移动计算设备10的移动速度的变化。
[0024] 如上所述，在具体实施方案中，除了一种或多种其它类型的传感器，移动计算设备 10的传感器阵列20还可W包括巧螺仪。巧螺仪是被配置为沿着一个或多个位置轴测量角速 度的类型的传感器。另外，巧螺仪可W被用来测量移动计算设备10的方向。作为示例而不是 通过限制的方式，当移动计算设备10被放置于用户的口袋中时，其可W基本上保持沿特定 的方向的位置。然而，当用户与移动计算设备10进行物理接触，并将其从口袋取出W将其置 于用户的面前时，则在相对短的时间周期内可能发生移动计算设备10的方向的改变。可通 过巧螺仪检测并测量移动计算设备10的方向的改变。如果移动计算设备10的方向已显著改 变，则方向的改变可W是用户可能已与移动计算设备10进行物理接触的明确的指示符，该 明确的指示符伴随来自另一种的类型的传感器的数据(例如触摸式传感器数据或加速计数 据)。
[0025] 在具体的实施方式中，移动计算设备10的传感器阵列20可W包括光接近传感器。 对由光接近传感器提供的传感器数据进行分析，W检测移动计算设备10何时极为接近特定 的对象，如用户的手。在具体的实施方式中，移动计算设备10具有放置在其背面的具有红外 发光二极管（IR LED)的光接近传感器。作为示例而不是通过限制的方式，当用户手持移动 计算设备10时，用户的手掌会覆盖IR LED。结果是，IR L邸可W检测物体何时接近移动计算 设备10。在具体的实施方式中，对接近移动计算设备10的物体的确定可是明确的指示符，该 明确的指示符伴随来自另一种用户可能已与移动计算设备10进行物理接触的类型的传感 器的数据(例如触摸式传感器数据或加速计数据）。
[0026] 在具体的实施方式中，有关个别类型的传感器的数据可被用来推断用户相对于移 动计算设备10的意图（例如，用户是否真的打算握住移动计算设备10并且使用它）。如下所 述，相比于使用来自孤立的单一类型的传感器的数据，使用多种类型的组合的传感器数据 可产生用户相对于移动计算设备10的意图的更准确的推断。作为示例而不是通过限制的方 式，除了通过一个或多个触摸式传感器所检测到的接近移动计算设备10的用户的身体部 分，还可至少部分基于通过加速计所检测到的移动计算设备10的移动速度的大幅的增大， 推断移动计算设备10的使用。作为另一示例，除了通过光接近传感器所检测到的接近移动 计算设备10的用户的身体部分，还可至少部分基于通过巧螺仪所检测到的移动计算设备10 的方向的改变，推断移动计算设备10的使用。在具体的实施方式中，如下所述，可至少部分 基于对用户有关于移动计算设备10的意图进行的推断启动移动计算设备10的预定的功能。 作为示例而不是通过限制的方式，可至少部分基于推断用户可能即将使用移动计算设备 10,将移动计算设备10从省电状态调至正常运行状态(例如，打开移动设备的显示器），并且 自动解锁移动计算设备10的输入部件。
[0027] 图3示出了用于基于即将打算的使用，启动计算设备的预定的功能的示例性方法。 该方法可W开始于步骤300,其中，计算设备从计算设备的多个类型的传感器接收实时传感 器数据。如下所述，计算设备可W计算传感器数据的导数，W确定在传感器数据中的转变。 作为示例而不是通过限制的方式，移动计算设备的处理器可W接收传感器数据并执行操 作，例如像计算传感器数据的导数作为时间的函数。在具体的实施方案中，计算设备中的一 个的传感器包括不同的传感器类型，例如接触式传感器、加速计、巧螺仪、光学接近传感器， 或其任何的组合。
[0028]在步骤302中，通过计算设备，关联来自不同的传感器类型的传感器的实时传感器 数据。在具体的实施方式中，处理器可W应用传感器数据的卷积运算，W确定数据是否按时 间顺序重叠。可通过下面的等式说明示例性的卷积运算：
[0030] M是来自多种类型的传感器的数据的卷积的结果，并且f'和g'是来自传感器的数 据的导数，例如f'可W是由加速度计所测量的数据的导数，g'可W是由触摸式传感器所测 量的数据的导数。在具体的实施方式中，卷积运算的结果可W确定在来自不同类型的传感 器的传感器数据中的转变是否按时间顺序重叠。在另一个实施方式中，优先(priori)函数 (诸如，Heaviside或sigmoid函数)可取代导数算子。作为示例而不是通过限制的方式，处理 器可W将第一类型的传感器(例如触摸式传感器)所测量的数据与由第二类型的传感器(例 如加速计)所测量的数据进行卷积。作为另一个示例，移动计算设备的应用处理器或者传感 器中枢可将第一类型的传感器(例如触摸式传感器)所测量的数据与由第二类型的传感器 (例如光学接近传感器)所测量的数据进行卷积。在步骤304中，可基于相关性通过计算设备 确定打算即将使用计算设备。在具体的实施方式中，至少部分基于在对多种类型的传感器 按时间顺序重叠的数据的转变。作为示例而不是通过限制的方式，计算设备可至少部分基 于来自触发传感器和加速计（同时发生)的实时传感器数据中的转变，确定打算即将使用的 计算设备。
[0031] 在步骤306中，计算设备可至少部分基于打算即将使用的计算设备的确定自动启 动计算设备的预定的功能，在此点该方法结束。作为示例而不是通过限制的方式，可在由公 式（1)示出的卷积运算的结果M大于预定的阔值时做出响应而启动预定的功能。在具体的实 施方式中，该预定的功能可关闭与在卷积运算的结果大于预定的阔值时做出响应的传感器 相关的计算设备。虽然本公开描述和示出了特定步骤，但是本公开考虑了图3的方法的W特 定次序发生的任何合适的步骤。在合适的情况下，具体的实施方式可W重复图3的方法的一 个或多个步骤。此外，尽管本公开描述和示出了执行图3的方法的特定步骤的特定组件，但 是本公开考虑了任何合适的组件的任何合适的组合，例如执行图3的方法的任何合适的步 骤的移动设备的处理器。
[0032] 图4A-B示出了示例性检测在示例性传感器中的数据的转变。虽然本公开描述了通 过特定的线性函数(例如导数函数)预处理传感器数据，但是本公开考虑了此处通过任何合 适的线性函数(例如与化aviside或sigmoid函数的卷积)预处理传感器数据。在具体的实施 方式中，如通过图4A的示例中的44和46所示，可测量来自一个或多个传感器的传感器数据 52和54作为时间的函数，并且，可对传感器数据52和54进行分析W推断用户对于和传感器 相关联的计算设备的意图。在具体的实施方式中，可从多种类型的传感器中的传感器数据 52和54执行对用户对于特定的计算设备的意图的推断。作为示例而不是通过限制的方式， 传感器数据52可W是由移动计算设备的触摸式传感器所测量的数据，W及，传感器数据54 可W是由加速计所测量的数据。此外，本公开考虑了传感器数据52和54的任何合适的形式 (例如电流、电压、电荷，或其任何的组合）。
[0033] 在具体的实施方式中，如上所述，可通过由与计算设备相关的传感器测量的数据 中的从一个状态到另一个状态的转变确定打算使用计算设备。作为示例而不是通过限制的 方式，如上所述，在传感器数据中的转变可指示移动计算设备正在被拿起并且将要被使用。 在具体的实施方式中，如通过图4B的示例中的48和50所示，至少部分基于分别所计算出的 传感器数据52和54的导数56和58而检测在传感器数据52和54中的转变。作为示例而不是通 过限制的方式，当在传感器数据52和54中的改变相对小的情况下，在传感器数据52和54的 导数56和58中的变化在时间周期49内分别为可检测的。作为另一个实施方式，如上所述，可 将传感器数据的导数56和58提供至处理器，W确定即将打算使用计算设备。
[0034] 图5示出了与社交网络系统相关的示例性网络环境100。网络环境100包括用户 101、客户端系统130、社交网络系统160,和通过网络110彼此连接的第S方系统170。虽然图 5示出用户101、客户端系统130、社交网络系统160、第S方系统170和网络110的特定的布 置，但是本公开考虑了用户101、客户端系统130、社交网络系统160、第S方系统170和网络 110的任何合适的布置。作为示例而不是通过限制的方式，两个或多个客户端系统130、社交 网络系统160和第=方系统170可绕过网络110直接地与彼此连接。作为另一示例，两个或多 个客户端系统130、社交网络系统160,和第=方系统170可W是在物理上或逻辑上全部或部 分与彼此共同协作的。此外，尽管图5示出了特定数量的用户101、客户端系统130、社交网络 系统160、第S方系统170W及网络110,但是本公开考虑了任何合适数量的用户101、客户端 系统130、社交网络系统160、第S方系统170W及网络110。作为示例而不是通过限制的方 式，网络环境100可W包括多个用户101、客户端系统130、社交网络系统160、第S方系统170 W及网络110。
[0035] 在具体的实施方式中，社交网络系统160可W包括一个或多个服务器。每个服务器 可W是单一的服务器或跨越多个计算机或多个数据中屯、的分布式服务器。服务器可W是各 种类型，诸如(例如但不限于）网页服务器、新闻服务器、邮件服务器、消息服务器、广告服务 器、文件服务器、应用服务器、交换服务器、数据库服务器、代理服务器，其它适合执行本文 所述的功能和过程的服务器，或者其任何的组合。在具体的实施方式中，每个服务器可W包 括硬件、软件，或者嵌入式逻辑组件，或两个或多个运种用于执行由服务器支持或者实现的 合适的功能的组件的组合。在【具体实施方式】中，社交网络系统164可W包括一个或多个数据 存储。数据存储可用于存储各种类型的信息。在具体的实施方式中，可W根据特定的数据结 构组织存储在数据存储中的信息。在【具体实施方式】中，各数据存储可W是关系的、柱形的、 关联的，或其它合适的数据库。尽管本公开描述或说明了特定类型的数据库，但是本公开考 虑了任何合适类型的数据库。具体的实施方式可提供使客户端系统130、社交网络系统160， 或第=方系统170进行管理、检索、修改、添加或删除存储在数据存储中的信息的接口。
[0036] 在具体的实施方式中，如上所述，从客户端系统130接收到的传感器数据可W用作 训练用于在社交网络系统160上执行的机器学习算法(例如支持向量机(SVM)、k-均值、贝叶 斯推理，或神经网络)的数据。作为示例而不是通过限制的方式，社交网络系统160的一个或 多个服务器可从一个或多个客户端系统130(例如移动计算设备)接收训练数据