CN107958273A - 音量调节方法、装置及存储介质 - Google Patents

音量调节方法、装置及存储介质 Download PDF

Info

Publication number
CN107958273A
CN107958273A CN201711352003.1A CN201711352003A CN107958273A CN 107958273 A CN107958273 A CN 107958273A CN 201711352003 A CN201711352003 A CN 201711352003A CN 107958273 A CN107958273 A CN 107958273A
Authority
CN
China
Prior art keywords
false touch
sample
mobile terminal
grader
touch
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.)
Granted
Application number
CN201711352003.1A
Other languages
English (en)
Other versions
CN107958273B (zh
Inventor
李国盛
刘颖红
刘佳
魏学志
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.)
Beijing Xiaomi Mobile Software Co Ltd
Original Assignee
Beijing Xiaomi Mobile Software Co Ltd
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 Beijing Xiaomi Mobile Software Co Ltd filed Critical Beijing Xiaomi Mobile Software Co Ltd
Priority to CN201711352003.1A priority Critical patent/CN107958273B/zh
Publication of CN107958273A publication Critical patent/CN107958273A/zh
Application granted granted Critical
Publication of CN107958273B publication Critical patent/CN107958273B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
    • G06F3/0484—Interaction techniques based on graphical user interfaces [GUI] for the control of specific functions or operations, e.g. selecting or manipulating an object, an image or a displayed text element, setting a parameter value or selecting a range
    • G06F3/04847—Interaction techniques to control parameter settings, e.g. interaction with sliders or dials
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
    • G06F3/0487—Interaction techniques based on graphical user interfaces [GUI] using specific features provided by the input device, e.g. functions controlled by the rotation of a mouse with dual sensing arrangements, or of the nature of the input device, e.g. tap gestures based on pressure sensed by a digitiser
    • G06F3/0488—Interaction techniques based on graphical user interfaces [GUI] using specific features provided by the input device, e.g. functions controlled by the rotation of a mouse with dual sensing arrangements, or of the nature of the input device, e.g. tap gestures based on pressure sensed by a digitiser using a touch-screen or digitiser, e.g. input of commands through traced gestures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/16—Sound input; Sound output
    • G06F3/165—Management of the audio stream, e.g. setting of volume, audio stream path
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/16—Sound input; Sound output
    • G06F3/167—Audio in a user interface, e.g. using voice commands for navigating, audio feedback

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Human Computer Interaction (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Multimedia (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • User Interface Of Digital Computer (AREA)
  • Telephone Function (AREA)

Abstract

本公开关于一种音量调节方法、装置及存储介质，属于计算机技术领域。所述方法包括：获取多个样本移动终端的状态样本集，状态样本集包括多个样本移动终端接收到误触的触控操作的过程中采集的n个误触状态样本，和，在多个样本移动终端接收到非误触的触控操作的过程中采集的m个非误触状态样本，触控操作用于指示调节虚拟音量键；确定分类算法；以状态样本集为训练数据，根据分类算法训练得到分类器；向待检测移动终端发送分类器，待检测移动终端用于根据待检测移动终端的状态样本，基于分类器，判断待检测移动终端接收到的触控操作是否是误触的。本公开解决了响应误触的触控操作的问题，提高了音量调节的准确性。

Description

音量调节方法、装置及存储介质
技术领域
本公开涉及计算机技术领域，特别涉及一种音量调节方法、装置及存储介质。
背景技术
基于用户对智能设备超薄化的需求，大多数智能设备采用基于触摸的虚拟音量键代替实体音量键。
在通过虚拟音量键调节音量时，终端中的触控芯片通过电容信号检测到用户的手指触摸到智能设备的边缘时，将接触点的坐标发送给处理器，处理器在确定该坐标位于虚拟音量键的坐标区域内时，将该触控操作确定为调节音量的操作，并将该触控操作发送给应用程序，应用程序根据该触控操作调节音量。
发明内容
为解决相关技术中的问题，本公开提供了一种音量调节方法、装置及存储介质。
根据本公开实施例的第一方面，提供一种音量调节方法，所述方法包括：
获取多个样本移动终端的状态样本集，所述状态样本集包括所述多个样本移动终端接收到误触的触控操作的过程中采集的n个误触状态样本，和，在所述多个样本移动终端接收到非误触的触控操作的过程中采集的m个非误触状态样本，所述触控操作用于指示调节虚拟音量键，所述n和m均为大于0的整数；
确定分类算法；
以所述状态样本集为训练数据，根据所述分类算法训练得到分类器；
向待检测移动终端发送所述分类器，所述待检测移动终端用于根据所述待检测移动终端的状态样本，基于所述分类器，判断所述待检测移动终端接收到的触控操作是否是误触的。
可选的，所述获取样本移动终端的状态样本集，包括：
获取所述多个样本移动终端接收到误触的触控操作的过程中采集的多个误触状态样本；
获取所述多个样本移动终端接收到非误触的触控操作的过程中采集的多个非误触状态样本；
对所述多个误触状态样本和所述多个非误触状态样本进行格式校验处理和缺失值补全处理后得到所述状态样本集。
可选的，所述向待检测移动终端发送所述分类器，包括：
对所述分类器进行格式转换，使所述分类器能够适用于移动终端的运行环境；
向所述待检测移动终端发送格式转换后的所述分类器。
可选的，所述分类算法为决策树算法、逻辑回归算法和支持向量机算法中的任意一种。
可选的，所述n个误触状态样本中的任一误触状态样本包括p个特征参数，和，用于指示所述任一误触状态样本的类别为误触的标签，所述p为大于0的整数。
可选的，所述m个非误触状态样本中的任一非误触状态样本包括p个特征参数和用于指示所述任一非误触状态样本的类别为非误触的标签，所述p为大于0的整数。
可选的，所述p个特征参数包括：加速度传感器的变化量、距离传感器的状态信息、用户的手指与所述移动终端的边缘区域的接触面积、接触位置、接触时长、接触时产生的电容值、所述手指与所述边缘区域的第一接触面积和与显示区域的第二接触面积的比值中的至少一种。
根据本公开实施例的第二方面，提供一种音量调节方法，所述方法包括：
接收分类器生成装置发送的分类器，所述分类器是所述分类器生成装置以状态样本集作为训练数据，根据分类算法训练得到的用于确定待检测移动终端接收到的触控操作是否是误触的分类器，所述状态样本集中包括在样本移动终端接收到误触的触控操作的过程中采集的n个误触状态样本，和在所述样本移动终端接收到非误触的触控操作的过程中采集的m个非误触状态样本，所述n和m均为大于0的整数；
获取所述待检测移动终端当前时刻的状态样本；
将所述状态样本输入所述分类器；
获取所述分类器根据所述当前时刻的状态样本输出的标签，所述标签用于指示所述状态样本的类别，所述状态样本的类别为误触或非误触。
可选的，所述方法还包括：
在所述输出的标签指示所述状态样本的类别为非误触时，根据所述触控操作调节所述虚拟音量键的音量。
根据本公开实施例的第三方面，提供一种音量调节装置，所述装置包括：
样本集获取模块，被配置为获取多个样本移动终端的状态样本集，所述状态样本集包括所述多个样本移动终端接收到误触的触控操作的过程中采集的n个误触状态样本，和，在所述多个样本移动终端接收到非误触的触控操作的过程中采集的m个非误触状态样本，所述触控操作用于指示调节虚拟音量键，所述n和m均为大于0的整数；
算法确定模块，被配置为确定分类算法；
分类器训练模块，被配置为以所述样本集获取模块得到的所述状态样本集为训练数据，根据所述算法确定模块确定的所述分类算法训练得到分类器；
发送模块，被配置为向待检测移动终端发送所述分类器训练模块得到的所述分类器，所述待检测移动终端用于根据所述待检测移动终端的状态样本，基于所述分类器，判断所述待检测移动终端接收到的触控操作是否是误触的。
可选的，所述获样本集获取模块，被配置为：
获取所述多个样本移动终端接收到误触的触控操作的过程中采集的多个误触状态样本；
获取所述多个样本移动终端接收到非误触的触控操作的过程中采集的多个非误触状态样本；
对所述多个误触状态样本和所述多个非误触状态样本进行格式校验处理和缺失值补全处理后得到所述状态样本集。
可选的，所述发送模块，被配置为：
对所述分类器进行格式转换，使所述分类器能够适用于移动终端的运行环境；
向所述待检测移动终端发送格式转换后的所述分类器。
可选的，所述分类算法为决策树算法、逻辑回归算法和支持向量机算法中的任意一种。
可选的，所述n个误触状态样本中的任一误触状态样本包括p个特征参数，和，用于指示所述任一误触状态样本的类别为误触的标签，所述p为大于0的整数。
可选的，所述m个非误触状态样本中的任一非误触状态样本包括p个特征参数和用于指示所述任一非误触状态样本的类别为非误触的标签，所述p为大于0的整数。
可选的，所述p个特征参数包括：加速度传感器的变化量、距离传感器的状态信息、用户的手指与所述移动终端的边缘区域的接触面积、接触位置、接触时长、接触时产生的电容值、所述手指与所述边缘区域的第一接触面积和与显示区域的第二接触面积的比值中的至少一种。
根据本公开实施例的第四方面，提供一种音量调节装置，所述装置包括：
接收模块，被配置为接收分类器生成装置发送的分类器，所述分类器是所述分类器生成装置以状态样本集作为训练数据，根据分类算法训练得到的用于确定待检测移动终端接收到的触控操作是否是误触的分类器，所述状态样本集中包括在样本移动终端接收到误触的触控操作的过程中采集的n个误触状态样本，和在所述样本移动终端接收到非误触的触控操作的过程中采集的m个非误触状态样本，所述n和m均为大于0的整数；
样本获取模块，被配置为获取所述待检测移动终端当前时刻的状态样本；
输入模块，被配置为将所述样本获取模块得到的所述状态样本输入所述接收模块接收到的所述分类器；
标签获取模块，被配置为获取所述分类器根据所述当前时刻的状态样本输出的标签，所述标签用于指示所述状态样本的类别，所述状态样本的类别为误触或非误触。
可选的，所述装置还包括：
音量调节模块，被配置为在所述输出的标签指示所述状态样本的类别为非误触时，根据所述触控操作调节所述虚拟音量键的音量。
根据本公开实施例的第五方面，提供一种音量调节装置，所述装置包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为：
获取多个样本移动终端的状态样本集，所述状态样本集包括所述多个样本移动终端接收到误触的触控操作的过程中采集的n个误触状态样本，和，在所述多个样本移动终端接收到非误触的触控操作的过程中采集的m个非误触状态样本，所述触控操作用于指示调节虚拟音量键，所述n和m均为大于0的整数；
确定分类算法；
以所述状态样本集为训练数据，根据所述分类算法训练得到分类器；
向待检测移动终端发送所述分类器，所述待检测移动终端用于根据所述待检测移动终端的状态样本，基于所述分类器，判断所述待检测移动终端接收到的触控操作是否是误触的。
根据本公开实施例的第六方面，提供一种音量调节装置，所述装置包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为：
接收分类器生成装置发送的分类器，所述分类器是所述分类器生成装置以状态样本集作为训练数据，根据分类算法训练得到的用于确定待检测移动终端接收到的触控操作是否是误触的分类器，所述状态样本集中包括在样本移动终端接收到误触的触控操作的过程中采集的n个误触状态样本，和在所述样本移动终端接收到非误触的触控操作的过程中采集的m个非误触状态样本，所述n和m均为大于0的整数；
获取所述待检测移动终端当前时刻的状态样本；
将所述状态样本输入所述分类器；
获取所述分类器根据所述当前时刻的状态样本输出的标签，所述标签用于指示所述状态样本的类别，所述状态样本的类别为误触或非误触。
根据本公开实施例的第七方面，提供一种计算机可读存储介质，所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如第一方面所述的音量调节方法。
根据本公开实施例的第八方面，提供一种计算机可读存储介质，所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如第二方面所述的音量调节方法。
本公开的实施例提供的技术方案可以包括以下有益效果：
通过获取多个样本移动终端的的状态样本集，并以该状态样本集作为训练数据，根据分类算法训练得到分类器，并将该分类器发送给待检测移动终端，使待检测移动终端能够根据该综合考量了多种因素的分类器来确定接收到的触控操作是否是误触。解决了响应误触的触控操作的问题，提高了音量调节的准确性。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性的，并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本公开说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。
图1是本公开实施例所涉及的一种实施环境的示意图；
图2是本公开实施例示出的一种音量调节方法的流程图；
图3是本公开实施例示出的一种音量调节方法的流程图；
图4是本公开实施例示出的一种音量调节方法的流程图；
图5是图3所示实施例中一种获取误触状态样本的流程图；
图6是图3所示实施例中一种获取非误触状态样本的流程图；
图7是图3所示实施例中一种发送分类器的流程图；
图8是本公开实施例提供的一种音量调节装置的框图；
图9是本公开实施例提供的一种音量调节装置的框图；
图10是本公开实施例提供的另一种音量调节装置的框图；
图11是根据一示例性实施例示出的一种用于音量调节的装置的框图；
图12是根据一示例性实施例示出的一种用于音量调节的装置的框图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
图1是本公开各个实施例所涉及的实施环境的示意图，该实施环境可以包括待检测移动终端11、分类器生成装置12和多个样本移动终端13。
待检测移动终端11可以是手机、平板电脑、掌上游戏机和各种智能穿戴设备。
分类器生成装置12可以是台式计算机、笔记本计算机、服务器或服务器集群等。分类器生成装置12能够通过有线或无线的方式与待检测移动终端11以及多个样本移动终端13建立连接。多个样本移动终端13可以是多个和待检测移动终端11类别或型号相同的移动终端。
图2是根据一示例性实施例示出的一种音量调节方法的流程图，该音量调节方法应用于图1所示实施环境中的分类器生成装置中，该音量调节方法包括以下步骤。
在步骤201中，获取多个样本移动终端的状态样本集，状态样本集包括多个样本移动终端接收到误触的触控操作的过程中采集的n个误触状态样本，和，在多个样本移动终端接收到非误触的触控操作的过程中采集的m个非误触状态样本，触控操作用于指示调节虚拟音量键，n和m均为大于0的整数。
在步骤202中，确定分类算法。
在步骤203中，以状态样本集为训练数据，根据分类算法训练得到分类器。
在步骤204中，向待检测移动终端发送分类器，待检测移动终端用于根据待检测移动终端的状态样本，基于分类器，判断待检测移动终端接收到的触控操作是否是误触的。
综上所述，本公开提供的音量调节方法，通过获取多个样本移动终端的的状态样本集，并以该状态样本集作为训练数据，根据分类算法训练得到分类器，并将该分类器发送给待检测移动终端，使待检测移动终端能够根据该综合考量了多种因素的分类器来确定接收到的触控操作是否是误触。解决了响应误触的触控操作的问题，提高了音量调节的准确性。
图3是根据一示例性实施例示出的一种音量调节方法的流程图，该音量调节方法应用于图1所示实施环境中的待检测移动终端中，该音量调节方法包括以下步骤。
在步骤301中，接收分类器生成装置发送的分类器，分类器是分类器生成装置以状态样本集作为训练数据，根据分类算法训练得到的用于确定待检测移动终端接收到的触控操作是否是误触的分类器，状态样本集中包括在样本移动终端接收到误触的触控操作的过程中采集的n个误触状态样本，和在样本移动终端接收到非误触的触控操作的过程中采集的m个非误触状态样本，n和m均为大于0的整数。
在步骤302中，获取待检测移动终端当前时刻的状态样本。
在步骤303中，将状态样本输入分类器。
在步骤304中，获取分类器根据当前时刻的状态样本输出的标签，标签用于指示状态样本的类别，状态样本的类别为误触或非误触。
综上所述，本公开提供的音量调节方法，通过将待测试移动终端当前时刻的状态样本输入根据分类算法和状态样本集生成的分类器，并根据该综合考量了多种因素的分类器来确定待测试移动终端接收到的触控操作是否是误触的。解决了响应误触的触控操作的问题，提高了音量调节的准确性。
图4是根据另一示例性实施例示出的一种音量调节方法的流程图，该音量调节方法应用于图1所示实施环境中的分类器生成装置和待检测移动终端中，该音量调节方法包括如下步骤。
在步骤401中，分类器生成装置获取多个样本移动终端接收到误触的触控操作的过程中采集的n个误触状态样本。
误触状态样本为样本移动终端接收到误触的触控操作的过程中采集的状态样本。分类器生成装置可以在样本移动终端接收到误触的触控操作的过程中获取n个误触状态样本。其中，n为大于0的整数。
触控操作用于指示调节虚拟音量键。比如，根据触控操作增大或减小音量。
如图5所示，步骤401可以包括下面三个子步骤：
在子步骤4011中，分类器生成装置获取多个样本移动终端接收到误触的触控操作的过程中的运行日志。
运行日志通常包括样本移动终端运行时的各种信息与记录。示例性的，可以获取样本移动终端在接收到误触的触控操作的过程中一个时间段内的运行日志。
在子步骤4012中，分类器生成装置从运行日志中获取多个误触状态样本。
可选的，n个误触状态样本中的任一误触状态样本包括p个特征参数，和，多用于指示任一误触状态样本的类别为误触的标签(英文：label)，p为大于0的整数。
p个特征参数包括：加速度传感器的变化量、距离传感器的状态信息、用户的手指与移动终端的边缘区域的接触面积、接触位置、接触时长、接触时产生的电容值、手指与边缘区域的第一接触面积和与显示区域的第二接触面积的比值中的至少一种。p越大，生成的分类器的准确性越高，但生成分类器的速度也会越慢。
1)特征参数为加速度传感器的变化量。此时，可以采集接收到非误触的触控操作时，加速度传感器的变化量所属的区间。当变化量属于该区间时，确定触控操作是非误触的；当变化量不属于该区间时，确定触控操作是误触的。本实施场景将靠近但未接触移动终端的边缘区域的触控操作、猛烈撞击移动终端的边缘区域的触控操作等确定为是误触的。
2)特征参数为距离传感器的状态信息。由于距离传感器被遮挡时，移动终端可能被放置在包包或口袋里，这种实施场景下用户不太可能会调节音量，所以，将距离传感器被遮挡时的触控操作确定为是误触的。
3)特征参数为用户的手指与移动终端的边缘区域的接触面积。由于触摸屏是电容屏，当手指接触边缘区域时，边缘区域中的电容会发生变化，移动终端可以将发生变化的电容的分布区域确定为接触区域。此时，可以采集接收到非误触的触控操作时，用户的手指与移动终端的边缘区域的接触面积所属的区间。当接触面积属于该区间时，确定触控操作是非误触的；当接触面积不属于该区间时，确定触控操作是误触的。本实施场景将靠近但未接触移动终端的边缘区域的触控操作、手掌等大面积的人体部位接触边缘区域的触控操作等确定为是误触的。
4)特征参数为接触位置。接触位置可以通过二维的(x，y)坐标来表示。本实施场景将在虚拟音量键对应的操作区域外持握移动终端的触控操作等确定为是误触的。
5)特征参数为接触时长。本实施场景将长时间持握移动终端的触控操作等确定为是误触的。即，当接触时长大于预设阈值时，确定触控操作是误触的。
6)特征参数为接触时产生的电容值。此时，可以采集接收非误触的触控操作时，电容值所属的区间。当电容值属于该区间时，确定触控操作是非误触的；当电容值不属于该区间时，确定触控操作是误触的。本实施场景将靠近但未接触移动终端的边缘区域的触控操作等确定为是误触的。
7)特征参数为手指与边缘区域的第一接触面积和与显示区域的第二接触面积的比值。本实施场景将操作显示区域时碰到边缘区域的触控操作等确定为是误触的。即，当比值小于等于预设阈值时，确定触控操作是误触的。
分类器生成装置可以根据预先确定的所要获取的特征参数的类型来从运行日志中获取多个误触状态样本。这多个误触状态样本可以是从不同时刻的运行日志中获取的。误触状态样本的数量越大，生成的分类器的准确性越高，但生成分类器的速度也会越慢。
在子步骤4013中，分类器生成装置对多个误触状态样本进行格式校验处理和缺失值补全处理，得到n个误触状态样本。
本步骤可以包括：1、对多个误触状态样本进行格式校验处理；
格式校验处理为对每个误触状态样本的格式进行的校验，以验证每个误触状态样本的格式是否正确，并去除格式不正确的误触状态样本。其中，格式可以是指预先设定的用于传输和记录误触状态样本的格式，而导致误触状态样本的格式不正确的原因可以有多种，可能是由于分类器生成装置以及样本移动终端的系统中一些未知的漏洞(英文：BUG)，或者可能是由于样本移动终端向分类器生成装置传输误触状态样本时由于传输路径的问题导致误触状态样本的格式出现错误等。
由于格式校验处理会去除格式不正确的误触状态样本，因而获取的误触状态样本的数量n可以不是一个定值，可以根据格式校验处理的情况而变化。
2、对进行格式校验的误触状态样本进行缺失值补全；
缺失值补全为补全误触状态样本中缺失的一些参数或数据，这些参数和数据可以是误触状态样本中的一些特征参数。在补全缺失值时，可以以与缺失的特征参数同类的特征参数在多个误触状态样本中的平均值来作为补全的值，也可以以预设的值来补全缺失的特征参数。缺失值补全的方式还可以参考相关技术，在此不再赘述。而导致误触状态样本中出现缺失值的原因也可以有多种，可能是由于分类器生成装置以及样本移动终端的系统中一些未知的BUG，或者可能是由于样本移动终端向分类器生成装置传输误触状态样本时由于传输路径的问题导致误触状态样本出现缺失值，或者可能是由于样本移动终端在获取误触状态样本时由于一些意外被打断等。
在步骤402中，分类器生成装置获取多个样本移动终端接收到非误触的触控操作的过程中采集的m个非误触状态样本。
其中，m为大于0的整数。
如图6所示，步骤402可以包括下面三个子步骤：
在子步骤4021中，分类器生成装置获取样本移动终端接收到非误触的触控操作的过程中的运行日志。
运行日志通常包括样本移动终端运行时的各种信息与记录。示例性的，可以获取样本移动终端接收到非误触的触控操作的过程中一个时间段内的运行日志。
子步骤4022、分类器生成装置从运行日志中获取多个非误触状态样本。
可选的，多个非误触状态样本中的任一非误触状态样本包括p个特征参数，和，用于指示任一非误触状态样本的类别的为误触的标签。该p个特征参数和步骤401中获取的误触状态样本中的p个特征参数相同。
子步骤4023、分类器生成装置对多个非误触状态样本进行格式校验处理和缺失值补全处理，得到m个非误触状态样本。
本步骤可以参考上述步骤401中的子步骤4013，在此不再赘述。
步骤402还可以在步骤401之前执行，或者步骤402还可以与步骤401同时执行，本公开实施例不作出限制。
在步骤403中，分类器生成装置对n个误触状态样本和m个非误触状态样本进行格式校验处理和缺失值补全处理后得到状态样本集。
n个误触状态样本可以作为状态样本集中的负样本，m个非误触状态样本可以作为状态样本集中的正样本。其中，正样本是指属于某一类别的样本，负样本是指不属于该某一类别的样本，在本公开实施例中，该某一类别为非误触。
在步骤404中，分类器生成装置确定分类算法。
该分类算法可以为决策树算法、逻辑回归算法和支持向量机算法中的任意一种。分类器生成装置可以根据状态样本集来确定分类算法。
此外，分类器生成装置中还可以预先设置有分类算法，分类器生成装置可以直接将该预先设置的分类算法确定为用于生成分类器的分类算法。
在步骤405中，分类器生成装置以状态样本集为训练数据，根据分类算法训练得到分类器。
在确定了分类算法和状态样本集之后，分类器生成装置可以以状态样本集作为训练数据，根据分类算法训练得到分类器。本公开实施例以带有标签的状态样本训练得到分类器的过程是机器学习(英文：Machine Learning)中的一种有监督学习(英文：Supervisedlearning)的过程。
分类器生成装置在训练分类器的过程中，可以以分类算法对状态样本集中的训练数据进行多次迭代计算，以逐步调整分类器的各个参数，使分类器的性能逐步达到预设的要求，示例性的，可以逐步调整分类器的各个参数，使分类器的准确性大于80％。
此外，分类器生成装置还可以对状态样本集中的每一类的特征参数分别进行训练，该训练方法可以参考相关技术，在此不再赘述。
在步骤406中，分类器生成装置向待检测移动终端发送分类器。
如图7所述，本步骤可以包括下面两个子步骤：
在子步骤4061中，分类器生成装置对分类器进行格式转换，使分类器能够适用于移动终端的运行环境。
分类器生成装置通常为计算机的运行环境，计算机的运行环境的框架结构通常为spark(一种适用于在服务器上运行的集群计算环境)格式的框架结构，而移动终端的框架结构通常为预测模型标记语言(英文：Predictive Model Markup Language；简称：pmml)格式的框架结构。
在spark格式的框架结构中生成的分类器可能难以应用于pmml格式的框架结构中，因而分类器生成装置可以pmml转换方法或jpmml(基于Java的pmml应用程序接口)-sparkml(基于Spark的机器学习)转换方法，将spark格式的分类器的二进制文件转换为pmml格式的分类器的pmml文件，使该分类器能够适用于移动终端的运行环境。
在子步骤4062中，分类器生成装置向待检测移动终端发送格式转换后的分类器。
分类器生成装置可以通过有线或无线的方式将向待检测移动终端发送格式转换后的分类器。
在步骤407中，待检测移动终端接收分类器生成装置发送的分类器。
步骤401至步骤407为可选的步骤，即在待检测移动终端中存在分类器时，可以直接执行步骤408。
在步骤408中，待检测移动终端获取待检测移动终端当前时刻的状态样本。
在获取分类器后，待检测移动终端可以根据分类器来获取当前时刻的状态样本，该状态样本为无标签的状态样本，即该状态样本仅包括多个特征参数，且该多个特征参数的类型和步骤401中获取的任一误触状态样本(或步骤402中获取的任一非误触状态样本)的特征参数的类型相同。示例性的，步骤401中获取的任一误触状态样本包括特征参数“接触位置、接触时长、接触时产生的电容值”，则待检测移动终端获取的当前时刻的状态样本中包括待检测移动终端在当前时刻的接触位置、接触时长、接触时产生的电容值。
在步骤409中，待检测移动终端将状态样本输入分类器。
在获取当前时刻的状态样本后，待检测移动终端可以将状态样本输入分类器。
在步骤410中，待检测移动终端获取分类器根据当前时刻的状态样本输出的标签。
待检测移动终端获取的该标签用于指示待检测移动终端当前时刻的状态样本的类别，状态样本的类别为误触或非误触。
在步骤411中，在输出的标签指示状态样本的类别为非误触时，待检测移动终端根据触控操作调节虚拟音量键的音量。
在输出的标签指示状态样本的类别为误触时，表明待检测移动终端接收到的触控操作不是用户想触发的，此时可以不调节虚拟音量键的音量。在输出的标签指示状态样本的类别为非误触时，表明待检测移动终端接收到的触控操作是用户想触发的，此时可以根据触控操作调节虚拟音量键的音量。
其中，移动终端可以根据接触位置调节音量。比如，当接触位置位于边缘区域的上半部分时，减小音量；当接触位置位于边缘区域的下半部分时，增大音量。或者，移动终端还可以根据接触时长调节音量，且接触时长与调节的音量等级的数量呈正相关关系。比如，接触时长较短时，调节一个音量等级；接触时长较长时，调节多个音量等级。
本公开实施例通过将分类器发送给待检测移动终端，由待检测移动终端通过分类器来判断接收到的触控操作是否是误触的，避免了分类器位于其他外部装置中时，待检测移动终端可能会由于网络等原因无法判断接收到的触控操作是否是误触的的问题。
综上所述，本公开提供的音量调节方法，通过获取多个样本移动终端的的状态样本集，并以该状态样本集作为训练数据，根据分类算法训练得到分类器，并将该分类器发送给待检测移动终端，使待检测移动终端能够根据该综合考量了多种因素的分类器来确定接收到的触控操作是否是误触。解决了响应误触的触控操作的问题，提高了音量调节的准确性。
图8是根据一示例性实施例示出的一种音量调节装置的框图，该音量调节装置应用于图1所示实施环境中的分类器生成装置中，该音量调节装置包括：样本集获取模块810、算法确定模块820、分类器训练模块830、发送模块840。
该样本集获取模块810，被配置为获取多个样本移动终端的状态样本集，状态样本集包括多个样本移动终端接收到误触的触控操作的过程中采集的n个误触状态样本，和，在多个样本移动终端接收到非误触的触控操作的过程中采集的m个非误触状态样本，触控操作用于指示调节虚拟音量键，n和m均为大于0的整数；
该算法确定模820块，被配置为确定分类算法；
该分类器训练模块830，被配置为以样本集获取模块810得到的状态样本集为训练数据，根据算法确定模块820确定的分类算法训练得到分类器；
该发送模块840，被配置为向待检测移动终端发送分类器训练模块830得到的分类器，待检测移动终端用于根据待检测移动终端的状态样本，基于分类器，判断待检测移动终端接收到的触控操作是否是误触的。
综上所述，本公开提供的音量调节装置，通过获取多个样本移动终端的的状态样本集，并以该状态样本集作为训练数据，根据分类算法训练得到分类器，并将该分类器发送给待检测移动终端，使待检测移动终端能够根据该综合考量了多种因素的分类器来确定接收到的触控操作是否是误触。解决了响应误触的触控操作的问题，提高了音量调节的准确性。
请参考图8，该音量调节装置包括：样本集获取模块810、算法确定模块820、分类器训练模块830、发送模块840。
该样本集获取模块810，被配置为获取多个样本移动终端的状态样本集，状态样本集包括多个样本移动终端接收到误触的触控操作的过程中采集的n个误触状态样本，和，在多个样本移动终端接收到非误触的触控操作的过程中采集的m个非误触状态样本，触控操作用于指示调节虚拟音量键，n和m均为大于0的整数；
该算法确定模820块，被配置为确定分类算法；
该分类器训练模块830，被配置为以样本集获取模块810得到的状态样本集为训练数据，根据算法确定模块820确定的分类算法训练得到分类器；
该发送模块840，被配置为向待检测移动终端发送分类器训练模块830得到的分类器，待检测移动终端用于根据待检测移动终端的状态样本，基于分类器，判断待检测移动终端接收到的触控操作是否是误触的。
可选的，获样本集获取模块810，被配置为：
获取多个样本移动终端接收到误触的触控操作的过程中采集的多个误触状态样本；
获取多个样本移动终端接收到非误触的触控操作的过程中采集的多个非误触状态样本；
对多个误触状态样本和多个非误触状态样本进行格式校验处理和缺失值补全处理后得到状态样本集。
可选的，发送模块840，被配置为：
对分类器进行格式转换，使分类器能够适用于移动终端的运行环境；
向待检测移动终端发送格式转换后的分类器。
可选的，分类算法为决策树算法、逻辑回归算法和支持向量机算法中的任意一种。
可选的，n个误触状态样本中的任一误触状态样本包括p个特征参数，和，用于指示任一误触状态样本的类别为误触的标签，p为大于0的整数。
可选的，m个非误触状态样本中的任一非误触状态样本包括p个特征参数和用于指示任一非误触状态样本的类别为非误触的标签，p为大于0的整数。
可选的，p个特征参数包括：加速度传感器的变化量、距离传感器的状态信息、用户的手指与移动终端的边缘区域的接触面积、接触位置、接触时长、接触时产生的电容值、手指与边缘区域的第一接触面积和与显示区域的第二接触面积的比值中的至少一种。
综上所述，本公开提供的音量调节装置，通过获取多个样本移动终端的的状态样本集，并以该状态样本集作为训练数据，根据分类算法训练得到分类器，并将该分类器发送给待检测移动终端，使待检测移动终端能够根据该综合考量了多种因素的分类器来确定接收到的触控操作是否是误触。解决了响应误触的触控操作的问题，提高了音量调节的准确性。
图9是根据一示例性实施例示出的一种音量调节装置的框图，该音量调节装置应用于图1所示实施环境中的待检测移动终端中，该音量调节装置包括：接收模块910、样本获取模块920、输入模块930、标签获取模块940。
该接收模块910，被配置为接收分类器生成装置发送的分类器，分类器是分类器生成装置以状态样本集作为训练数据，根据分类算法训练得到的用于确定待检测移动终端接收到的触控操作是否是误触的分类器，状态样本集中包括在样本移动终端接收到误触的触控操作的过程中采集的n个误触状态样本，和在样本移动终端接收到非误触的触控操作的过程中采集的m个非误触状态样本，n和m均为大于0的整数；
该样本获取模块920，被配置为获取待检测移动终端当前时刻的状态样本；
该输入模块930，被配置为将样本获取模块920得到的状态样本输入接收模块910接收到的分类器；
该标签获取模块940，被配置为获取分类器根据当前时刻的状态样本输出的标签，标签用于指示状态样本的类别，状态样本的类别为误触或非误触。
综上所述，本公开提供的音量调节装置，通过将待测试移动终端当前时刻的状态样本输入根据分类算法和状态样本集生成的分类器，并根据该综合考量了多种因素的分类器来确定待测试移动终端接收到的触控操作是否是误触的。解决了响应误触的触控操作的问题，提高了音量调节的准确性。
图10是根据一示例性实施例示出的一种音量调节装置的框图，该音量调节装置应用于图1所示实施环境中的待检测移动终端中，该音量调节装置包括：接收模块1010、样本获取模块1020、输入模块1030、标签获取模块1040。
该接收模块1010，被配置为接收分类器生成装置发送的分类器，分类器是分类器生成装置以状态样本集作为训练数据，根据分类算法训练得到的用于确定待检测移动终端接收到的触控操作是否是误触的分类器，状态样本集中包括在样本移动终端接收到误触的触控操作的过程中采集的n个误触状态样本，和在样本移动终端接收到非误触的触控操作的过程中采集的m个非误触状态样本，n和m均为大于0的整数；
该样本获取模块1020，被配置为获取待检测移动终端当前时刻的状态样本；
该输入模块1030，被配置为将样本获取模块1020得到的状态样本输入接收模块1010接收到的分类器；
该标签获取模块1040，被配置为获取分类器根据当前时刻的状态样本输出的标签，标签用于指示状态样本的类别，状态样本的类别为误触或非误触。
可选的，装置还包括：音量调节模块1050；
该音量调节模块1050，被配置为在输出的标签指示状态样本的类别为非误触时，根据触控操作调节虚拟音量键的音量。
综上所述，本公开提供的音量调节装置，通过将待测试移动终端当前时刻的状态样本输入根据分类算法和状态样本集生成的分类器，并根据该综合考量了多种因素的分类器来确定待测试移动终端接收到的触控操作是否是误触的。解决了响应误触的触控操作的问题，提高了音量调节的准确性。
关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
本公开一示例性实施例提供了一种音量调节装置，能够实现本公开提供的音量调节方法，该音量调节装置包括：处理器、用于存储处理器可执行指令的存储器；
其中，处理器被配置为：
获取多个样本移动终端的状态样本集，状态样本集包括多个样本移动终端接收到误触的触控操作的过程中采集的n个误触状态样本，和，在多个样本移动终端接收到非误触的触控操作的过程中采集的m个非误触状态样本，触控操作用于指示调节虚拟音量键，n和m均为大于0的整数；
确定分类算法；
以状态样本集为训练数据，根据分类算法训练得到分类器；
向待检测移动终端发送分类器，待检测移动终端用于根据待检测移动终端的状态样本，基于分类器，判断待检测移动终端接收到的触控操作是否是误触的。
本公开一示例性实施例提供了一种音量调节装置，能够实现本公开提供的音量调节方法，该音量调节装置包括：处理器、用于存储处理器可执行指令的存储器；
其中，处理器被配置为：
接收分类器生成装置发送的分类器，分类器是分类器生成装置以状态样本集作为训练数据，根据分类算法训练得到的用于确定待检测移动终端接收到的触控操作是否是误触的分类器，状态样本集中包括在样本移动终端接收到误触的触控操作的过程中采集的n个误触状态样本，和在样本移动终端接收到非误触的触控操作的过程中采集的m个非误触状态样本，n和m均为大于0的整数；
获取待检测移动终端当前时刻的状态样本；
将状态样本输入分类器；
获取分类器根据当前时刻的状态样本输出的标签，标签用于指示状态样本的类别，状态样本的类别为误触或非误触。
图11是根据一示例性实施例示出的一种用于音量调节的装置1100的框图。例如，装置1100可以被提供为一服务器。参照图11，装置1100包括处理组件1122，其进一步包括一个或多个处理器，以及由存储器1132所代表的存储器资源，用于存储可由处理组件1122的执行的指令，例如应用程序。存储器1132中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件1122被配置为执行指令，以执行上述音量调节方法。
装置1100还可以包括一个电源组件1126被配置为执行装置1100的电源管理，一个有线或无线网络接口1150被配置为将装置1100连接到网络，和一个输入输出(I/O)接口1158。装置1100可以操作基于存储在存储器1132的操作系统，例如Windows ServerTM，MacOS XTM，UnixTM，LinuxTM，FreeBSDTM或类似。
图12是根据一示例性实施例示出的一种用于音量调节的装置1200的框图。例如，装置1200可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等。
参照图12，装置1200可以包括以下一个或多个组件：处理组件1202，存储器1204，电源组件1206，多媒体组件1208，音频组件1210，输入/输出(I/O)的接口1212，传感器组件1214，以及通信组件1216。
处理组件1202通常控制装置1200的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件1202可以包括一个或多个处理器1218来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件1202可以包括一个或多个模块，便于处理组件1202和其他组件之间的交互。例如，处理组件1202可以包括多媒体模块，以方便多媒体组件1208和处理组件1202之间的交互。
存储器1204被配置为存储各种类型的数据以支持在装置1200的操作。这些数据的示例包括用于在装置1200上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器1204可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。
电源组件1206为装置1200的各种组件提供电力。电源组件1206可以包括电源管理系统，一个或多个电源，及其他与为装置1200生成、管理和分配电力相关联的组件。
多媒体组件1208包括在所述装置1200和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件1208包括一个前置摄像头和/或后置摄像头。当装置1200处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件1210被配置为输出和/或输入音频信号。例如，音频组件1210包括一个麦克风(MIC)，当装置1200处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器1204或经由通信组件1216发送。在一些实施例中，音频组件1210还包括一个扬声器，用于输出音频信号。
I/O接口1212为处理组件1202和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件1214包括一个或多个传感器，用于为装置1200提供各个方面的状态评估。例如，传感器组件1214可以检测到装置1200的打开/关闭状态，组件的相对定位，例如所述组件为装置1200的显示器和小键盘，传感器组件1214还可以检测装置1200或装置1200一个组件的位置改变，用户与装置1200接触的存在或不存在，装置1200方位或加速/减速和装置1200的温度变化。传感器组件1214可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件1214还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件1214还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。
通信组件1216被配置为便于装置1200和其他设备之间有线或无线方式的通信。装置1200可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信组件1216经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件1216还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。
在示例性实施例中，装置1200可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。
在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器1204，上述指令可由装置1200的处理器1218执行以完成上述方法。例如，所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
本公开一示例性实施例提供了一种计算机可读存储介质，所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如上所述的音量调节方法。
本领域技术人员在考虑说明书及实践这里的公开后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。
应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。

Claims (22)

1.一种音量调节方法，其特征在于，所述方法包括：
获取多个样本移动终端的状态样本集，所述状态样本集包括所述多个样本移动终端接收到误触的触控操作的过程中采集的n个误触状态样本，和，在所述多个样本移动终端接收到非误触的触控操作的过程中采集的m个非误触状态样本，所述触控操作用于指示调节虚拟音量键，所述n和m均为大于0的整数；
确定分类算法；
以所述状态样本集为训练数据，根据所述分类算法训练得到分类器；
向待检测移动终端发送所述分类器，所述待检测移动终端用于根据所述待检测移动终端的状态样本，基于所述分类器，判断所述待检测移动终端接收到的触控操作是否是误触的。
2.根据权利要求1所述的方法，其特征在于，所述获取样本移动终端的状态样本集，包括：
获取所述多个样本移动终端接收到误触的触控操作的过程中采集的多个误触状态样本；
获取所述多个样本移动终端接收到非误触的触控操作的过程中采集的多个非误触状态样本；
对所述多个误触状态样本和所述多个非误触状态样本进行格式校验处理和缺失值补全处理后得到所述状态样本集。
3.根据权利要求1所述的方法，其特征在于，所述向待检测移动终端发送所述分类器，包括：
对所述分类器进行格式转换，使所述分类器能够适用于移动终端的运行环境；
向所述待检测移动终端发送格式转换后的所述分类器。
4.根据权利要求1所述的方法，其特征在于，所述分类算法为决策树算法、逻辑回归算法和支持向量机算法中的任意一种。
5.根据权利要求1所述的方法，其特征在于，所述n个误触状态样本中的任一误触状态样本包括p个特征参数，和，用于指示所述任一误触状态样本的类别为误触的标签，所述p为大于0的整数。
6.根据权利要求1所述的方法，其特征在于，所述m个非误触状态样本中的任一非误触状态样本包括p个特征参数和用于指示所述任一非误触状态样本的类别为非误触的标签，所述p为大于0的整数。
7.根据权利要求5或6所述的方法，其特征在于，所述p个特征参数包括：加速度传感器的变化量、距离传感器的状态信息、用户的手指与所述移动终端的边缘区域的接触面积、接触位置、接触时长、接触时产生的电容值、所述手指与所述边缘区域的第一接触面积和与显示区域的第二接触面积的比值中的至少一种。
8.一种状态检测方法，其特征在于，所述方法包括：
接收分类器生成装置发送的分类器，所述分类器是所述分类器生成装置以状态样本集作为训练数据，根据分类算法训练得到的用于确定待检测移动终端接收到的触控操作是否是误触的分类器，所述状态样本集中包括在样本移动终端接收到误触的触控操作的过程中采集的n个误触状态样本，和，在所述样本移动终端接收到非误触的触控操作的过程中采集的m个非误触状态样本，所述n和m均为大于0的整数；
获取所述待检测移动终端当前时刻的状态样本；
将所述状态样本输入所述分类器；
获取所述分类器根据所述当前时刻的状态样本输出的标签，所述标签用于指示所述状态样本的类别，所述状态样本的类别为误触或非误触。
9.根据权利要求8所述的方法，其特征在于，所述方法还包括：
在所述输出的标签指示所述状态样本的类别为非误触时，根据所述触控操作调节所述虚拟音量键的音量。
10.一种音量调节装置，其特征在于，所述装置包括：
样本集获取模块，被配置为获取多个样本移动终端的状态样本集，所述状态样本集包括所述多个样本移动终端接收到误触的触控操作的过程中采集的n个误触状态样本，和，在所述多个样本移动终端接收到非误触的触控操作的过程中采集的m个非误触状态样本，所述触控操作用于指示调节虚拟音量键，所述n和m均为大于0的整数；
算法确定模块，被配置为确定分类算法；
分类器训练模块，被配置为以所述样本集获取模块得到的所述状态样本集为训练数据，根据所述算法确定模块确定的所述分类算法训练得到分类器；
发送模块，被配置为向待检测移动终端发送所述分类器训练模块得到的所述分类器，所述待检测移动终端用于根据所述待检测移动终端的状态样本，基于所述分类器，判断所述待检测移动终端接收到的触控操作是否是误触的。
11.根据权利要求10所述的装置，其特征在于，所述获样本集获取模块，被配置为：
获取所述多个样本移动终端接收到误触的触控操作的过程中采集的多个误触状态样本；
获取所述多个样本移动终端接收到非误触的触控操作的过程中采集的多个非误触状态样本；
对所述多个误触状态样本和所述多个非误触状态样本进行格式校验处理和缺失值补全处理后得到所述状态样本集。
12.根据权利要求10所述的装置，其特征在于，所述发送模块，被配置为：
对所述分类器进行格式转换，使所述分类器能够适用于移动终端的运行环境；
向所述待检测移动终端发送格式转换后的所述分类器。
13.根据权利要求10所述的装置，其特征在于，所述分类算法为决策树算法、逻辑回归算法和支持向量机算法中的任意一种。
14.根据权利要求10所述的装置，其特征在于，所述n个误触状态样本中的任一误触状态样本包括p个特征参数，和，用于指示所述任一误触状态样本的类别为误触的标签，所述p为大于0的整数。
15.根据权利要求10所述的装置，其特征在于，所述m个非误触状态样本中的任一非误触状态样本包括p个特征参数和用于指示所述任一非误触状态样本的类别为非误触的标签，所述p为大于0的整数。
16.根据权利要求14或15所述的装置，其特征在于，所述p个特征参数包括：加速度传感器的变化量、距离传感器的状态信息、用户的手指与所述移动终端的边缘区域的接触面积、接触位置、接触时长、接触时产生的电容值、所述手指与所述边缘区域的第一接触面积和与显示区域的第二接触面积的比值中的至少一种。
17.一种状态检测装置，其特征在于，所述装置包括：
接收模块，被配置为接收分类器生成装置发送的分类器，所述分类器是所述分类器生成装置以状态样本集作为训练数据，根据分类算法训练得到的用于确定待检测移动终端接收到的触控操作是否是误触的分类器，所述状态样本集中包括在样本移动终端接收到误触的触控操作的过程中采集的n个误触状态样本，和在所述样本移动终端接收到非误触的触控操作的过程中采集的m个非误触状态样本，所述n和m均为大于0的整数；
样本获取模块，被配置为获取所述待检测移动终端当前时刻的状态样本；
输入模块，被配置为将所述样本获取模块得到的所述状态样本输入所述接收模块接收到的所述分类器；
标签获取模块，被配置为获取所述分类器根据所述当前时刻的状态样本输出的标签，所述标签用于指示所述状态样本的类别，所述状态样本的类别为误触或非误触。
18.根据权利要求17所述的装置，其特征在于，所述装置还包括：
音量调节模块，被配置为在所述输出的标签指示所述状态样本的类别为非误触时，根据所述触控操作调节所述虚拟音量键的音量。
19.一种音量调节装置，其特征在于，所述装置包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为：
获取多个样本移动终端的状态样本集，所述状态样本集包括所述多个样本移动终端接收到误触的触控操作的过程中采集的n个误触状态样本，和，在所述多个样本移动终端接收到非误触的触控操作的过程中采集的m个非误触状态样本，所述触控操作用于指示调节虚拟音量键，所述n和m均为大于0的整数；
确定分类算法；
以所述状态样本集为训练数据，根据所述分类算法训练得到分类器；
向待检测移动终端发送所述分类器，所述待检测移动终端用于根据所述待检测移动终端的状态样本，基于所述分类器，判断所述待检测移动终端接收到的触控操作是否是误触的。
20.一种音量调节装置，其特征在于，所述装置包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为：
接收分类器生成装置发送的分类器，所述分类器是所述分类器生成装置以状态样本集作为训练数据，根据分类算法训练得到的用于确定待检测移动终端接收到的触控操作是否是误触的分类器，所述状态样本集中包括在样本移动终端接收到误触的触控操作的过程中采集的n个误触状态样本，和在所述样本移动终端接收到非误触的触控操作的过程中采集的m个非误触状态样本，所述n和m均为大于0的整数；
获取所述待检测移动终端当前时刻的状态样本；
将所述状态样本输入所述分类器；
获取所述分类器根据所述当前时刻的状态样本输出的标签，所述标签用于指示所述状态样本的类别，所述状态样本的类别为误触或非误触。
21.一种计算机可读存储介质，其特征在于，所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现权利要求1至7任一项所述的音量调节方法。
22.一种计算机可读存储介质，其特征在于，所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现权利要求8至9任一项所述的音量调节方法。
CN201711352003.1A 2017-12-15 2017-12-15 音量调节方法、装置及存储介质 Active CN107958273B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711352003.1A CN107958273B (zh) 2017-12-15 2017-12-15 音量调节方法、装置及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711352003.1A CN107958273B (zh) 2017-12-15 2017-12-15 音量调节方法、装置及存储介质

Publications (2)

Publication Number Publication Date
CN107958273A true CN107958273A (zh) 2018-04-24
CN107958273B CN107958273B (zh) 2021-08-03

Family

ID=61959161

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711352003.1A Active CN107958273B (zh) 2017-12-15 2017-12-15 音量调节方法、装置及存储介质

Country Status (1)

Country Link
CN (1) CN107958273B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109471608A (zh) * 2018-10-31 2019-03-15 北京羽扇智信息科技有限公司 一种音量的调整方法及装置
CN111796701A (zh) * 2019-04-09 2020-10-20 Oppo广东移动通信有限公司 模型训练方法、操作处理方法、装置、存储介质及设备
CN115291786A (zh) * 2022-09-30 2022-11-04 深圳市广和通无线通信软件有限公司 一种基于机器学习的误触判断方法、装置和存储介质

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140025973A1 (en) * 2012-07-20 2014-01-23 Benoit M. Schillings Adjusting Mobile Device State Based on User Intentions and/or Identity
CN105045384A (zh) * 2015-06-26 2015-11-11 联想(北京)有限公司 一种信息处理方法及电子设备
CN105718117A (zh) * 2016-04-21 2016-06-29 北京小米移动软件有限公司 控制触控屏的方法及装置、电子设备
CN105739760A (zh) * 2016-01-22 2016-07-06 北京小米移动软件有限公司 防误触模式的控制方法及装置
CN106445122A (zh) * 2016-09-08 2017-02-22 北京小米移动软件有限公司 设备状态控制方法及装置
CN106484282A (zh) * 2016-09-14 2017-03-08 北京小米移动软件有限公司 设备控制方法及装置
CN107016346A (zh) * 2017-03-09 2017-08-04 中国科学院计算技术研究所 步态身份识别方法及系统
CN107390936A (zh) * 2017-07-31 2017-11-24 北京小米移动软件有限公司 触发操作处理方法、装置以及计算机可读存储介质
CN107402711A (zh) * 2017-07-19 2017-11-28 北京小米移动软件有限公司 音量调节方法、装置及计算机可读存储介质

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140025973A1 (en) * 2012-07-20 2014-01-23 Benoit M. Schillings Adjusting Mobile Device State Based on User Intentions and/or Identity
CN105045384A (zh) * 2015-06-26 2015-11-11 联想(北京)有限公司 一种信息处理方法及电子设备
CN105739760A (zh) * 2016-01-22 2016-07-06 北京小米移动软件有限公司 防误触模式的控制方法及装置
CN105718117A (zh) * 2016-04-21 2016-06-29 北京小米移动软件有限公司 控制触控屏的方法及装置、电子设备
CN106445122A (zh) * 2016-09-08 2017-02-22 北京小米移动软件有限公司 设备状态控制方法及装置
CN106484282A (zh) * 2016-09-14 2017-03-08 北京小米移动软件有限公司 设备控制方法及装置
CN107016346A (zh) * 2017-03-09 2017-08-04 中国科学院计算技术研究所 步态身份识别方法及系统
CN107402711A (zh) * 2017-07-19 2017-11-28 北京小米移动软件有限公司 音量调节方法、装置及计算机可读存储介质
CN107390936A (zh) * 2017-07-31 2017-11-24 北京小米移动软件有限公司 触发操作处理方法、装置以及计算机可读存储介质

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109471608A (zh) * 2018-10-31 2019-03-15 北京羽扇智信息科技有限公司 一种音量的调整方法及装置
CN111796701A (zh) * 2019-04-09 2020-10-20 Oppo广东移动通信有限公司 模型训练方法、操作处理方法、装置、存储介质及设备
CN115291786A (zh) * 2022-09-30 2022-11-04 深圳市广和通无线通信软件有限公司 一种基于机器学习的误触判断方法、装置和存储介质

Also Published As

Publication number Publication date
CN107958273B (zh) 2021-08-03

Similar Documents

Publication Publication Date Title
CN104571922B (zh) 触摸响应方法、装置及终端
CN106951884A (zh) 采集指纹的方法、装置及电子设备
CN108021259A (zh) 一种防误触方法及终端
CN104020878A (zh) 触摸输入控制方法及装置
CN104598076B (zh) 触摸信息屏蔽方法及装置
CN105183286A (zh) 桌面图标控制方法及装置、终端
CN107124508A (zh) 悬浮控件的位置调整方法、装置及终端、可读存储介质
CN107390932A (zh) 边缘防误触方法及装置、计算机可读存储介质
CN107783694A (zh) 一种触摸屏灵敏度调节方法、终端及计算机可读存储介质
CN106547466A (zh) 显示控制方法及装置
CN107037965A (zh) 一种基于输入的信息展示方法、装置和移动终端
CN107688385A (zh) 一种控制方法及装置
CN106802741A (zh) 屏幕边缘触控事件的确定方法及装置和移动终端
CN107368221A (zh) 压力确定方法和装置、指纹识别方法和装置
CN107958273A (zh) 音量调节方法、装置及存储介质
CN109213419A (zh) 触摸操作处理方法、装置及存储介质
CN107659717A (zh) 状态检测方法、装置和存储介质
CN107831987A (zh) 防手势操作的误触控方法及装置
CN104898889A (zh) 字符确定方法及装置
CN106339137A (zh) 终端触控识别方法及装置
CN106774815B (zh) 触摸手势确定方法及装置
CN104461366A (zh) 激活移动终端的操作状态的方法及装置
CN106569937A (zh) 页面处理方法及装置
CN106843716A (zh) 一种终端桌面切换控制装置和方法
CN106293184A (zh) 可侧边触控的终端及其触控方法

Legal Events

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