CN105190474B - 用于功率效率分类的经应用控制的粒度 - Google Patents

用于功率效率分类的经应用控制的粒度 Download PDF

Info

Publication number
CN105190474B
CN105190474B CN201480013410.8A CN201480013410A CN105190474B CN 105190474 B CN105190474 B CN 105190474B CN 201480013410 A CN201480013410 A CN 201480013410A CN 105190474 B CN105190474 B CN 105190474B
Authority
CN
China
Prior art keywords
granularity
context
configuration parameter
grader
quantization
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201480013410.8A
Other languages
English (en)
Other versions
CN105190474A (zh
Inventor
里昂纳德·亨利·葛罗科普
爱德华·哈里森·蒂格
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Qualcomm Inc
Original Assignee
Qualcomm Inc
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Qualcomm Inc filed Critical Qualcomm Inc
Publication of CN105190474A publication Critical patent/CN105190474A/zh
Application granted granted Critical
Publication of CN105190474B publication Critical patent/CN105190474B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00Computing arrangements based on specific mathematical models
    • G06N7/01Probabilistic graphical models, e.g. probabilistic networks
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F1/00Details not covered by groups G06F3/00 - G06F13/00 and G06F21/00
    • G06F1/26Power supply means, e.g. regulation thereof
    • G06F1/32Means for saving power
    • G06F1/3203Power management, i.e. event-based initiation of a power-saving mode
    • G06F1/3234Power saving characterised by the action undertaken
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04MTELEPHONIC COMMUNICATION
    • H04M1/00Substation equipment, e.g. for use by subscribers
    • H04M1/72Mobile telephones; Cordless telephones, i.e. devices for establishing wireless links to base stations without route selection
    • H04M1/724User interfaces specially adapted for cordless or mobile telephones
    • H04M1/72448User interfaces specially adapted for cordless or mobile telephones with means for adapting the functionality of the device according to specific conditions
    • H04M1/72454User interfaces specially adapted for cordless or mobile telephones with means for adapting the functionality of the device according to specific conditions according to context-related or environment-related conditions
    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02DCLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00Reducing energy consumption in communication networks
    • Y02D30/70Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Software Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Algebra (AREA)
  • Probability & Statistics with Applications (AREA)
  • Computational Mathematics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • User Interface Of Digital Computer (AREA)
  • Computational Linguistics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Telephone Function (AREA)

Abstract

本文中描述用于提供应用程序控制的功率效率的上下文(状态)分类的系统及方法。如本文中所描述的用于以可调整粒度执行上下文分类的一种设备包含分类器控制器,其经配置以接收对上下文分类的请求及与所述请求相关联的粒度输入;及上下文分类器,其通信地耦合到所述分类器控制器且经配置以从所述分类器控制器接收所述请求及所述粒度输入,基于所述粒度输入选择用于所述上下文分类的资源使用层级,其中指示较高粒度等级的粒度输入与较高资源使用层级相关联,且指示较低粒度等级的粒度输入与较低资源使用层级相关联,且在所述所选择的资源使用层级执行所述上下文分类。

Description

用于功率效率分类的经应用控制的粒度
技术领域
本专利申请案大体上涉及上下文感知计算,且更特定来说,涉及管理计算装置的上下文分类。
背景技术
无线通信技术上的进步已使现今无线通信装置的多功能性大大增加。此些进步已使得无线通信装置能够从简单移动电话及寻呼机演进成具有广泛的多种功能性(例如多媒体记录及播放、事件调度、文书处理、电子商务等)的复杂计算装置。结果,现今无线通信装置的用户能够执行来自单一便携式装置的广泛范围的任务,所述任务常规地需要多个装置或较大的非便携式设备。此些任务可通过装置的在执行并定制装置的功能中检测并使用装置及用户上下文信息(例如装置的位置、发生于装置的区域中的事件等)的能力来提供辅助。
发明内容
本文中描述用于提供应用程序控制的具功率效率的上下文(状态)分类的系统及方法。如本文中所描述的一种用于管理上下文分类的方法的实例包含接收对所述上下文分类的请求,及与所述请求相关联的粒度输入;及使得分类器响应于所述请求在与所述粒度输入相关的资源使用层级执行所述上下文分类。指示较高粒度等级的粒度输入与较高资源使用层级相关联,且指示较低粒度等级的粒度输入与较低资源使用层级相关联。
所述方法的实施方案可包含以下特征中的一或多者。从所述分类器获得所述上下文分类的结果;及将所述结果转递到接收到所述请求所自的实体。用于所述上下文分类的所述资源使用层级涉及所利用的传感器特征的数目、所使用的分类技术、所述分类器的工作循环或与所使用的所述分类技术相关联的参数中的至少一者。所述粒度输入是选自粒度设定的预定集合。识别所述上下文分类的可用输出的子集;及将粒度等级指派给可用输出的所述子集中的相应子集。接收粒度输入,所述粒度输入包括所述上下文分类的可用输出的所述子集中的一者;且使得所述分类器在指派给所述粒度等级的所述资源使用层级通过从经接收可用输出的所述子集选择输出作为所述粒度输入而执行所述上下文分类。所述上下文分类包含运动状态分类、位置状态分类或音频状态分类中的一或多者。在应用程序编程接口(API)处从发出请求的应用程序接收对所述上下文分类的所述请求。
如本文中所描述的一种用于以可调整粒度执行上下文分类的方法的实例包含接收对所述上下文分类的请求,及与所述请求相关联的粒度输入;基于所述粒度输入选择用于所述上下文分类的资源使用层级;及以所述所选择的资源使用层级执行所述上下文分类。指示较高粒度等级的粒度输入与较高资源使用层级相关联,且指示较低粒度等级的粒度输入与较低资源使用层级相关联。
所述方法的实施方案可包含以下特征中的一或多者。所述资源使用层级涉及所利用的传感器特征的数目、所使用的分类技术、分类的频率或与所使用的所述分类技术相关联的参数中的至少一者。所述粒度输入是选自粒度设定的预定集合。获得分类器配置参数的集合,其中分类器配置参数的所述集合中的相应集合指示资源使用层级与粒度设定的所述集合中的对应粒度设定之间的指派;及选择所述资源使用层级作为指派给如在分类器配置参数的所述集合中所指示的所述接收到的粒度输入的资源使用层级。识别所述上下文分类的可用输出的子集;及将可用输出的所述子集中的相应子集指派给相应分类器粒度配置,其中所述分类器粒度配置定义对应资源使用层级。接收粒度输入,所述粒度输入包括可用输出的所述子集中的一者;及使用指派给作为所述粒度输入接收到的可用输出的所述子集的所述分类器粒度配置来执行所述上下文分类。所述上下文分类包含运动状态分类、位置状态分类或音频状态分类中的一或多者。从API接收对上下文分类的所述请求及所述粒度输入。将所述上下文分类的输出传回到所述API。对所述上下文分类的所述请求起源于发出请求的应用程序;且所述方法包含将所述上下文分类的输出传回到所述发出请求的应用程序。
如本文中所描述的一种用于以可调整粒度执行上下文分类的设备的实例包含分类器控制器,其经配置以接收对上下文分类的请求,及与所述请求相关联的粒度输入;及上下文分类器,其通信地耦合到所述分类器控制器且经配置以从所述分类器控制器接收所述请求及所述粒度输入,基于所述粒度输入选择用于所述上下文分类的资源使用层级,且在所述所选择的资源使用层级执行所述上下文分类。指示较高粒度等级的粒度输入与较高资源使用层级相关联,且指示较低粒度等级的粒度输入与较低资源使用层级相关联。
所述设备的实施方案可包含以下特征中的一或多者。所述分类器控制器经进一步配置以从所述分类器获得所述上下文分类的结果,且将所述结果转递到接收到所述请求所自的实体。用于所述上下文分类的所述资源使用层级涉及所利用的传感器特征的数目、所使用的分类技术、所述分类器的工作循环或与所使用的所述分类技术相关联的参数中的至少一者。所述粒度输入是选自粒度设定的预定集合。所述上下文分类器经进一步配置以获得分类器配置参数的集合,其中分类器配置参数的所述集合中的相应集合指示资源使用层级与粒度设定的所述集合中的对应粒度设定之间的指派;且选择所述资源使用层级作为指派给如在分类器配置参数的所述集合中所指示的所述接收到的粒度输入的资源使用层级。
所述设备的实施方案可另外或替代地包含以下特征中的一或多者。所述粒度输入包含所述上下文分类的可用输出的子集。所述上下文分类器经进一步配置以将作为所述粒度输入接收到的所述可用输出的所述子集指派给分类器粒度配置,所述分类器粒度配置定义所述所选择的资源使用层级。所述上下文分类器经进一步配置以通过从作为所述粒度输入接收到的可用输出的所述子集选择输出而执行所述上下文分类。所述上下文分类器包含运动状态分类器、位置状态分类器或音频状态分类器中的一或多者。所述分类器控制器包含API,且经进一步配置以从发出请求的应用程序接收对所述上下文分类的所述请求。所述上下文分类器经进一步配置以将所述上下文分类的结果提供到所述API或所述发出请求的应用程序中的至少一者。一或多个数据源通信地耦合到所述上下文分类器,其中所述上下文分类器经配置以基于从所述数据源取样的数据执行所述上下文分类。所述数据源包含以下各者中的至少一者:音频传感器、位置传感器、网络传感器、运动传感器、行事历、时钟、装置使用统计的集合,或光传感器。
如本文中所描述的一种用于管理上下文分类的设备的实例包含用于接收对所述上下文分类的请求及与所述请求相关联的粒度输入的装置;及用于使得分类器响应于所述请求在与所述粒度输入相关的资源使用层级执行所述上下文分类的装置。指示较高粒度等级的粒度输入与较高资源使用层级相关联,且指示较低粒度等级的粒度输入与较低资源使用层级相关联。
所述设备的实施方案可包含以下特征中的一或多者。用于所述上下文分类的所述资源使用层级涉及所利用的传感器特征的数目、所使用的分类技术、所述分类器的工作循环或与所使用的所述分类技术相关联的参数中的至少一者。所述粒度输入是选自粒度设定的预定集合。所述粒度输入包含所述上下文分类的可用输出的子集。所述上下文分类包含运动状态分类、位置状态分类或音频状态分类中的一或多者。
如本文中所描述的一种用于以可调整粒度执行上下文分类的设备的实例包含用于接收对所述上下文分类的请求及与所述请求相关联的粒度输入的装置;用于基于所述粒度输入选择用于所述上下文分类的资源使用层级的装置;及用于以所述所选择的资源使用层级执行所述上下文分类的装置。指示较高粒度等级的粒度输入与较高资源使用层级相关联,且指示较低粒度等级的粒度输入与较低资源使用层级相关联。
所述设备的实施方案可包含以下特征中的一或多者。所述资源使用层级涉及所利用的传感器特征的数目、所使用的分类技术、分类的频率或与所使用的所述分类技术相关联的参数中的至少一者。所述粒度输入是选自粒度设定的预定集合。所述粒度输入包含所述上下文分类的可用输出的子集。所述上下文分类包含运动状态分类、位置状态分类或音频状态分类中的一或多者。用于将所述上下文分类的结果传回到对所述上下文分类的所述请求的源的装置。
如本文中所描述的一种计算机程序产品的实例驻存在处理器可执行计算机存储媒体上,且包含处理器可执行指令,所述指令经配置使得处理器接收对所述上下文分类的请求,及与所述请求相关联的粒度输入;及使得分类器响应于所述请求在与所述粒度输入相关的资源使用层级执行所述上下文分类。指示较高粒度等级的粒度输入与较高资源使用层级相关联,且指示较低粒度等级的粒度输入与较低资源使用层级相关联。
所述计算机程序产品的实施方案可包含以下特征中的一或多者。用于所述上下文分类的所述资源使用层级涉及所利用的传感器特征的数目、所使用的分类技术、所述分类器的工作循环或与所使用的所述分类技术相关联的参数中的至少一者。所述粒度输入是选自粒度设定的预定集合。所述粒度输入包含所述上下文分类的可用输出的子集。
如本文中所描述的一种计算机程序产品的另一实例驻存在处理器可执行计算机存储媒体上,且包含处理器可执行指令,所述指令经配置使得处理器接收对上下文分类的请求,及与所述请求相关联的粒度输入;基于所述粒度输入选择用于所述上下文分类的资源使用层级;及以所述所选择的资源使用层级执行所述上下文分类。指示较高粒度等级的粒度输入与较高资源使用层级相关联,且指示较低粒度等级的粒度输入与较低资源使用层级相关联。
所述计算机程序产品的实施方案可包含以下特征中的一或多者。所述资源使用层级涉及所利用的传感器特征的数目、所使用的分类技术、分类的频率或与所使用的所述分类技术相关联的参数中的至少一者。所述粒度输入是选自粒度设定的预定集合。所述粒度输入包含所述上下文分类的可用输出的子集。经配置以使得所述处理器将所述上下文分类的结果传回到对所述上下文分类的所述请求的源的指令。
本文中所描述的项目及/或技术可提供以下能力中的一或多者以及未提及的其它能力。本文中的机制提供可调整的分类器决策,从而使得针对不需要高分类精度的应用的功率消耗及资源使用的节省成为可能。提供应用程序编程接口(API)及/或其它控制机制,前面两者提供用于通过在装置上执行的应用存取状态或上下文分类例程的简化的均一过程。可提供其它能力,且并非根据本发明的每一实施方案必须提供所论述的任何能力,更不用说全部能力。另外,对于上文所注释的效应,可有可能的是通过不同于所注释的装置来达成,且所注释的项目/技术可不必产生所注释的效应。
附图说明
图1为移动计算装置的组件的框图。
图2为用于执行并管理上下文分类的系统的框图。
图3到5为用于处理对上下文分类的请求的相应系统的框图。
图6为通过API管理的经应用控制的分类系统的框图。
图7为管理上下文分类的流程框图。
图8为基于可用分类输出子集的集合来管理上下文分类的过程的流程框图。
图9为通过可控制粒度执行上下文分类的过程的流程框图。
图10为基于预定粒度设定来执行上下文分类的过程的流程框图。
图11为基于可用分类输出子集的集合来执行上下文分类的过程的流程框图。
图12为计算机系统的实例的框图。
具体实施方式
本文中所描述的是用于提供用于上下文分类的经应用控制粒度的系统及方法。本文中所描述的技术可用以辅助例如智能电话、膝上型或平板计算机、个人数字助理(PDA)等的装置以及目前存在或在将来存在的任何其它计算装置的上下文确定。其它用途还可为可能的。虽然在以下描述内容中给出的各种实例涉及移动计算装置,但本文中所描述的技术可应用到上下文推断是所要的任何装置。
移动装置技术的进步已向移动装置提供如下能力:在执行并定制装置的功能中检测且使用装置及用户上下文信息,例如装置的位置、在装置的区域中发生的事件等。移动上下文感知的一个目标为使装置推断其用户正进行何操作。此情形可例如通过用户位于的地方的类型(例如,办公室、会议室、讲习厅、家、体能室、餐馆、咖啡馆、酒吧等)或用户处于的情形的类型(例如,会议中、单独工作、驾驶、吃中餐、锻炼、睡眠等)沿着多个维度来评估。每一此维度本文中被称作上下文。通过推断用户上下文,例如但不限于以下各者的一系列的应用被促进:
1)使装置功能性(例如,在用户不可中断时使呼叫转向语音邮箱或对文字讯息作出响应,基于环境调整振铃器的音量、向会议参加者通知用户晚点的时间等)自动化。
2)使例如登记、向朋友通知用户在附近的时间等的社交网络连接交互自动化。
3)提供例如燃烧的卡路里、步行的英里数、在工作对游戏上花费的时间等的卫生保健信息。
4)促进例如对餐馆、商店、消费型产品、汽油等的准确且实时的推荐。
推断用户上下文的一种方法为从经计算的低层级推断及特征统计地或以其它方式习得用户上下文。低层级推断的实例为语音是否存在于音频数据流中,用户的如基于加速计数据流确定的运动状态(步行、就座、驾驶等),用户是否在家中/工作中/在运输中/在未知位置处,用户在室内还是室外(例如,基于可见的全球定位系统(GPS)或其它SPS卫星的数目)等。低层级特征的实例为GPS速率、范围内的蓝牙装置的数目、可见的Wi-Fi存取点的数目、近接传感器计数、环境光层级、平均相机强度、日时、周几、平日或周末、环境音频能量级等。以上内容并非为详尽列表,且可使用其它低层级特征及/或推断。
如上文所注释,移动装置(例如,智能电话等)在提供上下文感知服务的过程中对传感器数据分类。此些分类可包含(例如)基于加速计数据的运动状态分类、基于音频数据的语音检测等。原始设备制造商(OEM)层级及/或高于装置的操作系统(OS)的层级的应用利用经由厂商提供的API的上下文感知服务的输出。然而,不同应用可具有不同要求。举例来说,运动状态分类器可经由API输出分类的集合{步行、跑步、就座、站立、游荡、休息、驾驶},经由所述API,地理围栏应用又可为了从集合{静止、徒步旅行_运动、车辆_运动}确定运动状态的目的而利用,以便限制通过用户移动的距离。被视为端到端系统,API在此情境下提供分类输出,所述分类输出相较于由应用使用的粒度具有较高粒度,此情形从功率观点导致减少的效率。
鉴于至少以上内容,本文中所描述系统及方法提供经应用控制的上下文分类。向请求上下文分类的应用及/或其它实体给出根据一或多个粒度定义方案指定所要粒度等级的能力。如此做,向应用提供增加的能力以管理所要分类精度与功率及/或其它系统资源的消耗之间的取舍。
本文中所描述的技术可用于移动装置,例如说明于图1中的实例移动装置100。移动装置100包含无线收发器121,其在无线网络上经由无线天线122发送并接收无线信号123。收发器121通过无线收发器总线接口120连接到总线101。虽然在图1中展示为截然不同的组件,但无线收发器总线接口120还可为无线收发器121的部分。此处,移动装置100说明为具有单一无线收发器121。然而,移动装置100可替代地具有多个无线收发器121及无线天线122以支持多个通信标准,例如Wi-Fi、码分多址(CDMA)、宽频CDMA(WCDMA)、长期演进(LTE)、蓝牙等。
通用处理器111、存储器140、数字信号处理器(DSP)112及/或专用处理器(图中未示)还可用以整个或部分地处理无线信号123。对来自无线信号123的信息的存储是使用存储器140或寄存器(图中未示)来执行。虽然在图1中展示仅一个通用处理器111、DSP112及存储器140,但移动装置100可使用一个以上此些组件中的任一者。通用处理器111及DSP 112直接或通过总线接口110连接到总线101。另外,存储器140直接或通过总线接口(图中未示)连接到总线101。总线接口110在实施时可与同总线接口110相关联的通用处理器111、DSP112及/或存储器140集成,或独立于前面三者。
存储器140包含存储功能作为一或多个指令或代码的非暂时性计算机可读存储媒体。可构成存储器140的媒体包含(但不限于)RAM、ROM、FLASH、磁盘驱动器等。存储器140所存储的功能由通用处理器111、专用处理器或DSP 112来执行。因此,存储器140为存储软件代码(代码、指令等)的处理器可读存储器及/或计算机可读媒体,所述软件代码经配置以使得处理器111及/或DSP 112执行所描述的功能。替代地,移动装置100的一或多个功能可以硬件整体或部分地执行。
移动装置100进一步包含一或多个传感器135,其捕获与移动装置100及/或其环境相关联的数据。传感器135可包含(但不限于)麦克风或音频传感器、相机、光传感器、压力传感器、惯性传感器(例如,加速计及/或陀螺仪)、磁力计等。传感器135可个别或组合地(例如,传感器阵列或任何其它组合)使用。多个传感器135在通过移动装置100实施的情况下可相互依赖地或彼此独立地操作。传感器135独立地或经由总线接口(图中未示)连接到总线101。举例来说,传感器135可经由总线101与DSP 112通信,以便处理传感器135捕获的数据。传感器135可另外与通用处理器111及/或存储器140通信,以产生或以其它方式获得与所捕获数据相关联的元数据。在一些实施例中,天线122及/或收发器121还可用作传感器,(例如)以感测或检测例如Wi-Fi信号等无线信号。
图2说明用于执行并管理上下文分类的系统200。系统200可由例如展示于图1中的移动装置100的计算装置利用。系统200包含一或多个数据源210,所述数据源可包含(但不限于)例如麦克风的音频传感器212、例如GPS收发器的位置传感器214、例如Wi-Fi及/或其它无线电收发器的网络传感器216、例如加速计或陀螺仪的运动传感器218、行事历/约会记录220、例如系统时钟或其它机构的时间/日信息源222、装置使用监视器224、光及/或相机传感器226等。
来自数据源210的数据经提供给上下文分类器230(例如,通过上下文分类器230取样),其利用所收集的数据来推断通过数据指示的上下文状态。举例来说,上下文分类器可为利用来自数据传感器210的数据来推断与系统200相关联的运动状态的运动状态分类器。如下文所论述,其它分类也是可能的。上下文分类器230可周期性地及/或响应于通过一或多个源提供的对分类的请求执行上下文分类。下文论述用于接收分类请求并对分类请求作出响应的技术。
从数据源210收集的数据可采用通过上下文分类器230可用的任何形式。举例来说,所收集数据可包含来自音频传感器212的音频样本;来自位置传感器214的GPS读数及/或其它定位测量;来自网络传感器216的网络强度及/或其它网络相关读数;来自运动传感器218的运动、加速度或定向数据;与行事历220相关联的项目等。除数据外,还可利用应用到数据的标签。举例来说,行事历项目可通过位置或标题(例如,“用户的办公室”或“医生约会”)作出标记。
分类器控制器240通过经由应用程序或其它源接受对上下文分类的传入请求且配置上下文分类器240响应于请求以指定粒度等级执行上下文分类而管理上下文分类器230的操作。举例来说,如通过图3中的系统300所展示,分类请求源310(例如,通过移动装置100执行的应用程序等)经配置以将对上下文分类的请求提交给分类器控制器240。如下文所描述,分类请求包含粒度设定作为输入,所述粒度设定可采用粒度参数或分类的子集的指定集合的形式。分类器控制器240处理粒度输入,且响应于请求及粒度输入而将适当指令提交给上下文分类器230。如通过来自上下文分类器230的指令所指定,上下文分类器230的内部机械可重配置而以不同输出粒度操作或输出分类子集的不同指定集合。结果,当粒度为粗略的时或当指定了分类的更广泛子集时,执行上下文分类器230需要的功率被减少。在指定粒度等级执行上下文分类之后,分类的输出直接或经由分类器控制器240经提供到分类请求源310。通过配置分类器控制器240充当上下文分类器230与请求分类的实体之间的中间物,分类器控制器可(例如)经由API及/或其它机构提供上下文分类器230与发出请求的实体之间的简化的均一交互装置,而无关于由关联装置使用的操作系统及/或可影响上下文分类器230的操作的关联装置的其它性质。下文进一步详细地论述分类器控制器240作为API的实例实施方案。其它实施方案也是可能的。
当请求较粗略的粒度或指定分类的更广泛子集时,上下文分类器230可基于以下各者中的一或多者以较粗略的粒度及/或较低精度计算其输出:(1)获得及/或使用来自通过数据源210提供的数据的较少特征;(2)使用较粗糙的分类技术;(3)使用较简单的参数设定,例如,高斯混合模型(GMM)的较少混合分量、较少支持向量(对于神经网络分类器)、针对最近相邻分类器考虑的较少数据点;(4)使用较低工作循环,例如,仅在短丛发中唤醒传感器子系统等。其它调整也是可能的。
上下文分类器230的基于粒度设定的集合的经粒度控制的操作的实例通过图4中的系统400来展示。此处,分类器控制器240经配置以采用粒度参数结合对分类的请求作为来自请求源310的输入。粒度参数具有一或多个设定,所述设定中的每一者与上下文分类器230处的配置参数410的集合相关联。上下文分类器240响应于分类请求而从分类器控制器240接收分类指令,基于关联粒度输入识别配置参数410的适当集合,执行所请求的分类,且将分类的结果传回到分类器控制器240及/或请求源310。此处,分类器控制器240展示为将粒度参数转换成分类器设定指令,且上下文分类器230利用配置参数410的所指导集合来执行分类。替代地,分类器控制器240可将粒度参数与请求一起传递到上下文分类器230,且上下文分类器230可基于粒度参数确定配置参数410的适当集合。
作为系统400的操作的实例,上下文分类器230可经配置以根据具有如下两个设定的粒度参数提供运动状态分类:粗略及精细。此处,粗略设定导致上下文分类器230作为基于GMM的运动状态分类器操作,其利用加速计规范的标准偏离(本文中被称作sa)及装置的比率作为特征,每特征利用一个混合分量,且从状态的第一集合{静止、徒步旅行_运动、车辆_运动}进行输出。相反,精细设定导致上下文分类器230作为运动状态分类器操作,其除上文针对粗略设定列出的两个特征外又利用纵横摇(pitch and roll)、若干梅尔倒频谱系数(MFCC)、频谱熵及加速计规范的平均值;每特征利用四个混合分量;且从状态的第二集合{步行、跑步、就座、站立、游荡、休息、驾驶}进行输出。由于粗略设定通常将导致减少的计算,因此相较于精细设定,上下文分类器230在此设定中以较低功率执行。
上下文分类器230的此处基于分类器输出子集的集合的经粒度控制的操作的另一实例通过图5中的系统500来展示。对于通过上下文分类器230执行且通过分类器控制器240管理的每一分类类型(例如,运动状态分类、位置分类等),上下文分类器维持可用分类输出的集合(例如,上下文状态)。可用输出的此集合又被划分成子集,且与上下文分类器230相关联的分类器配置管理器510使每一子集与分类器配置参数相关联。以实例说明,对于具有可能输出{A、B、C}的分类,分类器配置管理器510可维持子集群组{A/B、C}、{A/C、B}、{B/C、A}及{A、B、C}的配置文件。换句话说,对于此实例,上下文分类器与不同配置相关联,上下文分类器230通过不同配置输出(1)A/B或C、(2)A/C或B、(3)B/C或A,或(4)A或B或C。类似子集组合可用于具有其它数目个可能输出的分类。与给定分类相关联的输出子集可对应于潜在输出的所有可能组合或小于所有可能组合。另外,子集可由单一潜在输出组成(例如,传回给定状态输出A或无状态输出),或由多个潜在输出组成。另外,一些输出可以各种子集进行组合。举例来说,返回到如上文所展示的具有可能输出{A、B、C}的分类的实例,分类器配置管理器510还可维持子集{(A或B)、C}、{A、(B或C)}等的配置文件。还可使用其它配置。
如系统500中所展示,分类请求的源310将请求连同分类的可用输出上下文分类的子集一起提交给分类器控制器230。与分类请求相关联的输出子集表示可用分类输出的子集,上下文分类器230在进行其上下文确定中从所述子集进行选择。系统500说明,分类请求源310识别用于给定分类的输出的所要子集,且将此子集结合请求提交给分类器控制器240。替代地,分类输出子集的选择可通过分类器控制器240对于分类请求源310透通地执行。举例来说,分类请求源310可将对上下文分类的请求与关联通用粒度设定一起提交给分类器控制器。在此状况下,分类器控制器240将所提供的粒度等级转换到输出子集,并将此输出子集转递到上下文分类器230。类似地,分类器控制器240可将粒度等级输入转递到上下文分类器230,使得上下文分类器230可确定潜在输出的适当子集。在从分类请求源310未获得粒度输入与分类请求情况下,分类器控制器240及/或上下文分类器230还可利用默认粒度配置及/或分类输出子集。
作为系统500的操作的实例,分类器控制器240可采用分类的子集的指定集合作为来自请求源310的输入。另外,上下文分类器230可包含具有分类的默认集合{步行、就座、站立}的基于GMM的运动状态分类器。因此,用于分类的子集的集合的可能输入为{{步行}、{就座}、{站立}}、{{步行、就座}、{站立}}、{{步行}、{就座、站立}}、{{步行、站立}、{就座}}及{{步行、就座、站立}}。上下文分类器230视指定集合可使用不同特征及数个混合分量。举例来说,如果所指定的输入集合为{{步行}、{就座、站立}},那么上下文分类器230可使用单一特征sa(如上文所定义)与单一混合分量来对数据分类。在一些状况下,此情形导致相对于指定的输入集合为{{步行、就座}、{站立}}的状况的功率节省,所述状况可利用更多特征及混合分量来以相同准确度进行分类。
上下文分类器230及/或分类器控制器240可以硬件、以软件(例如,存储于非暂时性计算机可读存储器140上且通过处理器111执行的软件代码)或硬件与软件的组合来实施。上下文分类系统600以经应用控制的粒度的实例实施方案展示于图6中。展示于图6中的系统600包含API 610,其与一或多个应用程序620交互并充当应用程序620与运动状态分类器630之间的中间物。虽然运动状态分类器的特定实例用于图6中,但类似概念应用到如上文所描述的其它上下文分类器。
一般来说,展示于系统600中的应用程序620以类似于展示于图3到5中的分类请求源310的方式起作用以将对上下文分类的请求提交给API 610。应用程序620包含粒度输入与其对分类的请求。API 610以类似于展示于图3到5中的分类器控制器240的方式将此粒度输入及/或其它适当粒度特定指令提供到运动状态分类器630。此处,运动状态分类器630经配置以利用两个设定:对应于分类输出子集{静止、徒步旅行、车辆}的粗略设定,及对应于分类输出集合{步行、跑步、就座、站立、游荡、休息、驾驶}的精细设定。如上文关于图2到5大体所描述,还可使用其它设定。
待由运动状态分类器630使用的设定可以类似于系统400的方式基于粒度设定参数(例如,粗略或精细)、以类似于系统500的方式基于分类输出子集中的一者的识别及/或此些方法及/或其它方法的组合来选择。如果选定了粗略设定,那么运动状态分类器使用粗略粒度运动状态分类器632来执行上下文分类。替代地,如果选定了精细设定,那么使用精细粒度运动状态分类器634。在任一状况下,来自分类的所得运动状态通过运动状态分类器630传回到API 610。API 610又将输出提供到发出请求的应用程序620。
粗略粒度运动状态分类器632及精细粒度运动状态分类器634可依据例如传感器样本速率及/或分类工作循环、所利用的传感器特征、分类器类型或其类似者的一或多个性质而发生变化。一般来说,粗略粒度运动状态分类器632以分类精度为代价导致相较于精细粒度运动状态分类器634的功率消耗较低水平的功率消耗。因此,粗略粒度运动状态分类器632用于精细粒状分类输出并不被需要或以其它方式确定功率消耗相较于分类粒度具有较高重要性的应用程序,例如用于低功率装置、应用或操作模式;关联装置的电池电量低于指定临限值的情境等。
此处,API 610为可用于在关联装置上执行的应用程序620的接口。API可嵌入于装置操作系统中,例如通过Google,Inc.开发的Android操作系统、通过Microsoft Corp.开发的Windows及Windows Mobile操作系统,及/或任何其它操作系统中,不管是目前存在还是将来存在。举例来说,API 610可嵌入于装置操作系统中作为对操作系统的载波或厂商特定的扩展封装的部分。替代地,倘若API 610具有足够存取特权以在发出请求的应用程序620与分类器630之间传送请求及分类输出,那么API 610可实施为独立于装置操作系统的独立软件组件。对于以上实施方案中的任一者,API 610可在配送装置之前或在配送之后(即,呈软件补丁或更新的形式)通过移动装置并入。
API 610提供功能集及设定以供应用程序620使用从而利用运动状态分类器630及/或与装置或计算环境相关联的其它分类器。通过API 610提供的功能及/或设定越过多个分类器可相同,或在分类器之间可发生变化(例如,用于运动分类的第一功能集合及/或设定、用于位置分类的第二集合等)。API 610经配置以从应用程序620接收关联功能及/或设定作为输入,将所接收输入转换成由一或多个关联上下文分类器可用的形式,且将经转换的输入传达到分类器。API 610进一步经配置以从分类器接收所得分类输出,且将输出传回到适当的发出请求的应用程序620。如上文所注释,API 610及/或分类器630还可经配置以将粒度设定从一形式转换到另一形式,例如从粒度设定转换到可能分类输出的集合的子集,或反之亦然。
虽然展示于系统600中的分类器630为运动状态分类器,但还可以类似方式执行其它类型的分类。上下文分类的其它实例包含以下各者:
1)(例如)报告扬声器的数目的基于音频的分类器。此分类器可具有不同粒度或所输出的分类,例如,粗略={无_语音、语音},媒体={无_语音、一个_扬声器、许多_扬声器},精细={无语音、一个_扬声器、两个_扬声器、三个_扬声器等}。
2)位置(地方)分类器,例如,其中设定包含精细={家、力公室、会议},及粗略={家、工作}。在此实例中,粗略设定可基于卫星定位测量区分家与工作状态,而精细设定可进一步基于例如音频数据、Wi-Fi签名数据或其类似者的额外测量区分力公与会议状态。
另外,其它类型的上下文分类还可使用上文所描述的技术来执行。
返回到图2,上下文分类器230对对应于通过数据源210提供的输出流的数据进行取样及/或以其它方式获得所述数据。可从数据源210收集且由上下文分类器230使用的不同流如下。其它数据流及/或数据类型也是可能的。
音频环境:包含分批麦克风数据,每一分批在指定持续时间(例如,大约一分钟)上获得。
纬度/经度座标:经由位置方位点(location fix)(例如,从GPS或另一卫星定位系统)获得。
Wi-Fi指纹:包含可见Wi-Fi存取点的集合,例如经给出作为信号强度指示(RSSI)的其相应所接收的信号强度,及其相应响应速率(即,当连续扫描发生时是可见的时间的分率)。
蓝牙(BT)指纹:包含可见BT装置的集合、其相应信号强度(例如,给出为RSSI)、其装置分类,及其相应响应速率。
运动状态:包含分批的加速计、陀螺仪及/或磁力计数据,每一分批在指定持续时间(例如,大约10到30秒)上获得。
行事历事件:包含例如以下各者的信息:事件描述及/或标题、日期/时间、位置、参加者的名称,及/或其它关联人员等。
另外,上下文分类器230基于经由数据源210获得的低层级特征及推断来执行上下文分类。可从装置传感器数据或外部源(例如,数据源210)计算的可能低层级特征的列表包含但不限于以下各者:
·GPS速率、准确度、高度
·可见的#GPS卫星
·日时、周几、平日/周末、公众假日
·天气、温度
·环境光传感器读数
·近接传感器读数
·相机数据、强度、R/G/B强度、例如DCT(离散余弦变换)系数的特征、在相机视场中检测到的对象
·最靠近的地理兴趣点(POI)
·范围内的可见的蓝牙装置及对应RSSI、新/旧蓝牙装置
·可见的Wi-Fi AP及对应RSSI、可见的新/旧Wi-Fi AP
·环境音频能级
·移动检测(任何装置移动对无装置移动)
类似地,可从装置传感器数据或外部源计算的可能低层级推断的列表包含(但不限于)以下各者:
·运动状态(步行、跑步、驾驶等)
·装置位置(口袋、手、桌子、袋等)
·语音检测(语音/无语音)
·讲话人辨识(装置所有者讲话/其它人讲话)
·存在的扬声器的数目
·目标声音检测(婴儿哭泣/不哭泣等)
·区(家/工作/其它/在运输中或居住/商用等)
·装置使用(每分钟的屏幕触摸的数目、每分钟键打的字元的数目等)
·显示器接通对关断
·应用程序使用(正执行的应用程序的类型(例如,游戏、电子邮件等)、同时执行的应用程序的数目等)
参看图7,进一步参看图1到6,管理上下文分类的过程700包含所展示的阶段。然而,过程700为仅实例且并非限制性的。过程700可(例如)通过对阶段进行添加、移除、重新布置、组合及/或同时执行而经变更。对如所展示并描述的过程700的又其它变更为可能的。
在阶段702处,接收对上下文分类的请求及与请求相关联的粒度等级。此处,在分类器控制器240(例如,经由API 610实施)处从例如应用程序620及/或其它源的一或多个分类请求源310接收请求及粒度等级。粒度等级可被指定为预定粒度设定(例如,选自可允许设定的列表的设定,例如通过系统600说明的粗略及精细设定),且如上文系统400所描述进行处理。替代地,如关于系统500所描述且下文进一步描述,粒度等级可对应于可用分类输出集合的子集(状态、上下文分类)。
在阶段704处,分类器控制器240使得分类器(例如,上下文分类器230)以与所接收粒度等级相关的资源使用层级响应于阶段702处所接收的对分类的请求而执行上下文分类。资源使用层级关于以下各者中的至少一者来定义:功率使用、计算复杂性,及/或用于测量上下文分类器230的性能及/或效率的其它准则。如上文所描述,上下文分类器230执行给定分类所在的资源层级可通过改变所利用的传感器特征的数目、所使用的分类技术及/或与分类技术相关联的参数、分类器的工作循环及/或执行数据源210的取样所用的速率或其类似者来作出调整。一般来说,较高粒度输入涉及较高资源使用层级,而较低粒度输入层级涉及较低资源使用层级。
参看图8,进一步参看图1到6,基于可用分类输出子集的集合来管理上下文分类的过程800包含所展示的步骤。然而,过程800仅为实例且并非限制性的。可(例如)通过对阶段进行添加、移除、重新布置、组合及/或同时执行来更改过程800。对如所展示并描述的过程800的其它更改是可能的。
在阶段802处,(例如)通过分类器控制器240识别上下文分类的可用或可允许输出集合。如上文关于系统500所描述,此可用输出集合的相应子集还可于此阶段形成。
在阶段804处,(例如)从应用程序620及/或另一分类请求源310接收对上下文分类的请求。请求包含在阶段802识别出的用于分类的可用输出的集合的所选择子集。在阶段804接收到的输出子集指示将执行后续分类针对的分类输出-如上文关于系统500所描述,未经选择输出可在其决策中被分类器忽略,或分组成其它经选择输出。
在阶段806处,将粒度等级指派给在阶段804处指示的输出子集。如上文关于系统500所论述,可通过管理上下文分类器230的分类器控制器240及/或上下文分类器自身230来执行粒度等级的指派。
在阶段808处,分类器控制器240使得分类器(例如,上下文分类器230)以与在阶段806处确定的粒度等级相关的资源使用层级通过选择来自通过请求指示的输出子集的输出响应于在阶段804所接收的对分类的请求执行上下文分类。资源使用层级经由类似于在过程700的阶段704处使用的那些准则的准则来管理。
参看图9,进一步参看图1到6,以可控制粒度执行上下文分类的过程900包含所展示的阶段。然而,过程900为仅实例且并非限制性的。过程900可(例如)通过对阶段进行添加、移除、重新布置、组合及/或同时执行而经变更。对如所展示并描述的过程900的又其它变更为可能的。
在阶段902处,接收对上下文分类的请求及与请求相关联的粒度等级。此处,在上下文分类器230处从一或多个应用程序620或分类请求源310接收此些输入。(例如)经由分类器控制器240(例如,实施为API 610)直接或间接地从源310接收输入。如上文所描述,粒度等级可对应于预定粒度设定、可用分类输出(例如,分类)的子集及/或其它信息。
在阶段904处,基于在阶段902处接收到的粒度等级选择用于上下文分类的资源使用层级。类似于展示于图7中的过程700,资源层级可基于包含但不限于以下各者的一或多个准则来配置:所利用的传感器特征的数目、所使用的分类技术及/或与分类技术相关联的参数、分类器的工作循环及/或执行数据源210的取样所用的速率等。一般来说,较高粒度输入涉及较高资源使用层级,而较低粒度输入层级涉及较低资源使用层级。
在阶段906处,在阶段902处请求的上下文分类根据在阶段904处选择的资源使用层级来执行。在完成之后,分类的结果可直接或间接(例如,经由分类器控制器240)传回到请求的源。
参看图10,进一步参看图1到6,基于预定粒度设定执行上下文分类的过程1000包含所展示的阶段。然而,过程1000为仅实例且并非限制性的。过程1000可(例如)通过对阶段进行添加、移除、重新布置、组合及/或同时执行而经变更。对如所展示并描述的过程1000的又其它变更为可能的。
在阶段1002处,接收对上下文(状态)分类的请求于与关联粒度等级。粒度等级从此处包含值粗略及精细的预定粒度等级的集合选定。额外及/或其它设定可以类似于所展示的方式的方式用于过程1000中。
在阶段1004处,过程1000基于在阶段1002处接收到的粒度输入的值进行分支。如果接收到值粗略,那么在阶段1006处使用粗略粒度分类器配置来执行所请求的上下文分类。如果替代地接收到值精细,那么在阶段1008处使用精细粒度分类器配置来执行所请求的上下文分类。如上文关于系统400所描述,上下文分类器230此处维持对应于通过上下文分类器230可用的每一粒度设定的配置参数410的相应集合。此些配置参数410又定义用于每一粒度设定的上下文分类器230的资源使用层级。如上文大体所描述,对于展示于阶段1006及1008处的分类,粗略粒度分类器配置由于使用以下各者相较于精细粒度分类器配置可导致较低水平的功率及/或其它资源使用:较小工作循环、较粗糙的分类技术、较少的分类器特征及/或其它性质(相较于精细粒度分类器配置)。
在阶段1010处,在阶段1006或1008处执行的分类的结果经传回到发出请求的实体,例如,应用程序620及/或其它请求源310、API 610及/或分类器控制器240等。
参看图11,进一步参看图1到6,基于可用分类输出子集的集合来执行上下文分类的过程1100包含所展示的步骤。然而,过程1100为仅实例且并非限制性的。过程1100可(例如)通过对阶段进行添加、移除、重新布置、组合及/或同时执行而经变更。对如所展示并描述的过程1100的又其它变更为可能的。
在阶段1102处,识别用于上下文分类的可用输出的子集的集合。在阶段1102处执行的动作类似于在如上文所描述的过程800的阶段802处执行的动作以及关于系统500所描述的动作。
在阶段1104处,在阶段1102处识别的每一子集经指派给分类器粒度配置。此些分类器粒度配置调节关联上下文分类器230的各种性质,例如所利用的传感器特征的数目、所使用的分类技术及/或与分类技术相关联的参数、分类器的工作循环及/或执行数据源210的取样所用的速率等。因此,在阶段1104处指派的分类器粒度配置以类似于上文关于过程700的阶段704所描述的方式定义用于上下文分类器230的资源使用层级。
在阶段1106处,以类似于在过程800的阶段804处执行的动作的方式接收对上下文分类的请求(例如,在上下文分类器230处从请求源310或分类器控制器240)与用于分类的可用输出子集的集合中的一者。
在阶段1108处,使用在阶段1104处指派给与对分类的请求一起接收到的可用输出的子集的分类器粒度配置执行在阶段1106处请求的上下文分类。此处,如上文关于系统500所描述,分类通过从可用输出的所接收子集选择输出来执行,所述输出使经取样的传感器数据(例如,从数据源210获得的数据)最紧密地特征化。
如说明于图12中的计算机系统1200可用以至少部分实施先前所描述的计算机化装置的功能性。举例来说,计算机系统1200可用以以软件至少部分实施展示于图7到11中的过程700、800、900、1000、1100。计算机系统1200还可经由展示于图1中的移动装置100的组件中的一或多者(例如,通用处理器111及/或存储器140)来实施。计算机系统1300可另外或替代地用以提供展示于图2中的系统200及/或其组件中的例如模块230、240的一或多者的至少部分软件实施。
图12提供计算机系统1200的一个实施例的示意性说明,计算机系统1200可执行如本文中所描述的通过各种其它实施例提供的方法及/或可充当移动装置或其它计算机系统。请注意,图12意谓仅提供各种组件的通用化说明,适当时可利用所述组件中的任一者或全部。因此,图12广泛地说明可如何以相对分离或相对更集成的方式来实施个别系统元件。
计算机系统1200展示为包括可经由总线1205电耦合(或在适当时可以其它方式通信)的硬件元件。硬件元件可包含:一或多个处理器1210,处理器1210包含(但不限于)一或多个通用处理器及/或一或多个专用处理器(例如,数字信号处理芯片、图形加速处理器及/或其类似者);一或多个输入装置1215,其可包含(但不限于)鼠标、键盘及/或其类似者;及一或多个输出装置1220,其可包含(但不限于)显示装置、打印机及/或其类似者。处理器1210可包含(例如)智能硬件装置,例如,例如由Corporation或制造的中央处理单元的中央处理单元(CPU)、微控制器、ASIC等。还可利用其它处理器类型。
计算机系统1200可进一步包含一或多个非暂时性存储装置1225(及/或与一或多个非暂时性存储装置1225通信),所述非暂时性存储装置1225可包括(不限于)本地及/或网络可存取存储器,及/或可包含(但不限于)磁盘驱动器、驱动器阵列、光学存储装置、例如随机存取存储器(“RAM”)及/或只读存储器(“ROM”)的固态存储装置,其可是可编程的、可快闪更新的及/或其类似者。此存储装置可经配置以实施任何适当数据存储器,包含(但不限于)各种文件系统、数据库结构及/或其类似者。
计算机系统1200还可能包含通信子系统1230及/或其类似者,所述通信子系统1230可包含(但不限于)调制解调器、网卡(无线或有线)、红外线通信装置、无线通信装置及/或芯片集(例如,BluetoothTM装置、802.11装置、WiFi装置、WiMax装置、蜂窝式通信设施等)等等。通信子系统1230可准许与网络(例如,下文所描述的网络,举一个实例)、其它计算机系统及/或本文中所描述的任何其它装置交换数据。在许多实施例中,计算机系统1200将进一步包括工作存储器1235,如上文所描述,所述工作存储器1235可包含RAM或ROM装置。
如本文中所描述,计算机系统1200还可包括包含操作系统1240、装置驱动程序、可执行库及/或例如一或多个应用程序1245的其它代码的展示为当前位于工作存储器1235内的软件元件,应用程序1245可包括由各种实施例提供的计算机程序及/或可经设计以实施由其它实施例提供的方法及/或配置由其它实施例提供的系统。仅以实例说明,关于上文所论述的方法描述的一或多个过程可能实施为由计算机(及/或计算机内的处理器)可执行的代码及/或指令,且此代码及/或此些指令可用以配置及/或调适通用计算机(或其它装置)来执行根据所描述方法的一或多个操作。
此些指令及/或代码的集合可能存储于计算机可读存储媒体上,例如上文所描述的存储装置1225上。在一些状况下,存储媒体可能并入于例如系统1200的计算机系统内。在其它实施例中,存储媒体可能与计算机系统分离(例如,例如压缩光盘的可装卸媒体),及/或提供于安装套件中,使得存储媒体可用以通过存储于存储媒体上的指令/代码来编程、配置及/或调适通用计算机。此些指令可能采用由计算机系统1200可执行的可执行代码的形式,及/或可能采用源及/或可安装代码的形式,所述源及/或可安装代码在编译及/或安装于计算机系统1200上(例如,使用多种通常可用编译器、安装程序、压缩/解压缩设施等)之后接着采用可执行代码的形式。
根据特定需要可进行实质变化。举例来说,可能还使用定制硬件,及/或可能以硬件、软件(包含例如小程序的便携式软件等)来实施特定元件或两者。另外,可使用到例如网络输入/输出装置的其它计算装置的连接。
计算机系统(例如,计算机系统1200)可用以执行根据本发明的方法。此些方法的过程中的一些或全部可响应于处理器1210执行含于工作存储器1235中的一或多个指令的一或多个序列(其可能并入于操作系统1240及/或例如应用程序1245的其它代码中)而由计算机系统1200来执行。此些指令可从例如存储装置1225中的一或多者的另一计算机可读媒体读取到工作存储器1235中。仅以实例说明,含于工作存储器1235中的指令序列的执行可能使得处理器1210执行本文中所描述的方法的一或多个过程。
如本文中所使用的术语“机器可读媒体”及“计算机可读媒体”指参与提供数据的任何媒体,所述数据使得机器以特定样式操作。在使用计算机系统1200实施的实施例中,各种计算机可读媒体可能涉及于将指令/代码提供到处理器1210以供执行中,及/或可能用以存储及/或载送此些指令/代码(例如,作为信号)。在许多实施中,计算机可读媒体是物理及/或有形存储媒体。此媒体可采用许多形式,包含但不限于非易失性媒体、易失性媒体及传输媒体。非易失性媒体包含(例如)光盘及/或磁盘,例如存储装置1225。易失性媒体包含(但不限于)动态存储器,例如工作存储器1235。传输媒体包含(但不限于)同轴缆线、铜导线及光纤(包含包括总线1205的导线),以及通信子系统1230的各种组件(及/或通信子系统1230提供与其它装置的通信的媒体)。因此,传输媒体还可呈波的形式(包含但不限于无线电波、声波及/或光波,例如在无线电波及红外线数据通信期间产生的波)。
物理及/或有形计算机可读媒体的常见形式包含(例如)软盘、软磁盘、硬盘、磁带或任何其它磁性媒体、CD-ROM、蓝光光盘、任何其它光学媒体、穿孔卡、纸带、具有孔洞的图案的任何其它物理媒体、RAM、PROM、EPROM、快闪EPROM、任何其它存储器芯片或磁头、如下文所描述的载波,或计算机可读取指令及/或代码的任何其它媒体。
各种形式的计算机可读媒体可涉及将一或多个指令的一或多个序列载送到处理器1210以供执行。仅以实例说明,指令可最初载送于远程计算机的磁盘及/或光盘上。远程计算机可能将指令载入到其动态存储器中,且经由传输媒体发送指令作为信号以由计算机系统1200接收及/或执行。根据本发明的各种实施例,可能呈电磁信号、声波信号、光学信号及/或其类似者的形式的此些信号为可将指令编码于上面的载波的所有实例。
通信子系统1230(及/或其组件)通常将接收信号,且总线1205接着可能将信号(及/或信号载送的数据、指令等)载送到工作处理器1235,处理器1205从工作存储器1235检索并执行指令。通过工作存储器1235接收到的指令视需要在通过处理器1210执行之前或之后被存储于存储装置1225上。
上文所论述的方法、系统及装置为实例。各种替代性配置在适当时可省略、取代或添加各种过程或组件。举例来说,在替代性方法中,阶段可以不同于上文所论述的次序来执行,且可添加、省略或组合各种阶段。而且,关于某些配置描述的特征可在各种其它配置中进行组合。配置的不同方面及元件可以类似方式进行组合。而且,技术演进,且因此许多元件为实例且不限制本发明或权利要求书的范围。
在描述内容中给出特定细节来提供实例配置(包含实施方案)的透彻理解。然而,可在无此些特定细节情况下实践配置。举例来说,熟知电路、过程、算法、结构及技术已在无不必要细节情况下经展示以便避免使配置混淆。此描述内容提供仅实例配置,且并不限制权利要求书的范围、适用性或配置。确切来说,配置的前述描述将向熟习此项技术者提供用于实施所描述技术的致能描述。可进行元件的功能及布置上的各种改变而不偏离本发明的精神或范围。
可将配置描述为经描绘为流程图或框图的过程。尽管每一过程可将操作描述为顺序过程,但操作中的许多者可并行或同时地执行。此外,可重排所述操作的次序。过程可具有不包含于图中的额外步骤。此外,方法的实例可通过硬件、软件、固件、中间件、微码、硬件描述语言或其任何组合来实施。在以软件、固件、中间件或微码实施时,执行必要任务的代码或码段可存储于例如存储媒体的非暂时性计算机可读媒体中。处理器可执行所描述任务。
如本文中(包含权利要求书中)所使用,如用于通过“……的至少一者”作序的项目列表中的“或”指示分离性列表,使得例如,“A、B或C中的至少一者”的列表意谓A或B或C或AB或AC或BC或ABC(即,A及B及C),或具有一个以上特征的组合(例如,AA、AAB、ABBC等)。
如本文中(包含权利要求书中)所使用,除非以其它方式陈述,否则功能或操作“基于”项目或条件的陈述意谓,功能或操作基于所陈述的项目或条件,且可基于除所陈述项目或条件外的一或多个项目及/或条件。
可使用已描述的若干实例配置、各种修改、替代性构造及等效物而不偏离本发明的精神。举例来说,以上元件可为较大系统的组件,其中其它规则可优先于本发明的应用或以其它方式修改本发明的应用。而且,在考虑以上元件之前、期间或之后可采用数个步骤。因此,以上描述内容并不限制权利要求书的范围。

Claims (51)

1.一种用于管理上下文分类的方法,所述方法包括:
接收对所述上下文分类的请求及与所述请求相关联的粒度输入;
基于所述粒度输入从多个配置参数选择用于所述上下文分类的配置参数,所述多个配置参数定义至少一个上下文分类技术中的每一者的资源使用层级,所述配置参数包括由所述粒度输入指示的不同粒度等级的不同值;及
使得分类器响应于所述请求通过根据所述上下文分类的所选择的配置参数对从数据源收集的数据进行分类来执行所述上下文分类;
其中指示较高粒度等级的粒度输入的配置参数与较高资源使用层级相关联,且指示较低粒度等级的粒度输入的配置参数与较低资源使用层级相关联。
2.根据权利要求1所述的方法,其进一步包括:
从所述分类器获得所述上下文分类的结果;及
将所述结果转递到从其接收到所述请求的实体。
3.根据权利要求1所述的方法,其中所述所选择的配置参数包括所利用的传感器特征的数目或所述分类器的工作循环中的至少一者。
4.根据权利要求1所述的方法,其中所述粒度输入是选自粒度设定的预定集合。
5.根据权利要求1所述的方法,其进一步包括:
识别所述上下文分类的可用输出子集;及
将粒度等级指派给所述可用输出子集中的相应子集。
6.根据权利要求5所述的方法,其中:
所述接收包括接收粒度输入,所述粒度输入包括所述上下文分类的所述可用输出子集中的一者;且
所述使得包括使得所述分类器通过从所述所接收的可用输出子集中选择输出作为所述粒度输入而执行所述上下文分类。
7.根据权利要求1所述的方法,其中所述上下文分类包括运动状态分类、位置状态分类或音频状态分类中的一或多者。
8.根据权利要求1所述的方法,其中所述接收包括在应用程序编程接口API处从发出请求的应用程序接收对所述上下文分类的所述请求。
9.一种用于以可调整粒度执行上下文分类的方法,所述方法包括:
接收对所述上下文分类的请求及与所述请求相关联的粒度输入;
基于所述粒度输入从多个配置参数选择用于所述上下文分类的配置参数,所述多个配置参数定义至少一个上下文分类技术中的每一者的资源使用层级,所述配置参数包括由所述粒度输入指示的不同粒度等级的不同值,其中指示较高粒度等级的粒度输入的配置参数与较高资源使用层级相关联,且指示较低粒度等级的粒度输入的配置参数与较低资源使用层级相关联;及
通过根据所述上下文分类的所选择的配置参数对从数据源收集的数据进行分类来执行所述上下文分类。
10.根据权利要求9所述的方法,其中所述所选择的配置参数包括所利用的传感器特征的数目或分类的频率中的至少一者。
11.根据权利要求9所述的方法,其中所述粒度输入是选自预定粒度设定集合。
12.根据权利要求11所述的方法,其中选择用于所述上下文分类的所述配置参数包括:
获得分类器配置参数集合,其中分类器配置所述参数集合中的相应集合指示资源使用层级与所述粒度设定集合中的对应粒度设定之间的指派;及
将经指派给所述所接收的粒度输入的所述分类器配置参数集合选择为用于所述上下文分类的所述配置参数。
13.根据权利要求9所述的方法,其进一步包括:
识别所述上下文分类的可用输出子集;及
将所述可用输出子集中的相应子集指派给相应分类器粒度配置,其中所述分类器粒度配置定义对应的资源使用层级。
14.根据权利要求13所述的方法,其中:
所述接收包括接收粒度输入,所述粒度输入包括所述可用输出子集中的一者;且
执行所述上下文分类包括使用指派给作为所述粒度输入接收到的所述可用输出子集的所述分类器粒度配置来执行所述上下文分类。
15.根据权利要求9所述的方法,其中所述上下文分类包括运动状态分类、位置状态分类或音频状态分类中的一或多者。
16.根据权利要求9所述的方法,其中所述接收包括从应用程序编程接口API接收对上下文分类的所述请求及所述粒度输入。
17.根据权利要求16所述的方法,其进一步包括将所述上下文分类的输出传回到所述API。
18.根据权利要求16所述的方法,其中:
对所述上下文分类的所述请求起源于发出请求的应用程序;且
所述方法进一步包括将所述上下文分类的输出传回到所述发出请求的应用程序。
19.一种用于以可调整粒度执行上下文分类的设备,所述设备包括:
分类器控制器,其经配置以接收对上下文分类的请求及与所述请求相关联的粒度输入;及
上下文分类器,其通信地耦合到所述分类器控制器且经配置以:
从所述分类器控制器接收所述请求及所述粒度输入,
基于所述粒度输入从多个配置参数选择用于所述上下文分类的配置参数,所述多个配置参数定义至少一个上下文分类技术中的每一者的资源使用层级,所述配置参数包括由所述粒度输入指示的不同粒度等级的不同值,其中指示较高粒度等级的粒度输入的配置参数与较高资源使用层级相关联,且指示较低粒度等级的粒度输入的配置参数与较低资源使用层级相关联,及
通过根据所述上下文分类的所选择的配置参数对从数据源收集的数据进行分类而在所述所选择的资源使用层级执行所述上下文分类。
20.根据权利要求19所述的设备,其中所述分类器控制器经进一步配置以从所述分类器获得所述上下文分类的结果,且将所述结果转递到从其接收到所述请求的实体。
21.根据权利要求19所述的设备,其中所述所选择的配置参数包括所利用的传感器特征的数目或所述分类器的工作循环中的至少一者。
22.根据权利要求19所述的设备,其中所述粒度输入是选自预定粒度设定集合。
23.根据权利要求22所述的设备,其中所述上下文分类器经进一步配置以获得分类器配置参数集合:
其中所述分类器配置参数集合中的相应集合指示资源使用层级与所述粒度设定集合中的对应粒度设定之间的指派;且
将经指派给所述所接收的粒度输入的所述分类器配置参数集合选择为用于所述上下文分类的所述所选择的配置参数。
24.根据权利要求19所述的设备,其中所述粒度输入包括所述上下文分类的可用输出子集。
25.根据权利要求24所述的设备,其中所述上下文分类器经进一步配置以将作为所述粒度输入接收到的所述可用输出的所述子集指派给分类器粒度配置,所述分类器粒度配置定义所述所选择的资源使用层级。
26.根据权利要求25所述的设备,其中所述上下文分类器经进一步配置以通过从作为所述粒度输入接收到的所述可用输出子集中选择输出而执行所述上下文分类。
27.根据权利要求19所述的设备,其中所述上下文分类器包括运动状态分类器、位置状态分类器或音频状态分类器中的一或多者。
28.根据权利要求19所述的设备,其中所述分类器控制器包括应用程序编程接口API,且经进一步配置以从发出请求的应用程序接收对所述上下文分类的所述请求。
29.根据权利要求28所述的设备,其中所述上下文分类器经进一步配置以将所述上下文分类的结果提供到所述API或所述发出请求的应用程序中的至少一者。
30.根据权利要求19所述的设备,其进一步包括通信地耦合到所述上下文分类器的一或多个数据源,其中所述上下文分类器经配置以基于从所述数据源取样的数据执行所述上下文分类。
31.根据权利要求30所述的设备,其中所述数据源包括以下各者中的至少一者:音频传感器、位置传感器、网络传感器、运动传感器、行事历、时钟、装置使用统计集合,或光传感器。
32.一种用于管理上下文分类的设备,所述设备包括:
用于接收对所述上下文分类的请求及与所述请求相关联的粒度输入的装置;
用于基于所述粒度输入从多个配置参数选择用于所述上下文分类的配置参数的装置,所述多个配置参数定义至少一个上下文分类技术中的每一者的资源使用层级,所述配置参数包括由所述粒度输入指示的不同粒度等级的不同值;及
用于使得分类器响应于所述请求通过根据所述上下文分类的所选择的配置参数对从数据源收集的数据进行分类来执行所述上下文分类的装置;
其中指示较高粒度等级的粒度输入的配置参数与较高资源使用层级相关联,且指示较低粒度等级的粒度输入的配置参数与较低资源使用层级相关联。
33.根据权利要求32所述的设备,其中所述所选择的配置参数包括所利用的传感器特征的数目或所述分类器的工作循环中的至少一者。
34.根据权利要求32所述的设备,其中所述粒度输入是选自预定粒度设定集合。
35.根据权利要求32所述的设备,其中所述粒度输入包括所述上下文分类的可用输出子集。
36.根据权利要求32所述的设备,其中所述上下文分类包括运动状态分类、位置状态分类或音频状态分类中的一或多者。
37.一种用于以可调整粒度执行上下文分类的设备,所述设备包括:
用于接收对所述上下文分类的请求及与所述请求相关联的粒度输入的装置;
用于基于所述粒度输入从多个配置参数选择用于所述上下文分类的配置参数的装置,所述多个配置参数定义至少一个上下文分类技术中的每一者的资源使用层级,所述配置参数包括由所述粒度输入指示的不同粒度等级的不同值,其中指示较高粒度等级的粒度输入的配置参数与较高资源使用层级相关联,且指示较低粒度等级的粒度输入的配置参数与较低资源使用层级相关联;及
用于通过根据所述上下文分类的所选择的配置参数对从数据源收集的数据进行分类来执行所述上下文分类的装置。
38.根据权利要求37所述的设备,其中所述所选择的配置参数包括所利用的传感器特征的数目或分类的频率中的至少一者。
39.根据权利要求37所述的设备,其中所述粒度输入是选自预定粒度设定集合。
40.根据权利要求37所述的设备,其中所述粒度输入包括所述上下文分类的可用输出子集。
41.根据权利要求37所述的设备,其中所述上下文分类包括运动状态分类、位置状态分类或音频状态分类中的一或多者。
42.根据权利要求37所述的设备,其进一步包括用于将所述上下文分类的结果传回到对所述上下文分类的所述请求的源的装置。
43.一种处理器可执行计算机存储媒体,其包括经配置以使得处理器进行以下操作的处理器可执行指令:
接收对上下文分类的请求及与所述请求相关联的粒度输入;
基于所述粒度输入从多个配置参数选择用于所述上下文分类的配置参数,所述多个配置参数定义至少一个上下文分类技术中的每一者的资源使用层级,所述配置参数包括由所述粒度输入指示的不同粒度等级的不同值;及
使得分类器响应于所述请求通过根据所述上下文分类的所选择的配置参数对从数据源收集的数据进行分类来执行所述上下文分类;
其中指示较高粒度等级的粒度输入的配置参数与较高资源使用层级相关联,且指示较低粒度等级的粒度输入的配置参数与较低资源使用层级相关联。
44.根据权利要求43所述的处理器可执行计算机存储媒体,其中所述所选择的配置参数包括所利用的传感器特征的数目或所述分类器的工作循环中的至少一者。
45.根据权利要求43所述的处理器可执行计算机存储媒体,其中所述粒度输入是选自预定粒度设定集合。
46.根据权利要求43所述的处理器可执行计算机存储媒体,其中所述粒度输入包括所述上下文分类的可用输出子集。
47.一种处理器可执行计算机存储媒体,其包括经配置以使得处理器进行以下操作的处理器可执行指令:
接收对上下文分类的请求及与所述请求相关联的粒度输入;
基于所述粒度输入从多个配置参数选择用于所述上下文分类的配置参数,所述多个配置参数定义至少一个上下文分类技术中的每一者的资源使用层级,所述配置参数包括由所述粒度输入指示的不同粒度等级的不同值,其中指示较高粒度等级的粒度输入的配置参数与较高资源使用层级相关联,且指示较低粒度等级的粒度输入的配置参数与较低资源使用层级相关联;及
通过根据所述上下文分类的所选择的配置参数对从数据源收集的数据进行分类来执行所述上下文分类。
48.根据权利要求47所述的处理器可执行计算机存储媒体,其中所述所选择的配置参数包括所利用的传感器特征的数目或分类的频率中的至少一者。
49.根据权利要求47所述的处理器可执行计算机存储媒体,其中所述粒度输入是选自预定粒度设定集合。
50.根据权利要求47所述的处理器可执行计算机存储媒体,其中所述粒度输入包括所述上下文分类的可用输出子集。
51.根据权利要求47所述的处理器可执行计算机存储媒体,其进一步包括经配置以使得所述处理器将所述上下文分类的结果传回到对所述上下文分类的所述请求的源的指令。
CN201480013410.8A 2013-03-15 2014-02-20 用于功率效率分类的经应用控制的粒度 Active CN105190474B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US13/835,596 2013-03-15
US13/835,596 US9679252B2 (en) 2013-03-15 2013-03-15 Application-controlled granularity for power-efficient classification
PCT/US2014/017236 WO2014143515A1 (en) 2013-03-15 2014-02-20 Application-controlled granularity for power-efficient classification

Publications (2)

Publication Number Publication Date
CN105190474A CN105190474A (zh) 2015-12-23
CN105190474B true CN105190474B (zh) 2018-08-28

Family

ID=50272726

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201480013410.8A Active CN105190474B (zh) 2013-03-15 2014-02-20 用于功率效率分类的经应用控制的粒度

Country Status (8)

Country Link
US (1) US9679252B2 (zh)
EP (1) EP2972657B1 (zh)
JP (1) JP6410787B2 (zh)
KR (1) KR101831230B1 (zh)
CN (1) CN105190474B (zh)
BR (1) BR112015023491A2 (zh)
TW (1) TWI533124B (zh)
WO (1) WO2014143515A1 (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10600007B2 (en) * 2014-08-04 2020-03-24 International Business Machines Corporation Auto-analyzing spatial relationships in multi-scale spatial datasets for spatio-temporal prediction
US10552746B2 (en) 2014-09-25 2020-02-04 International Business Machines Corporation Identification of time lagged indicators for events with a window period
JP6617744B2 (ja) * 2017-04-05 2019-12-11 トヨタ自動車株式会社 車両システム
JP7142420B2 (ja) * 2017-07-10 2022-09-27 キヤノン株式会社 画像処理装置、学習方法、学習済モデル、画像処理方法
US11027743B1 (en) * 2020-03-31 2021-06-08 Secondmind Limited Efficient computational inference using gaussian processes

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2293016A2 (en) * 2009-08-27 2011-03-09 Palm, Inc. Power saving system and method for mobile computing device
CN102474293A (zh) * 2009-08-07 2012-05-23 三星电子株式会社 提供适合当前场景的环境的便携式终端及其操作方法
CN102902349A (zh) * 2012-11-08 2013-01-30 山东大学 一种通过触点动态采样技术降低嵌入式系统功耗的方法

Family Cites Families (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6115702A (en) 1997-12-23 2000-09-05 Hughes Electronics Corporation Automatic determination of report granularity
US6594313B1 (en) 1998-12-23 2003-07-15 Intel Corporation Increased video playback framerate in low bit-rate video applications
US20020138492A1 (en) * 2001-03-07 2002-09-26 David Kil Data mining application with improved data mining algorithm selection
US7203635B2 (en) 2002-06-27 2007-04-10 Microsoft Corporation Layered models for context awareness
US20060265712A1 (en) 2005-05-18 2006-11-23 Docomo Communications Laboratories Usa, Inc. Methods for supporting intra-document parallelism in XSLT processing on devices with multiple processors
US7580974B2 (en) 2006-02-16 2009-08-25 Fortinet, Inc. Systems and methods for content type classification
EP1939797A1 (en) * 2006-12-23 2008-07-02 NTT DoCoMo, Inc. Method and apparatus for automatically determining a semantic classification of context data
US8010658B2 (en) 2007-02-09 2011-08-30 Raytheon Company Information processing system for classifying and/or tracking an object
US20090195382A1 (en) * 2008-01-31 2009-08-06 Sensormatic Electronics Corporation Video sensor and alarm system and method with object and event classification
WO2009104721A1 (ja) 2008-02-21 2009-08-27 日本電気株式会社 携帯端末コンテキスト効率利用方法とシステム
US8412525B2 (en) 2009-04-30 2013-04-02 Microsoft Corporation Noise robust speech classifier ensemble
US20110225043A1 (en) 2010-03-12 2011-09-15 Yahoo! Inc. Emotional targeting
US20110310005A1 (en) 2010-06-17 2011-12-22 Qualcomm Incorporated Methods and apparatus for contactless gesture recognition
JP5495235B2 (ja) * 2010-12-02 2014-05-21 株式会社日立製作所 監視対象者の行動を監視する装置及び方法
US20120252490A1 (en) 2011-04-04 2012-10-04 Brian Hernacki Location Discovery

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102474293A (zh) * 2009-08-07 2012-05-23 三星电子株式会社 提供适合当前场景的环境的便携式终端及其操作方法
EP2293016A2 (en) * 2009-08-27 2011-03-09 Palm, Inc. Power saving system and method for mobile computing device
CN102902349A (zh) * 2012-11-08 2013-01-30 山东大学 一种通过触点动态采样技术降低嵌入式系统功耗的方法

Also Published As

Publication number Publication date
EP2972657A1 (en) 2016-01-20
EP2972657B1 (en) 2020-03-18
JP2016516235A (ja) 2016-06-02
TW201441812A (zh) 2014-11-01
KR20150132248A (ko) 2015-11-25
JP6410787B2 (ja) 2018-10-24
WO2014143515A1 (en) 2014-09-18
KR101831230B1 (ko) 2018-02-22
US9679252B2 (en) 2017-06-13
TWI533124B (zh) 2016-05-11
CN105190474A (zh) 2015-12-23
BR112015023491A2 (pt) 2017-07-18
US20140279786A1 (en) 2014-09-18

Similar Documents

Publication Publication Date Title
US9740773B2 (en) Context labels for data clusters
CN110032670A (zh) 时序数据的异常检测方法、装置、设备及存储介质
CN105190474B (zh) 用于功率效率分类的经应用控制的粒度
JP2018528505A (ja) モバイルデバイスのロケーション履歴記録を提供、編成、および管理すること
CN111080207A (zh) 订单处理方法、装置、设备及存储介质
CN110471858A (zh) 应用程序测试方法、装置及存储介质
US20180357321A1 (en) Sequentialized behavior based user guidance
CN111819868A (zh) 改进的地理围栏选择系统
CN104285427A (zh) 根据通过使不同数据源相关确定的上下文配置终端装置
CN111144822A (zh) 出库时长确定方法、装置、计算机设备及存储介质
CN109784351A (zh) 数据分类方法、分类模型训练方法及装置
CN111078521A (zh) 异常事件的分析方法、装置、设备、系统及存储介质
CN113505256B (zh) 特征提取网络训练方法、图像处理方法及装置
US20190171732A1 (en) Systems and methods for evaluating accuracy of place data based on context
CN108235234A (zh) 提供位置数据的电子设备和方法
CN107665232A (zh) 检测类似应用的方法及其适配的电子装置
CN108876614A (zh) 用于贵金属领域的数据预测方法、装置及存储介质
CN108293175A (zh) 装置和用于提供其切换的方法
CN114879879B (zh) 一种显示健康码的方法、电子设备及存储介质
CN111159551A (zh) 用户生成内容的显示方法、装置及计算机设备
CN113420217A (zh) 生成文案的方法、装置、电子设备和计算机可读存储介质
CN113592198B (zh) 需求参考信息的确定方法、服务器及终端
CN115550843A (zh) 一种定位方法及相关设备
CN116307011A (zh) 预测模型的更新方法、装置、设备及存储介质
CN115293686A (zh) 配送范围的确定方法、装置、设备及计算机可读存储介质

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant