[发明专利]应用程序的处理方法、装置、存储介质及电子设备

权利要求书

1.一种应用程序的处理方法，应用于电子设备，其特征在于，所述方法包括：

获取历史时间段内每一采样时间点样本应用程序的使用信息，所述历史时间段包括多个时间周期，每一时间周期划分为多个采样时段；

确定每一采样时间点对应的时间周期和采样时段，其中，每一时间周期内采样时间点与采样时段一一对应；

判断所述使用信息是否满足预设条件；

确定每一样本应用在相同采样时段中对应的使用信息满足预设条件的采样时间点数量；

获取每一样本应用在多个时间周期内使用信息满足预设条件的采样时间点总数量；

根据所述采样时间点数量和所述采样时间点总数量，计算每一样本应用程序在每一采样时段对应的样本使用概率；

基于采样时段以及对应的样本使用概率生成训练样本；

将所述训练样本输入至第一预设公式中，以对第一预设公式进行训练，得到多个训练后的子高斯模型；

将多个训练后的子高斯模型进行加权处理，并对加权处理后的多个子高斯模型叠加处理，以得到训练后的混合高斯模型，其中，每一应用程序对应有唯一训练后的混合高斯模型；

基于训练后的混合高斯模型，利用第二预设公式计算每一后台应用程序在目标时间的使用概率，从当前后台应用程序中确定使用概率小于预设阈值的目标后台应用程序，并关闭所述目标后台应用程序。

2.如权利要求1所述的应用程序的处理方法，其特征在于，所述使用信息为样本应用程序的运行状态信息；判断所述使用信息是否满足预设条件的步骤，包括：

判断所述运行状态是否为前台运行；

若是，则判定所述使用信息满足预设条件；

若否，则判定所述使用信息不满足预设条件。

3.如权利要求1所述的应用程序的处理方法，其特征在于，所述采样时段包括[t₁,t₂…t_m]，所述样本使用概率包括[P₁,P₂…P_m]；

将多个训练后的子高斯模型叠加，以得到训练后的混合高斯模型的步骤，包括：

将所述采样时段及对应的样本使用概率输入至第一预设公式中，所述第一预设公式为:

其中，A_i表示样本应用程序i，t表示采样时段，K表示子高斯模型数量，μ_k表示数学期望，σ_k表示方差，ω_k表示权值，N(t|μ_k,σ_k)表示随机变量t服从一个数学期望为μ_k、方差为σ_k的正态分布，P(t|A_i)表示样本应用程序i的运行状态为前台运行时采样时段为t的概率；

基于所输入的采样时段、样本使用概率，对所述第一预设公式进行训练，得到多个训练后的子高斯模型；

将多个训练后的子高斯模型叠加，以得到训练后的混合高斯模型。

4.如权利要求3所述的应用程序的处理方法，其特征在于，基于训练后的混合高斯模型对所述电子设备中的后台应用程序进行处理的步骤，包括：

获取应用程序处理指令；

根据所述应用程序处理指令确定所述电子设备中的后台应用程序；

基于每一应用程序所对应训练后的混合高斯模型，利用第二预设公式计算每一后台应用程序在目标时间的使用概率，所述第二预设公式为：

其中，T表示时间，N表示训练后的混合高斯模型的数量，P(A_i|T)表示采样时段为T时前台运行的应用程序为应用程序i的概率，P(T|A_i)表示样本应用程序i的运行状态为前台运行时采样时段为T的概率，P(T|A_j)表示应用程序j的运行状态为前台运行时采样时段为T的概率；

根据所述使用概率对后台应用程序进行处理。