特定应用程序APP1-AP^*选择的至少一个特定应用程序的运行时间特性(一个或多个)。
[0029]考虑每个检测的运行时间特性Bd_2，分类单元114检查在所检测的运行时间特性Bd_2和选择的特定应用程序的运行时间特性之一之间的相似性是否超过第二预定相似性阈值，其中用于检查所检测的运行时间特性BD_2的第二预定相似性阈值可以与用于检查所检测的启动特性Bd_1的第一预定相似性阈值相同或者不同。例如，由于所检测的运行时间特性和特定运行时间特性之间的相似性超过第二预定相似性阈值，发现检测的运行时间特性与相同的特定运行时间特性相似/相同，当所述检测的运行时间特性的数量大于特定的阈值时，分类单元114将建立应用