CN111796980B - 数据处理方法、装置、电子设备和存储介质 - Google Patents

Abstract

本申请实施例公开了一种数据处理方法、装置、电子设备和存储介质。其中方法包括：获取电子设备的特征数据，根据预设识别算法和特征数据对用户状态进行识别以得到识别结果，接收用户对识别结果的反馈信息，根据反馈信息对所述预设识别算法进行调整。通过用户对电子设备的特征数据识别结果进行反馈，然后根据用户的反馈结果对识别算法进行奖励或者惩罚，最终实现对识别算法的调整，提高识别算法对一些场景识别的准确性。

Description

数据处理方法、装置、电子设备和存储介质

技术领域

本申请涉及场景识别技术领域，具体涉及一种数据处理方法、装 置、电子设备和存储介质。

背景技术

在现有的全景识别的建模方法中，大多数都是基于用户隐式反馈 对模型进行建模，或则由人为标注的方式对用户的全景类别进行建模， 导致了最终的全景视图建模模型的有监督信息存在一定的不足和噪 声。导致最终全景识别算法的不能够对一些场景准确的识别，因此， 需要在全景识别算法的优化过程中通过与用户的实际交互来获得更 为准确、更为相关的有监督信息，进而帮助全景识别模型更好地刻画 和捕捉用户的全景类别。

发明内容

本申请实施例提供一种数据处理方法、装置、电子设备和存储介 质。在本申请实施例中通过预设的识别算法对电子设备的特征数据进 行识别得到识别结果，然后用户对识别结果进行反馈，通过用户的反 馈信息对预设的识别算法进行调整。通过不断对预设识别算法的调整， 最终提高了对一些场景识别的准确性。

为了解决以上技术问题，本申请提出了以下技术方案：

第一方面，本申请实施例提供了一种数据处理方法，其中包括：

获取电子设备的特征数据；

根据预设识别算法和所述特征数据对用户状态进行识别以得到 识别结果；

接收用户对所述识别结果的反馈信息；

根据所述反馈信息对所述预设识别算法进行调整。

第二方面，本申请实施例提供了一种数据处理装置，其中所述装 置包括：获取模块、识别模块、接收模块和调整模块；

所述获取模块，用于获取电子设备的特征数据；

所述识别模块，用于根据预设识别算法和所述特征数据对用户状 态进行识别以得到识别结果；

所述接收模块，用于接收用户对所述识别结果的反馈信息；

所述调整模块，用于根据所述反馈信息对所述预设识别算法进行 调整。

第三方面，本申请实施例提供了一种电子设备，包括存储器，处 理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理 器执行所述程序时实现上述数据处理方法的步骤。

第四方面，本申请实施例提供了一种存储介质，其上存储有计算 机程序，所述计算机程序被处理器执行时实现上述数据处理方法的步 骤。

本申请实施例通过获取电子设备的特征数据，根据预设识别算法 和特征数据对用户状态进行识别以得到识别结果，接收用户对识别结 果的反馈信息，根据反馈信息对预设识别算法进行调整。通过用户对 电子设备的特征数据识别结果进行反馈，然后根据用户的反馈结果对 识别算法进行奖励或者惩罚，最终实现对识别算法的调整，提高识别 算法对一些场景识别的准确性。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例 描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的 附图仅仅是本申请的一些实施例，对于本领域技术人员来讲，在不付 出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本申请实施例提供的数据处理方法的场景示意图。

图2是本申请实施例提供的数据处理方法的第一流程示意图。

图3是本申请实施例提供的数据处理方法的第二流程示意图。

图4是本申请实施例提供的数据处理装置的第一结构示意图。

图5是本申请实施例提供的数据处理装置的第二结构示意图。

图6是本申请实施例提供的电子设备的结构示意图。

具体实施方式

请参照图式，对本申请实施例中的技术方案进行清楚、完整地描 述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部 的实施例。基于本申请中的实施例，本领域技术人员在没有作出创造 性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

在以下的说明中，本申请的具体实施例将参考由一部或多部计算 机所执行的步骤及符号来说明，除非另有述明。因此，这些步骤及操 作将有数次提到由计算机执行，本文所指的计算机执行包括了由代表 了以一结构化型式中的数据的电子信号的计算机处理单元的操作。此 操作转换该数据或将其维持在该计算机的内存系统中的位置处，其可 重新配置或另外以本领域测试人员所熟知的方式来改变该计算机的 运作。该数据所维持的数据结构为该内存的实体位置，其具有由该数 据格式所定义的特定特性。但是，本申请原理以上述文字来说明，其 并不代表为一种限制，本领域测试人员将可了解到以下所述的多种步 骤及操作亦可实施在硬件当中。

本申请中的术语“第一”、“第二”和“第三”等是用于区别不同 对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以 及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步 骤或模块的过程、方法、系统、产品或设备没有限定于已列出的步骤或模块，而是某些实施例还包括没有列出的步骤或模块，或某些实施 例还包括对于这些过程、方法、产品或设备固有的其它步骤或模块。

本申请实施例提供一种数据处理方法、装置、电子设备和存储介 质。以下分别进行详细说明。

请参阅图1，图1是本申请实施例提供的数据处理方法的场景图。 其中包含用户、网络、天气、地域以及社会等包含特征数据的场景或 事物，电子设备作为采集特征数据的主体，会通过网络、传感器、用 户输入等方式获取任一场景或者任一事物的全景数据，然后对全景数 据进行识别，以得到识别结果，然后将识别结果展示给用户，用户对 识别结果进行选择或者判断，电子设备得到用户的反馈信息对识别算 法进行改进或优化，最终得到准确的识别算法。

需要说明的是，图中仅仅展示一些场景，并不对本申请的识别场 景进行限定，作为识别全景数据的电子设备也可以为多种类型的电子 设备，例如，智能手机、智能穿戴设备、智能电视、电脑等电子设备， 不应对本发明作出限定。电子设备获取特征数据可以是主动获取的， 也可以是被动获取的，把得到的数据进行整合，以识别出相应的结果。

请参阅图2，图2是本申请实施例提供的数据处理方法的流程示意 图。本实施例中的数据处理方法包括：

在步骤S101中，获取电子设备的特征数据。

用户使用的电子设备，例如手机、笔记本电脑、智能穿戴设备等， 电子设备在使用的过程中，会获取天气、温度、湿度、GPS定位数据、 传感器数据等数据，也可以通过用户主动输入个人信息等数据，也可 以是通过网络获取的一些人文数据等等，即特征数据就是在任一场景 下电子设备所能获取的所有数据。

电子设备可主动获取特征数据，例如，通过光线传感器获取到环 境光的强度数据，通过加速度传感器获取运动数据，通过气压传感器 获取气压数据等等。在电子设备获取到特征数据后，需要对特征数据 进行识别，通过对特征数据的识别结果来判断用户的下一行为或者用 户状态。

电子设备获取特征数据是多传感器、多网络、以及用户等配合完 成的，对于一些较为隐私的数据获取，例如开启摄像头、麦克风等， 可以通过用户选择是否可以通过该传感器获取数据。

在步骤S102中，根据预设识别算法对所述特征数据进行识别以得 到识别结果。

在获取到电子设备所得到的特征数据后，需要对特征数据进行识 别，识别算法可以是预先设计好的识别算法，例如，对特征数据中的 运动数据进行识别，可以设计一个专门针对运动数据设计的识别算法， 通过对加速度、空间位移、运动时间等综合因素的考虑，设计好运动 数据识别算法。

然后通过运动数据识别算法对获取到的运动数据进行识别，得到 相应的结果，例如，识别的结果可以是用户当前正在跑步，或者用户 当前正在坐公共汽车等。

在对不同的数据进行识别时，需要通过不同的识别算法对获取的 特征数据进行识别。以上只是例举对运动数据的识别，而运动数据所 对应的识别算法是运动数据识别算法，如果是对图像数据进行识别， 则需要图像数据识别算法。可以将所有的识别算法进行整合，得到一 个综合性的识别算法，针对特征数据中各种不同的数据，都能够得到 相应的识别结果。

在步骤S103中，接收用户对识别结果的反馈信息。

在电子设备对全景数据进行识别之后，将识别结果发送至用户， 发送方式可以为在屏幕上显示或者通过声音的方式发送，用户对电子 设备识别的结果进行判断，电子设备根据用户的判断得到反馈信息。

其中判断识别结果的具体方式可以为判断识别结果的对误，然后 根据识别结果是否正确或者错误，对预设的识别算法进行调整。

也可以判断识别结果是否小于预设值，如果识别结果小于预设值， 则认为该全景数据对应的识别算法不佳，需要对该算法进行改变；如 果识别结果不小于预设值，则认为该全景数据对应的识别算法比较合 适，不需要对该算法进行改变，可以继续优化该识别算法。

在步骤S104中，根据所述反馈信息对所述预设识别算法进行调整。

在得到特征数据的识别结果后，可以根据识别结果来对识别算法 进行调整。例如，在反馈信息为对识别结果的判断对错信息，在得到 的识别结果后，如果识别结果正确，则不需要对该算法进行改变，可 以继续使用该识别算法并对该识别算法进行优化；如果识别结果错误， 则认为该特征数据对应的识别算法不佳，需要对该算法进行改变。

又比如，以预设值作为判断识别算法是否合适的标准，小于预设 值，则认为当前特征数据的识别算法不合适。如果根据反馈信息得到 的是反馈信息中的值小于预设值，则可以认为识别结果并未达到预期， 需要对该识别算法进行改变；如果根据反馈信息得到的反馈信息中国 的值不小于预设值，则认为当前特征数据的识别算法合适，可以继续 使用该识别算法并对其优化。

需要说明的是，用户的反馈信息不仅仅局限于本实施例中记载的 反馈信息，也可以是其他类型的反馈信息，然后电子设备对反馈信息 进行解读，再相应调整识别算法。

综上所述，本申请实施例通过获取电子设备的特征数据，根据预 设识别算法和特征数据对用户状态进行识别以得到识别结果，接收用 户对识别结果的反馈信息，根据反馈信息对所述预设识别算法进行调 整。通过用户对电子设备的特征数据识别结果进行反馈，然后根据用 户的反馈结果对识别算法进行奖励或者惩罚，最终实现对识别算法的 调整，提高识别算法对一些场景识别的准确性。

请参阅图3，图3是本申请实施例提供的数据处理方法的第二流程 示意图。本实施例中的数据处理方法具体步骤包括：

在步骤S201中，获取电子设备的特征数据。

需要说明的是，电子设备的特征数据是对识别算法进行优化的特 征数据。电子设备获取的特征数据也可以是用户主动提供的，例如， 用户的年龄、性别、学历、收入和爱好等信息。电子设备也可通过主 动与互联网连接获取一些人文信息，例如，当地法律、风土人情等信 息。

在步骤S202中，根据预设分类方法对特征数据进行分类以得到分 类结果。

通过对电子设备收集的特征数据进行分类处理，得到多个分类结 果，每个分类结果中都有相应的特征数据。

特征数据包含多种类型的数据，例如运动数据类型、环境数据类 型、人体数据类型等。其中运动数据类型包括GPS定位数据、加速度 传感器数据、重力传感器数据等；环境数据类型可以包括天气、温度、 人文数据等；人体数据类型包括体温、心跳、血压等数据。

在步骤S203中，在分类结果中对特征数据进行识别以得到识别结 果。

例如，在分类结果中选择运动数据分类结果，然后根据预设的特 征数据识别算法对运动数据分类结果进行识别，可以得到用户当前的 运动状态。比如可以根据GPS数据和速度传感器数据来判断用户当前 正在跑步或者游泳。

在分类结果中选择环境数据分类结果，然后根据预设的特征数据 识别算法对环境数据分类结果进行识别，可以得到用户在户外需要注 意的事项。比如根据天气数据和湿度数据得到天气炎热干燥，用户出 门需要带上水和防晒伞。

电子设备根据预设的特征数据识别算法对分类结果进行识别后， 得到相应的识别结果，然后将识别结果展示给用户。

在步骤S204中，接收用户对识别结果的反馈信息。

用户接收到电子设备所展示的特征数据识别结果，通过对识别结 果的判断，得到识别结果是否正确，然后根据对识别结果的判断结果， 对预设的识别算法进行调整。比如，用户正在其居住城市，而电子设 备对特征数据的识别结果是用户正在国外旅游，用户会选择识别结果 错误，然后电子设备接收到用户的反馈信息。

也可以判断识别结果是否小于预设值，如果识别结果小于预设值， 则认为该特征数据对应的识别算法不佳，需要对该算法进行改变，例 如，对运动数据的识别结果为用户当前正在跑步，但是用户的实际运 动状态是跳绳，则说明运动数据所对应的识别算法是错误的，需要进 行改变。

如果识别结果不小于预设值，则认为该特征数据对应的识别算法 比较合适，不需要对该算法进行改变，可以继续优化该识别算法，例 如，对运动数据的识别结果为用户当前正在慢速跑步，用户的实际运 动状态是正在快速行走，慢跑和快速行走的速率相差不多，则认为识 别算法比较合适的，只需要对识别算法进行优化，以达到完全正确的 识别结果。

最终，电子设备会接收到用户的反馈信息，并根据反馈信息进行 下一步骤的处理。

在步骤S205中，判断反馈信息是正确信息或错误信息。

在反馈信息中得到电子设备对特征数据的识别结果正确的情况 下，说明电子设备的预设识别算法是正确的，此时进入步骤S206，对 预设的识别算法进行奖励。

在反馈信息中得到电子设备对全景数据的识别结果错误的情况 下，说明电子设备的预设识别算法是错误的，此时进入步骤S208，对 预设的识别算法进行惩罚。

在对识别算法的奖励或者惩罚措施中，可以设置奖励值和惩罚值， 例如，在对全景数据识别正确的情况下，对识别算法给予奖励值，在 对特征数据识别错误的情况下，对识别算法给予惩罚值。

在步骤S206之后，在步骤S207中继续使用并优化预设识别算法。

当识别结果是正确时，说明识别该特征数据对应的预设识别算法 是合理的，可以继续采用该预设识别算法，同时可以设置该预设识别 算法中的权重参数等信息，继续优化该越预设识别算法，使其在多次 识别时仍然能够准确的识别，不出现错误。

在步骤S208之后，在步骤S209中改变预设识别算法。

在反馈信息中表明识别结果是错误的，则说明该特征数据对应的 预设识别算法是不合理的，不能够准确识别该特征数据，需要对算法 进行较大的调整或者使用其他算法代替，直到改变后的算法能够准确 识别该特征数据为止。

在步骤S210中，对特征数据进行识别，至识别结果全部正确时， 停止对预设识别算法的调整。

可以理解的是，在之前步骤对预设识别算法调整后，新的特征数 据识别算法或者原有的识别算法需要继续验证其准确性，则继续对特 征数据进行识别，重复上述步骤，继续把识别结果展示给用户，根据 用户的反馈结果来对预设识别算法进行调整，直至预设识别算法对特 征数据的识别准确无误为止。

此时，可以认为识别算法的优化已经完成，能够应用于不同的环 境中，准确的识别特征数据。

在步骤S211中，获取电子设备当前的特征数据，并根据特征数据 以及调整后的识别算法对用户状态进行识别。

在完成对识别算法的优化之后，获取电子设备当前的特征数据， 根据特征数据以及调整后的识别算法对用户状态进行识别，其中用户 状态可以包括行为状态、情绪状态、或者运动状态等。

例如，对当前的特征数据通过调整后的识别算法进行识别得到用 户正在跑步，或者用户正在旅游等。此时的识别算法已经优化完成， 可以在电子设备上正常使用。

综上所述，本申请实施例通过获取电子设备的特征数据，根据预 设的分类方法对特征数据进行分类以得到分类结果，再对分类结果进 行识别以得到识别结果，电子设备将识别结果展示给用户，用户对识 别结果进行反馈，电子设备通过判断用户的反馈信息来对预设的识别 算法进行调整，在识别结果正确的情况下，对预设的识别算法进行奖 励，继续使用并优化该预设识别算法。在识别结果错误的情况下，对 预设的识别算法进行惩罚，改变预设的识别算法。最终使用调整后的 预设识别算法对特征数据进行识别，直至识别结果正确的情况下，停 止对预设识别算法的调整。

此时的识别算法已经优化完成。通过本实施例记载的方法，能够 提高识别算法的准确性。

请参阅图4，图4是本申请实施例提供的数据处理装置的第一结构 示意图。其中，数据处理装置400中包括：获取模块410、分类模块420、 识别模块430、接收模块440、调整模块450及优化模块460。

其中，获取模块410用于获取电子设备的特征数据。

电子设备通过获取模块410获取特征数据，其中电子设备在使用 的过程中，会通过网络获取天气、温度、湿度、GPS定位数据、传感 器数据等特征数据，即特征数据就是在任一场景下电子设备所能获取 的所有数据。

电子设备获取的特征数据也可以是用户主动提供的，例如，用户 的年龄、性别、学历、收入和爱好等信息。电子设备也可通过主动与 互联网连接获取一些人文信息，例如，当地法律、风土人情等信息。

分类模块420，用于根据预设分类算法对特征数据进行分类以得 到分类结果，在分类结果中对全景数据进行识别以得到识别结果。

分类模块420对获取的特征数据进行分类，全景数据包含多种类 型的数据，例如运动数据类型、环境数据类型、人体数据类型等。其 中运动数据类型包括GPS定位数据、加速度传感器数据、重力传感器 数据等；环境数据类型可以包括天气、温度、人文数据等；人体数据 类型包括体温、心跳、血压等数据。

分类模块420通过对电子设备收集的特征数据进行分类处理，得 到多个分类结果，每个分类结果中都有相应的特征数据。

识别模块430，用于根据预设识别算法和特征数据对用户状态进 行识别以得到识别结果。

识别模块430在电子设备获取到分类结果后，可以根据预设的识 别算法对分类结果进行识别以得到识别结果，例如，可以根据运动数 据类型的分类结果进行识别，得到用户正在跑步或者用户正在游泳。

在对不同的数据进行识别时，需要通过不同的识别算法对获取的 特征数据进行识别。如果是对图像数据进行识别，则需要图像数据识 别算法，若是对运动数据识别，则需要运动数据识别算法。

请参阅图5，图5是本申请实施例提供的数据处理装置的第二流程 示意图。识别模块430还包括识别子模块431和发送子模块432，其中 识别子模块431用于在对分类结果进行识别时，对分类结果中的具体 的特征数据进行识别，例如，通过识别速度传感器数据、位移及运动 时间等得到用户正在跑步。

发送子模块432用于将识别结果展示给用户，具体地，发送子模 块432可以通过电子设备的显示屏将识别结果显示给用户观看，然后 等待用户选择，或者，通过扬声器播放识别结果，用户可以通过麦克 风对识别结果进行反馈。

接收模块440，用于接收用户对识别结果的反馈信息。

用户接收到电子设备所展示的全景数据识别结果，通过对识别结 果的判断，得到识别结果是否正确，然后根据对识别结果的判断结果， 对预设的识别算法进行调整。比如，用户正在其居住城市，而电子设 备对特征数据的识别结果是用户正在国外旅游，用户会选择识别结果 错误，然后电子设备通过接收模块440接收到用户的反馈信息。

也可以判断识别结果是否小于预设值，如果识别结果小于预设值， 则认为该特征数据对应的识别算法不佳，需要对该算法进行改变，例 如，对运动数据的识别结果为用户当前正在跑步，但是用户的实际运 动状态是跳绳，则说明运动数据所对应的识别算法是错误的，需要进 行改变。

如果识别结果不小于预设值，则认为该特征数据对应的识别算法 比较合适，不需要对该算法进行改变，可以继续优化该识别算法，例 如，对运动数据的识别结果为用户当前正在慢速跑步，用户的实际运 动状态是正在快速行走，慢跑和快速行走的速率相差不多，则认为识 别算法比较合适的，只需要对识别算法进行优化，以达到完全正确的 识别结果。

最终，电子设备会接收到用户的反馈信息，并根据反馈信息进行 下一步骤的处理。

调整模块450，用于根据反馈信息对预设识别算法进行调整。

在得到特征数据的识别结果后，可以根据识别结果来对识别算法 进行调整。例如，在反馈信息为对识别结果的判断对错信息，在得到 的识别结果后，如果识别结果正确，则不需要对该算法进行改变，可 以继续使用该识别算法并对该识别算法进行优化；如果识别结果错误， 则认为该特征数据对应的识别算法不佳，需要对该算法进行改变。

调整模块450还包括判断子模块451和调整子模块452，详见图5， 图5是本申请实施例提供的数据处理装置的第二结构示意图。

判断子模块451用于判断所述反馈信息是正确信息或错误信息。

判断模块451在判断出在反馈信息中电子设备对特征数据的识别 结果正确的情况下，说明电子设备的预设识别算法是正确的。

判断模块451在判断出在反馈信息中电子设备对特征数据的识别 结果错误的情况下，说明电子设备的预设识别算法是错误的。

调整子模块452用于在反馈信息是正确信息时，则所述识别结果 正确，继续使用所述预设识别算法对所述特征数据进行识别；在反馈 信息是错误信息时，则所述识别结果错误，改变所述预设识别算法。

在对识别结果的正确或者错误情况下，可以设置奖励值和惩罚值， 例如，在对特征数据识别正确的情况下，对识别算法给予奖励值，在 对特征数据识别错误的情况下，对识别算法给予惩罚值。

优化模块460，用于对所述特征数据进行识别，至所述识别结果 全部正确时，停止对所述预设识别算法的调整；获取所述电子设备当 前的特征数据，并根据所述全景数据以及调整后的识别算法对用户状 态进行识别。

可以理解的是，在之前步骤对预设识别算法调整后，新的特征数 据识别算法或者原有的识别算法需要继续验证其准确性，则继续对全 景数据进行识别，重复上述步骤，继续把识别结果展示给用户，根据 用户的反馈结果来对预设识别算法进行调整，直至预设识别算法对全 景数据的识别准确无误为止。

此时，可以认为识别算法的优化已经完成，能够应用于不同的环 境中，准确的识别特征数据。

综上所述，本申请实施例通过获取电子设备的特征数据，根据预 设的分类方法对特征数据进行分类以得到分类结果，再对分类结果进 行识别以得到识别结果，电子设备将识别结果展示给用户，用户对识 别结果进行反馈，电子设备通过判断用户的反馈信息来对预设的识别 算法进行调整，在识别结果正确的情况下，对预设的识别算法进行奖 励，继续使用并优化该预设识别算法。在识别结果错误的情况下，对 预设的识别算法进行惩罚，改变预设的识别算法。最终使用调整后的 预设识别算法对特征数据进行识别，直至识别结果正确的情况下，停 止对预设识别算法的调整。此时的特征数据识别算法已经优化完成， 能够提高识别算法的准确性。

本申请实施例中还提供了一种数据处理的模型，其中，建立数据 处理模型的方法如下：

基于用户的特征数据，例如天气、温度、应用打开历史、GPS轨 迹、传感器等数据。将电子设备当前获取的全景数据作为强化学习中 的状态。可以采用强化学习中的时间差分算法对用户当前的特征数据 进行识别，当然也可以采用其他算法建立模型，对此不作限制。

将识别出的结果输出到用户界面，用户对反馈结果进行判断，即 识别的是否准确，根据识别的结果来对模型进行奖励或者惩罚，即当 用户反馈模型识别的结果为正确时，模型获得奖励；当用户反馈模型 识别的结果为错误时，模型获得惩罚。

根据用户的反馈，时间差分算法对计算策略进行针对性调整。当 用户的反馈结果为正确时，时间差分算法强化当前计算策略。当用户 的反馈结果为错误时，时间差分算法就调整当前计算策略。

在下一次获取到电子设备获取的特征数据，会根据调整后的计算 策略对特征数据进行识别，然后将结果展示给用户，用户对结果进行 反馈，在与用户互动的过程中，模型会不断地调整全景类别的识别策 略，直到最终能够准确地识别出目标用户的全景类别为止。

此时，识别模型就建立完成了。需要说明的是，识别模型可用于 执行本申请实施例记载的数据处理方法：

获取电子设备的特征数据；

根据预设识别算法和所述特征数据对用户状态进行识别以得到 识别结果；

接收用户对所述识别结果的反馈信息；

根据所述反馈信息对所述预设识别算法进行调整。

请参阅图6，图6是本申请实施例提供的电子设备的结构示意图。

该电子设备包括：显示单元501、输入单元502、存储器503、中 央处理器504、电源505和传感器506等部件。本领域技术人员可以理 解，图6中示出的终端结构并不构成对终端的限定，可以包括比图示 更多或更少的部件，或者组合某些部件，或者不同的部件布置。其中：

显示单元501可用于显示由用户输入的信息或提供给用户的信 息以及终端的各种图形用户接口，这些图形用户接口可以由图形、文 本、图标、视频和其任意组合来构成。显示单元501可包括显示面板， 可选的，可以采用液晶显示器(LCD，Liquid CrystalDisplay)、有机 发光二极管(OLED，Organic Light-Emitting Diode)等形式来配置显 示面板。进一步的，触敏表面可覆盖显示面板，当触敏表面检测到在 其上或附近的触摸操作后，传送给中央处理器504以确定触摸事件的 类型，随后中央处理器504根据触摸事件的类型在显示面板上提供相 应的视觉输出。虽然在图6中，触敏表面与显示面板是作为两个独立 的部件来实现输入和输入功能，但是在某些实施例中，可以将触敏表 面与显示面板集成而实现输入和输出功能。

输入单元502可用于接收输入的数字或字符信息，以及产生与用 户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信 号输入。具体地，在一个具体的实施例中，输入单元502可包括触敏 表面以及其他输入设备。触敏表面，也称为触摸显示屏或者触控板， 可收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任 何适合的物体或附件在触敏表面上或在触敏表面附近的操作)，并根 据预先设定的程式驱动相应的连接装置。可选的，触敏表面可包括触 摸检测装置和触摸控制器两个部分。其中，触摸检测装置检测用户的 触摸方位，并检测触摸操作带来的信号，将信号传送给触摸控制器； 触摸控制器从触摸检测装置上接收触摸信息，并将它转换成触点坐标， 再送给中央处理器504，并能接收中央处理器504发来的命令并加以 执行。此外，可以采用电阻式、电容式、红外线以及表面声波等多种 类型实现触敏表面。除了触敏表面，输入单元502还可以包括其他输 入设备。具体地，其他输入设备可以包括但不限于物理键盘、功能键 (比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆等中的 一种或多种。

存储器503可用于存储软件程序以及模块，处理器504通过运行 存储在存储器503的软件程序以及模块，从而执行各种功能应用以及 数据处理。存储器504可主要包括存储程序区和存储数据区，其中， 存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声 音播放功能、图像播放功能等)等；存储数据区可存储根据终端的使 用所创建的数据(比如音频数据、电话本等)等。此外，存储器503 可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至 少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应 地，存储器503还可以包括存储器控制器，以提供处理器504和输入 单元502对存储器503的访问。

终端还包括给各个部件供电的电源505(比如电池)，优选的， 电源可以通过电源管理系统与中央处理器504逻辑相连，从而通过电 源管理系统实现管理充电、放电、以及功耗管理等功能。电源505还 可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障 检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。

终端还可包括至少一种传感器506，比如光传感器、磁传感器、 运动传感器以及其他传感器。具体地，光传感器可包括环境光传感器 及接近传感器，其中，环境光传感器可根据环境光线的明暗来调节显 示面板的亮度，接近传感器可在终端移动到耳边时，关闭显示面板和 /或背光。作为运动传感器的一种，重力加速度传感器可检测各个方 向上(一般为三轴)加速度的大小，静止时可检测出重力的大小及方 向，可用于识别手机姿态的应用(比如横竖屏切换、相关游戏、磁力 计姿态校准)、振动识别相关功能(比如计步器、敲击)等；至于终 端还可配置的陀螺仪、气压计、湿度计、温度计、红外线传感器等其 他传感器，在此不再赘述。

尽管未示出，终端还可以包括摄像头、蓝牙模块等，在此不再赘 述。具体在本实施例中，终端中的中央处理器504会按照如下的指令， 将一个或一个以上的应用程序的进程对应的可执行文件加载到存储 器503中，并由中央处理器504来运行存储在存储器503中的应用程序， 从而实现各种功能：

获取电子设备的特征数据；

根据预设识别算法和所述特征数据对用户状态进行识别以得到 识别结果；

接收用户对所述识别结果的反馈信息；

根据所述反馈信息对所述预设识别算法进行调整。

本领域普通技术人员可以理解，上述实施例的各种方法中的全部 或部分步骤可以通过指令来完成，或通过指令控制相关的硬件来完成， 该指令可以存储于一计算机可读存储介质中，并由处理器进行加载和 执行。

为此，本申请实施例提供一种存储介质，其中存储有多条指令， 该指令能够被处理器进行加载，以执行本申请实施例所提供的任一种 全景识别算法的优化方法中的步骤。例如，该指令可以执行如下步骤：

获取电子设备的特征数据；

根据预设识别算法和所述特征数据对用户状态进行识别以得到 识别结果；

接收用户对所述识别结果的反馈信息；

根据所述反馈信息对所述预设识别算法进行调整。

以上各个操作的具体实施可参见前面的实施例，在此不再赘述。

其中，该存储介质可以包括：只读存储器(ROM，Read Only Memory)、随机存取记忆体(RAM，Random Access Memory)、磁盘 或光盘等。

由于该存储介质中所存储的指令，可以执行本申请实施例所提供 的任一种全景识别算法的优化方法中的步骤，因此，可以实现本申请 实施例所提供的任一种全景识别算法的优化方法所能实现的有益效 果，详见前面的实施例，在此不再赘述。

以上对本申请实施例所提供的一种全景识别算法的优化方法、装 置、电子设备和存储介质进行了详细介绍，本文中应用了具体个例对 本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮 助理解本申请的方法及其核心思想；同时，对于本领域的技术人员， 依据本申请的思想，在具体实施方式及应用范围上均会有改变之处， 综上所述，本说明书内容不应理解为对本申请的限制。

Claims (7)

1.一种数据处理方法，其特征在于，所述方法包括：

获取电子设备的特征数据，所述特征数据为在任一场景下电子设备所能获取的所有数据，包括通过传感器获取的运动数据、环境数据、人体数据，通过用户主动输入的个人信息数据，以及通过主动与互联网连接获取的人文数据；

根据预设分类方法对所述特征数据进行分类以得到分类结果，所述分类结果包括运动数据类型、环境数据类型、人体数据类型；

根据预设识别算法，在所述分类结果中对相应的特征数据进行识别以得到识别结果，其中，若在分类结果中选择环境数据分类结果，则所述识别结果为用户在户外需要注意的事项；

接收用户对所述识别结果的反馈信息；

根据所述反馈信息对所述预设识别算法进行调整；

根据调整后的预设识别算法对所述特征数据进行识别，至识别结果全部正确时，停止对所述预设识别算法的调整；

获取所述电子设备当前的特征数据，并根据所述当前的特征数据以及最终调整后的识别算法对用户状态进行识别，其中所述用户状态包括行为状态、情绪状态、或者运动状态。

2.根据权利要求1所述的数据处理方法，其特征在于，所述根据所述反馈信息对所述预设识别算法进行调整，包括：

判断所述反馈信息是正确信息或错误信息；

若是正确信息，则所述识别结果正确，继续使用所述预设识别算法对所述特征数据进行识别；

若是错误信息，则所述识别结果错误，改变所述预设识别算法。

3.根据权利要求2所述的数据处理方法，其特征在于，在对所述预设识别算法进行调整之前，所述方法还包括：

在所述识别结果正确时，对所述预设识别算法进行奖励；

在所述识别结果错误时，对所述预设识别算法进行惩罚。

4.一种数据处理装置，其特征在于，所述装置包括：获取模块、识别模块、分类模块、接收模块、调整模块和优化模块；

所述获取模块，用于获取电子设备的特征数据，所述特征数据为在任一场景下电子设备所能获取的所有数据，包括运动数据、环境数据、人体数据，通过用户主动输入的个人信息数据，以及通过主动与互联网连接获取的人文数据；

所述分类模块，用于根据预设分类方法对所述特征数据进行分类以得到分类结果，所述分类结果包括运动数据类型、环境数据类型、人体数据类型；

所述识别模块，用于根据预设识别算法，在所述分类结果中对相应的特征数据进行识别以得到识别结果，其中，若在分类结果中选择环境数据分类结果，则所述识别结果为用户在户外需要注意的事项；

所述接收模块，用于接收用户对所述识别结果的反馈信息；

所述调整模块，用于根据所述反馈信息对所述预设识别算法进行调整；

所述优化模块，用于根据调整后的预设识别算法对所述特征数据进行识别，至所述识别结果全部正确时，停止对所述预设识别算法的调整；获取所述电子设备当前的特征数据，并根据所述当前的特征数据以及调整后的识别算法对用户状态进行识别，其中所述用户状态包括行为状态、情绪状态、或者运动状态。

5.根据权利要求4所述的数据处理装置，其特征在于，所述调整模块包括：

判断子模块，用于判断所述反馈信息是正确信息或错误信息；

调整子模块，用于在反馈信息是正确信息时，则所述识别结果正确，继续使用所述预设识别算法对所述特征数据进行识别；

在反馈信息是错误信息时，则所述识别结果错误，改变所述预设识别算法。

6.一种电子设备，其特征在于，包括：

存储有可执行程序代码的存储器、与所述存储器耦合的处理器；

所述处理器调用所述存储器中存储的所述可执行程序代码，执行如权利要求1至3任一项所述的数据处理方法中的步骤。

7.一种存储介质，其特征在于，所述存储介质存储有多条指令，所述指令适于处理器进行加载，以执行权利要求1至3任一项所述的数据处理方法中的步骤。

Images