，并且使用 机器学习算法将来自使用客户端系统130的特定操作的传感器数据值与客户端系统130的 一个或多个特定的状态相关联。作为示例而不是通过限制的方式，执行机器学习算法的一 个或多个服务器可W从客户端系统130的传感器(例如加速计、巧螺仪、环境光传感器、光接 近传感器，或其它一个或多个客户端系统130的传感器)接收传感器的值。在具体的实施方 式中，用于限定从训练数据确定的超平面的数据可被发送至客户端系统130,用于确定即将 打算使用客户端系统130。在具体的实施方式中，可通过移动计算设备10发送后续的传感器 数据W重新定义超平面。此外，可由移动计算设备10接收用于重新定义超平面的更新后的 数据。
[0037] 在【具体实施方式】中，用户101可W是与社交网络系统160相互作用的或通过社交网 络系统160进行通信的个人(人类用户）、实体(例如，企业、商业或第=方应用）、或组(例如 个人或实体）。在特定的实施方式中，社交网络系统160可W是托管在线社交网络的网络寻 址计算系统。社交网络系统160可W生成、存储、接收和发送社交网络数据，例如用户配置数 据、概念分布数据、社交图形信息，或其它设及在线社交网络的合适的数据。可通过网络环 境100的其它组件直接地或者经由网络110访问社交网络系统160。在具体的实施方式中，社 交网络系统160可W包括授权服务器(或其它合适的组件），其允许用户101可通过社交网络 系统160选择记录或选择不记录他们的操作，或选择与其它系统(例如，第=方系统170)共 享或者选择不共享，例如，通过设置合适的隐私设置。用户的隐私设置可W确定哪些与用户 相关联的信息可W被记录下来、与用户相关联的信息如何可W被记录下来、什么时候可能 记录与用户相关联的信息、谁可能会记录与用户相关联的信息，与谁共享和用户相关联的 信息，W及出于什么目的记录或共享与用户相关联的信息。在合适的情况下，授权服务器可 被用于通过阻断、数据散列、匿名或其它合适的技术执行社交网络系统160的用户的一个或 多个隐私设置。可通过网络环境100的其它组件直接地或经由网络110访问第=方系统170。 在具体的实施方式中，一个或多个用户101可W使用一个或多个客户端系统130访问、发送 数据至社交网络系统160或第=方系统170,或者从社交网络系统160或第=方系统170接收 数据。客户端系统130可经由网络110,或者经由第S方系统直接访问社交网络系统160或第 =方系统170。作为示例而不是通过限制的方式，客户端系统130可W经由社交网络系统160 访问第=方系统170。客户端系统130可W是任何合适的计算设备，例如个人计算机、笔记本 计算机、蜂窝电话、智能电话或者平板计算机。
[0038] 本公开考虑了任何合适的网络110。作为示例而不是通过限制的方式，网络110的 一个或多个部分可W包括自组织网络、内联网、外联网、虚拟专用网（VPN)、局部区域网络 (LAN)、无线局域网(WLAN)、广域网(WAN)、无线广域网(WWAN)、城域网(MAN)，部分因特网、部 分公共交换电话网（PSTN)、蜂窝电话网络，或运些网络中的两种或多种的组合。网络110可 W包括一个或多个网络110。
[0039 ]链接150可W将客户端系统130、社交网络系统160，和第S方系统170连接至通信 网络110，或将客户端系统130、社交网络系统160，和第=方系统170彼此连接。本公开考虑 了任何合适的链接150。在具体的实施方式中，一个或多个链路150包括一个或多个有线的 (例如数字用户线(DSU或电缆数据服务接口规范(DOCSIS))、无线的（例如Wi-Fi或全球微 波互联接入(WiMAX))、或光的（例如同步光网络（SONET)或同步数字系列（SDH))链接。在具 体的实施方式中，一个或多个链接150各包括自组织网络、内联网、外联网、VPN、LAN、WLAN、 WAN、WWAN、MAN、部分因特网、部分PSTN、基于技术的蜂窝网络、基于技术的卫星通信网络、另 一链路150,或者两个或多个运种链路150的组合。整个网络环境100的链路150不一定需要 相同。一个或多个第一链路150可W与一个或多个第二链路150在一个或多个方面不同。
[0040] 图6示出使用示例性机器学习算法的传感器数据的示例分类。如上所述，来自客户 端系统(例如，移动计算设备）的一个或多个传感器的训练数据可包括在执行特定操作过程 中从各传感器获取的传感器数据，W及对应于与特定操作相关联的客户端系统的特定状态 的指示符信息。如上所述，作为示例而不是通过限制的方式，传感器的数据可W是来自传感 器的原始测量数据，或者是已经被预处理（例如计算原始传感器数据的导数）的传感器数 据。此外，传感器数据可W对应于客户端系统的物理状态(例如，移动）中的转变。在具体的 实施方式中，传感器数据可W被进一步处理，例如可通过滤波或卷积运算。如上所述，作为 示例而不是通过限制的方式，可至少部分基于与各组传感器数据相关联的指示符信息，将 来自各特定的操作的训练数据归类为与客户端设备相关联的两个特定的状态的一个。例 如，一组或多组传感器数据可W对应于与移动计算设备的物理接触相关联的操作(例如，握 住移动计算设备），W及一组或多组传感器数据可W对应于与移动计算设备的物理接触没 有关联的操作(例如，将移动计算设备搁在桌上）。
[0041] 如图6所示的示例中，各个特定操作的训练数据可W被表示为在N维空间200(其中 N等于客户端系统的传感器的数量）中的向量202A-B。作为示例而不是通过限制的方式，各 向量202A-B可W通过核函数被映射到N维空间200。此外，各向量202A-B可W至少部分基于 传感器数据的导数的N元组。如图6示例所示，在腺隹空间200中，向量202A-B可被归类为与客 户端系统相关联的两个特定状态中的一个，该客户端系统由超平面206或非线性表面分隔 开。在特定的实施方式中，超平面206可具有N-I个维度，并且该超平面可通过一组具有各状 态的一个或多个支持向量的恒定的点积的点被定义。作为示例而不是通过限制的方式，支 持向量可被定义为是具有最大导数的和在超平面206之间最大距离的各特定状态的向量， 并且各支持向量被最大化。在具体的实施方式中，可将定义超平面206的数据发送至客户端 系统。在具体的实施方式中，可基于由从客户端系统接收的后续的传感器确定的后续的向 量对数据超平面206进行调整。此外，重新定义超平面206的更新后的数据可被发送到客户 端系统。
[0042] 在【具体实施方式】中，可通过至少部分基于对应于来自具有客户端系统的特定状态 的客户端系统的后续传感器数据的向量的分类，确定即将使用客户端系统。在具体的实施 方式中，可至少部分基于相对于超平面206的向量的位置对对应于后续的传感器数据的向 量进行分类。作为示例而不是通过限制的方式，可至少部分基于对应于后续传感器数据的 向量(例如通过向量202A定义)推断出客户端系统的用户打算使用客户端系统，该后续的传 感器数据被归类为具有对应于与客户端系统的物理接触的状态。此外，当向量作为向量 202A处于超平面206的同一侧时，即将使用的客户端系统可被确定为对应于与客户端系统 的物理接触。否则，如果后续的向量作为向量202B位于超平面206的同一侧，则可确定客户 端系统是基本静止的。在具体的实施方式中，客户端系统的处理器可至少部分基于具有客 户端系统的特定状态的分类后续向量，W启动客户端系统的预定的功能。
[0043] 图7示出了确定传感器数据是否对应于预定的使用的客户端系统的示例性方法。 该方法可W开始于步骤310,其中，计算设备从计算设备上的传感器接收实时传感器数据。 在具体的实施方式中，实时传感器数据可W对应于由计算设备的用户引起的计算设备的物 理状态内的转变。在步骤312,通过计算设备将线性函数应用至来自各传感器的实时传感器 数据。作为示例而不是通过限制的方式，线性函数可W包括滤波函数、导数函数、Heaviside 或sigmoid函数的卷积，或者其任何的组合。此外，移动计算设备的处理器可接收传感器数 据并执行运算，例如计算传感器数据的导数作为时间的函数。在步骤314,通过计算设备基 于导数的元组确定向量。在特定的实施方式中，元组可具有与传感器的数量相等的维度。在 步骤316,计算设备可将向量与预定的超平面进行比较。如上所述，超平面可具有比计算设 备的传感器的数目少1的维度。
[0044] 在步骤318中，计算设备可基于比较确定转变是否是对应于任何预定即将使用的 计算设备的事件，在该点方法可结束。在具体的实施方式中，可通过确定向量相对于预定的 超平面的位置进行确定过程。尽管本公开描述并示出了图7的方法的W特定次序发生的特 定的步骤，但是本公开考虑了图7的方法的W任何合适的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7的方法的一个或多个步骤。此外，尽管本发明描 述和示出了执行图7的方法的特定步骤的特定组件，但是本公开考虑了执行图7的方法的任 何合适的步骤的任何合适的组件的任何合适的组合，例如移动计算设备的处理器。
[0045] 图8通过示例的投影计算示出了传感器数据的分量的示例性分离。在具体的实施 方式中，映射传感器数据至N维空间200可被用于分离传感器数据的特定分量。作为示例而 不是通过限制的方式，如下所述，可通过确定一个传感器对于另一个传感器的数据的投影 84A，减小具有一定程度的空间重叠的一个传感器对于另一个传感器的线性关联。在具体的 实施方式中，如图1中的示例所示，移动计算设备可包括在移动计算设备中的多个位置的多 个触摸式传感器。作为示例而不是通过限制的方式，移动计算设备可W包括具有触敏区域 的第一触摸式传感器，该触敏区域沿着移动计算设备的侧面覆盖，W及具有触敏区域的第 二触摸式传感器，该触敏区域可包括两个或多个表面的至少部分(例如，侧面和底面）。作为 另一个示例，可通过确定传感器数据的投影减小具有一定程度的时间独立性的传感器数据 的线性关联。例如，可至少部分基于所确定的在对应于先前稳态条件的向量上的对应于当 前传感器数据的向量的投影，分离部分当前传感器的数据。
[0046] 此外，可通过分析投影84A或84B来确定即将使用客户端系统。作为示例而不是通 过限制的方式，来自客户端系统的传感器数据可W在时间上从一个或多个在空间上重叠的 传感器的数据中分离，并且可W对应于从客户端系统的稳态状态的转变。在具体的实施方 式中，如上所述，可使用已被预处理的原始测量数据或传感器数据