群集。在阶段620使用上述距离测试检验这些群集计算。基于如图500中 示出所编译的模型550,随后在阶段630使在阶段610、620观测到用户处于的群集与情境相 关联。随后，可在阶段640融合多个群集和/或情境标签。此处，阶段610、620、630、640中 的每一者是使用情境推断模块260执行；然而，其它配置也是可能的。
[0088] 用于使统计数据与标签关联的规则可预定义和/或基于训练数据而习得。作为一 实例，可针对位置数据预定义规则以使得将用户在上午3:00-5:00之间花费最多时间的位 置被视为用户的家。可基于训练数据、用户偏好或类似者而修改和/或替换此规则和其它 相似规则。
[0089] 如上文另外提到，可利用多个数据流增强情境检测准确性。作为一实例，单独基于 位置数据的情境推断可对与装置的位置（例如，家、办公室等）相关联的所有装置情境给予 低置信度值。因此，位置数据可与例如时间或音频数据等其它数据组合以精炼情境推断。
[0090] 如上所述，基于低级特征和推断执行情境推断。可从装置传感器数据或外部源计 算的可能的低级特征的列表包含但不限于以下各项：
[0091] ? GPS速度、准确性、海拔
[0092] ?可见的GPS卫星数目
[0093] ?日时、星期几、工作日/周末、公众假日
[0094] ?天气、温度
[0095] 鲁环境光传感器读数
[0096] 鲁接近传感器读数
[0097] 鲁相机数据、强度、R/G/B强度、例如DCT(离散余弦变换）系数等特征、相机视场 中检测到的对象
[0098] ?最近的地理关注点（POI)
[0099] ?可见的蓝牙装置和对应RSSI，范围内的新/旧蓝牙装置
[0100] ?可见的Wi-Fi AP和对应RSSI，可见的新/旧Wi-Fi AP
[0101] #周围音频能级
[0102] 鲁移动检测（任何装置移动对无装置移动）
[0103] 类似地，可从装置传感器数据或外部源计算的可能的低级推断的列表包含但不限 于以下各项：
[0104] ?运动状态（行走、跑步、驾驶等）
[0105] ?装置位置（口袋、手、桌子、包等）
[0106] ?语音检测（语音/无语音）
[0107] 鲁说话者辨识（装置所有者说话/某个其他人说话）
[0108] ?存在的说话者的数目
[0109] ?目标声音检测（婴儿哭泣/不在哭泣等）
[0110] ?区域（家/工作/其它/交通中或住宅/商业等）
[0111] 鲁装置使用（每分钟屏幕触摸的数目、每分钟键入的字符的数目等）
[0112] ?显示器接通对断开
[0113] 鲁应用程序使用（运行的应用程序的类型（例如游戏、电子邮件等）、同时运行的 应用程序的数目等）
[0114] 在学习用于群集的情境标签的情况下，也可能使用从群集本身导出的低级统计数 据。这些统计数据包含（但不限于）以下各项：
[0115] ?群集中花费时间的分数
[0116] ?对群集的访问的持续时间
[0117] ?对群集的访问之间的逗留时间
[0118] ?逗留时访问的群集的数目
[0119] 鲁群集出现的相对频率（例如，第二最频繁）
[0120] 举例来说，持续近似一小时的群集较可能对应于例如在会议或讲演中的情境。在 访问之间具有8-9小时的逗留时间的群集较可能对应于交通往返周期。具有6-8小时的持 续时间的群集较可能对应于睡觉周期。其它此类推断是可能的。
【主权项】
1. 一种用于管理与移动装置相关联的情境模型的方法，所述方法包括： 获得与指派给一或多个第一数据源的第一数据流相关联的第一数据点； 将所述第一数据点中的数据点指派给群集集合中的相应群集以使得每一群集分别 被指派所述第一数据点中展现阈值量的相似性且在彼此的阈值量内与时间相关联的数据 占. 编译对应于所述第一数据流或指派给相应其它数据源的一或多个其它数据流的统计 特征和推断；以及 基于所述统计特征和推断将情境标签指派给所述群集集合中的每一者。
2. 根据权利要求1所述的方法，其中所述第一数据源或所述其它数据源包括音频传感 器、位置传感器、网络传感器、运动传感器、相机或日历中的至少一者。
3. 根据权利要求1所述的方法，其中所述统计特征包括卫星定位、时间测量值、天气数 据、光传感器读数、接近传感器读数、相机数据、接近关注点、蓝牙测量值、Wi-Fi测量值、周 围音频级或移动检测中的至少一者。
4. 根据权利要求1所述的方法，其中所述统计推断包括运动状态、装置位置、语音检 测、扬声器辨识、目标声音检测或位置检测中的至少一者。
5. 根据权利要求1所述的方法，其中所述第一数据源包括多个传感器。
6. 根据权利要求1所述的方法，其进一步包括使用所述情境标签和所述群集集合产生 情境模型。
7. 根据权利要求6所述的方法，其进一步包括： 获得与指派给一或多个第二数据源的第二数据流相关联的第二数据点； 确定所述群集集合中对应于所述第二数据点的群集；以及 选择与所述所确定群集相关联的情境标签。
8. 根据权利要求1所述的方法，其中指派所述情境标签包括从情境标签集合选择用于 所述群集集合中的每一者的情境标签。
9. 根据权利要求8所述的方法，其进一步包括： 识别所述群集集合当中与和所述群集集合相关联的任何情境标签具有小于阈值程度 的关系的至少一个群集；以及 产生用于所述至少一个群集的新情境标签。
10. 根据权利要求8所述的方法，其进一步包括： 识别所述群集集合当中与和所述群集集合相关联的任何情境标签具有小于阈值程度 的关系的至少一个群集；以及 将未知的情境标签指派给所述至少一个群集。
11. 根据权利要求1所述的方法，其中： 所述获得包括识别所述移动装置的用户； 所述第一数据点包括对应于所述移动装置的所述用户的数据；以及 所述方法进一步包括基于所述情境标签和所述群集集合产生用于所述移动装置的所 述用户的用户情境模型。
12. 根据权利要求1所述的方法，其中： 所述第一数据点包括对应于所述移动装置的第一用户和所述移动装置或一或多个其 它装置的至少一个第二用户的数据；以及 所述方法进一步包括基于所述情境标签和所述群集集合产生用于所述第一用户和所 述至少一个第二用户的多用户情境模型。
13. -种用于基于情境模型执行情境推断的方法，所述方法包括： 检索所述情境模型，所述情境模型包括在时间上分组到群集集合中的相应群集中的传 感器数据点和指派给所述群集集合中的每一者的情境标签； 获得与指派给一或多个第一数据源的第一数据流相关联的第一数据点； 确定表示所述第一数据点的所述情境模型的至少一个群集；以及 选择与所述至少一个所确定群集相关联的输出情境标签。
14. 根据权利要求13所述的方法，其中所述确定包括将置信度等级指派给所述群集集 合当中对应于所述第一数据点的多个群集。
15. 根据权利要求14所述的方法，其中所述选择包括选择对应于所述情境模型的具有 最高置信度等级的群集的情境标签。
16. 根据权利要求14所述的方法，其中所述选择包括产生所述群集集合中的相应群集 及其相应置信度等级的向量。
17. 根据权利要求14所述的方法，其进一步包括当所述置信度等级中的一或多者低于 阈值时从至少一个传感器收集额外数据。
18. 根据权利要求13所述的方法，其中所述选择包括： 引导从所述一或多个第一数据源的额外数据的收集；以及 响应于所述引导基于从所述一或多个第一数据源收集的所述额外数据选择所述输出 情境标签。
19. 根据权利要求13所述的方法，其进一步包括获得与指派给一或多个第二数据源的 第二数据流相关联的第二数据点，其中所述确定包括确定所述情境模型的对应于所述第一 数据点和所述第二数据点的群集。
20. 根据权利要求19所述的方法，其中所述选择包括： 选择与表示所述第一数据点的第一群集相关联的第一情境标签； 选择与表示所述第二数据点的第二群集相关联的第二情境标签；以及 通过组合所述第一情境标签和所述第二情境标签确定所述输出情境标签。
21. 根据权利要求19所述的方法，其进一步包括： 基于所述选定输出情境标签执行第一情境推断； 基于从所述第二数据源导出的瞬时特征和推断执行第二情境推断；以及 组合所述第一情境推断和所述第二情境推断以获得组合情境推断。
22. -种促进管理相关联情境模型的设备，所述设备包括： 一或多个第一数据源，其经配置以提供与第一数据流相关联的第一数据点； 群集模块，其通信地耦合到所述第一数据源且经配置以将所述第一数据点中的数据点 指派给群集集合中的相应群集以使得每一群集分别被指派所述第一数据点中展现阈值量 的相似性且在彼此的阈值量内与时间相关联的数据点； 统计数据模块，其通信地耦合到所述第一数据源和所述群集模块且经配置以针对所述 第一数据流或指派给相应其它数据源的一或多个其它数据流编译统计特征和推断；以及 情境建模模块，其通信地耦合到所述群集模块和所述统计数据模块且经配置以基于所 述统计特征和推断将情境标签指派给所述群集集合中的一或多者。
23. 根据权利要求22所述的设备，其中所述第一数据源包括音频传感器、位置传感器、 网络传感器、运动传感器、相机或日历中的至少一者。
24. 根据权利要求22所述的设备，其中所述统计数据模块进一步经配置以确定包括运 动状态、装置位置、语音检测、扬声器辨识、目标声音检测或位置检测中的至少一者的统计 推断。
25. 根据权利要求22