[发明专利]功耗控制方法、装置和设备

权利要求书

1.一种功耗控制方法，其特征在于，包括：

获取终端在当前灭屏状态下的运行数据；

采用数据模型对所述运行数据进行处理，获取预测结果，所述数据模型为服务器对多个终端在灭屏状态下的多个运行数据进行模型训练生成的模型，所述预测结果用于判断所述终端是否为睡眠模式；

根据所述预测结果确定所述终端在所述当前灭屏状态下是否为睡眠模式；

若所述终端在所述当前灭屏状态下为睡眠模式，则根据预设的功耗策略对所述终端进行功耗控制。

2.根据权利要求1所述的方法，其特征在于，所述采用数据模型对所述运行数据进行处理，获取预测结果，包括：

对所述运行数据进行特征提取，获取特征向量；

将所述特征向量输入所述数据模型，获取所述预测结果。

3.根据权利要求1或2所述的方法，其特征在于，所述方法还包括：

将所述预测结果发送给服务器，以使所述服务器根据所述预测结果优化所述数据模型。

4.根据权利要求1或2所述的方法，其特征在于，所述预设的功耗策略包括以下策略中的至少一个：

关闭或暂停在所述终端的后台运行的所有应用程序App；

控制在所述终端的后台运行的App关闭部分功能；

按照所述App的优先级，关闭或暂停在所述终端的后台运行的部分App。

5.一种功耗控制方法，其特征在于，包括：

获取多个终端在灭屏状态下的多个运行数据；

对多个所述运行数据进行模型训练生成数据模型；

将所述数据模型发送给各所述终端，以使各所述终端在灭屏状态下根据所述数据模型确定各所述终端是否为睡眠模式，并根据所述睡眠模式进行功耗控制。

6.根据权利要求5所述的方法，其特征在于，所述对多个所述运行数据进行模型训练生成数据模型，包括：

对多个所述运行数据进行特征提取，获取特征向量；

采用机器学习算法对所述特征向量进行模型训练，生成所述数据模型。

7.根据权利要求6所述的方法，其特征在于，所述采用机器学习算法对所述特征向量进行模型训练，生成所述数据模型，包括：

根据预设的迭代算法对所述特征向量进行多次迭代，生成所述模型数据，所述模型数据的准确率大于预设阈值。

8.根据权利要求5-7任一项所述的方法，其特征在于，所述对多个所述运行数据进行模型训练生成数据模型之前，所述方法还包括：

对每个所述运行数据进行格式校验，所述格式校验用于检验所述运行数据的格式是否正确；

若所述运行数据的格式错误，则丢弃所述运行数据。

9.根据权利要求5-7任一项所述的方法，其特征在于，所述对多个所述运行数据进行模型训练生成数据模型之前，所述方法还包括：

对每个所述运行数据进行完整性校验，所述完整性校验用于检验所述运行数据是否存在缺失字段；

若所述运行数据存在缺失字段，则补全所述运行数据中的缺失字段。

10.根据权利要求5-7任一项所述的方法，其特征在于，所述方法还包括：

接收多个所述终端发送的预测结果，所述预测结果为各所述终端采用所述数据模型对当前灭屏状态下的运行数据处理后获得的结果；

根据所述预测结果优化所述数据模型。

11.根据权利要求5-7任一项所述的方法，其特征在于，所述预设的功耗策略包括以下策略中的至少一个：

关闭或暂停在所述终端的后台运行的所有应用程序App；

控制在所述终端的后台运行的App关闭部分功能；

按照所述App的优先级，关闭或暂停在所述终端的后台运行的部分App。