[发明专利]应用程序管控方法、装置、介质及电子设备

说明书

本申请所提供的应用程序管控方法、装置、介质及电子设备，通过获取历史特征信息x_i，采用BP神经网络算法生成第一训练模型，采用非线性支持向量机算法生成第二训练模型，当检测应用程序进入后台时，从而将应用程序的当前特征信息s带入第一训练模型，得到第一关闭概率值，当第一关闭概率值处于犹豫区间之内，将所述应用程序的当前特征信息s输入所述第二训练模型进行计算，得到第二关闭概率值，进而判断所述应用程序是否需要关闭，智能关闭应用程序。

技术领域

本申请涉及电子设备终端领域，具体涉及一种应用程序管控方法、装置、 介质及电子设备。

背景技术

终端用户每天会使用大量应用，通常一个应用被推到后台后，如果及时不 清理会占用宝贵的系统内存资源，并且会影响系统功耗。因此，有必要提供一 种应用程序管控方法、装置、介质及电子设备。

发明内容

本申请实施例提供一种应用程序管控方法、装置、介质及电子设备，以智 能关闭应用程序。

本申请实施例提供一种应用程序管控方法，应用于电子设备，所述应用程 序管控方法包括以下步骤：

获取所述应用程序样本向量集，其中该样本向量集中的样本向量包括所述 应用程序多个维度的历史特征信息x_i；

采用反向传播(Back Propagation，BP)神经网络算法对样本向量集进行 计算，生成第一训练模型，采用非线性支持向量机算法生成第二训练模型；

当应用程序进入后台，将所述应用程序的当前特征信息s输入所述第一训 练模型进行计算，得到第一关闭概率值，当第一关闭概率值处于犹豫区间之内， 将所述应用程序的当前特征信息s输入所述第二训练模型进行计算，得到第二 关闭概率值，当第二关闭概率值大于判定值，则关闭所述应用程序。

本申请实施例还提供一种应用程序管控方法装置，所述装置包括：

获取模块，用于获取所述应用程序样本向量集，其中该样本向量集中的样 本向量包括所述应用程序多个维度的历史特征信息x_i；

生成模块，用于采用BP神经网络算法对样本向量集进行计算，生成第一 训练模型，采用非线性支持向量机算法生成第二训练模型；以及

计算模块，用于当应用程序进入后台，将所述应用程序的当前特征信息s 输入所述第一训练模型进行计算，得到第一关闭概率值，当第一关闭概率值处 于犹豫区间之内，将所述应用程序的当前特征信息s输入所述第二训练模型进 行计算，得到第二关闭概率值，当第二关闭概率值大于判定值，则关闭所述应 用程序。

本申请实施例还提供一种介质，所述介质中存储有多条指令，所述指令适 于由处理器加载以执行上述的应用程序管控方法。

本申请实施例还提供一种电子设备，所述电子设备包括处理器和存储器， 所述电子设备与所述存储器电性连接，所述存储器用于存储指令和数据，所述 处理器用于执行以下步骤：

获取所述应用程序样本向量集，其中该样本向量集中的样本向量包括所述 应用程序多个维度的历史特征信息x_i；

采用BP神经网络算法对样本向量集进行计算，生成第一训练模型，采用 非线性支持向量机算法生成第二训练模型；

当应用程序进入后台，将所述应用程序的当前特征信息s输入所述第一训 练模型进行计算，得到第一关闭概率值，当第一关闭概率值处于犹豫区间之内， 将所述应用程序的当前特征信息s输入所述第二训练模型进行计算，得到第二 关闭概率值，当第二关闭概率值大于判定值，则关闭所述应用程序。