CN113033584B - 数据处理方法及相关设备 - Google Patents

数据处理方法及相关设备 Download PDF

Info

Publication number
CN113033584B
CN113033584B CN201911253795.6A CN201911253795A CN113033584B CN 113033584 B CN113033584 B CN 113033584B CN 201911253795 A CN201911253795 A CN 201911253795A CN 113033584 B CN113033584 B CN 113033584B
Authority
CN
China
Prior art keywords
cluster
clustering
radius
user behavior
brightness
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
CN201911253795.6A
Other languages
English (en)
Other versions
CN113033584A (zh
Inventor
陆天洋
帅朝春
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.)
Guangdong Oppo Mobile Telecommunications Corp Ltd
Original Assignee
Guangdong Oppo Mobile Telecommunications Corp 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 Guangdong Oppo Mobile Telecommunications Corp Ltd filed Critical Guangdong Oppo Mobile Telecommunications Corp Ltd
Priority to CN201911253795.6A priority Critical patent/CN113033584B/zh
Publication of CN113033584A publication Critical patent/CN113033584A/zh
Application granted granted Critical
Publication of CN113033584B publication Critical patent/CN113033584B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
    • Y—GENERAL 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
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Image Analysis (AREA)
  • Telephone Function (AREA)

Abstract

本申请公开了一种数据处理方法及相关设备，应用于电子设备，方法包括：将聚类算法的聚类半径设置为第一聚类半径，聚类密度设置为第一聚类密度，使用所述聚类算法对获取的多个用户行为数据进行聚类，得到至少一个第一类簇；清除在上一个聚类半径下进行聚类得到的类簇的标识，将所述聚类算法的聚类半径更换为第二聚类半径，使用所述聚类算法对在上一个聚类半径下进行聚类得到的类簇进行聚类，得到至少一个第二类簇，上一个聚类半径与第二聚类半径的差值等于第一阈值；重复此步骤直至聚类不到类簇，或者重复此步骤直至聚类半径为第三聚类半径；基于得到的每个类簇的中心点确定用户行为特征信息。采用本申请实施例可提升用户行为特征信息的准确度。

Description

数据处理方法及相关设备
技术领域
本申请涉及电子技术领域，尤其涉及一种数据处理方法及相关设备。
背景技术
人们在使用电子设备(如智能手机、平板电脑等)过程中会产生一些用户行为，例如用户手动调节屏幕的背光亮度、用户手动调节音频输出音量等，进而产生用户行为数据。用户行为特征信息可用于电子设备进行自动调整，例如自动调整屏幕的背光亮度、自动调整音频输出音量等。因此如何基于用户行为数据确定用户行为特征信息是需要解决的计算问题。
发明内容
本申请实施例提供一种数据处理方法及相关设备，用于提升用户行为特征信息的准确度。
第一方面，本申请实施例提供一种数据处理方法，应用于电子设备，方法包括：
获取多个用户行为数据；
将聚类算法的聚类半径设置为第一聚类半径，聚类密度设置为第一聚类密度，以及使用所述聚类算法对所述多个用户行为数据进行聚类，得到至少一个第一类簇；
清除在上一个聚类半径下进行聚类得到的类簇的标识，将所述聚类算法的聚类半径更换为第二聚类半径，以及使用所述聚类算法对在上一个聚类半径下进行聚类得到的类簇进行聚类，得到至少一个第二类簇，上一个聚类半径与所述第二聚类半径的差值等于第一阈值；重复此步骤直至聚类不到类簇为止，或者重复此步骤直至聚类半径为第三聚类半径，所述第三聚类半径与N的乘积小于所述第一聚类半径，所述N为大于1的整数；
确定得到的每个类簇的中心点，以及基于每个类簇的中心点确定用户行为特征信息。
第二方面，本申请实施例提供一种数据处理装置，应用于电子设备，装置包括：
数据获取单元，用于获取多个用户行为数据；
数据聚类单元，用于将聚类算法的聚类半径设置为第一聚类半径，聚类密度设置为第一聚类密度，以及使用所述聚类算法对所述多个用户行为数据进行聚类，得到至少一个第一类簇；
所述数据聚类单元，还用于清除在上一个聚类半径下进行聚类得到的类簇的标识，将所述聚类算法的聚类半径更换为第二聚类半径，以及使用所述聚类算法对在上一个聚类半径下进行聚类得到的类簇进行聚类，得到至少一个第二类簇，上一个聚类半径与所述第二聚类半径的差值等于第一阈值；重复此步骤直至聚类不到类簇为止，或者重复此步骤直至聚类半径为第三聚类半径，所述第三聚类半径与N的乘积小于所述第一聚类半径，所述N为大于1的整数；
特征信息确定单元，用于确定得到的每个类簇的中心点，以及基于每个类簇的中心点确定用户行为特征信息。
第三方面，本申请实施例提供一种电子设备，包括处理器、存储器、通信接口，以及一个或多个程序，其中，上述一个或多个程序被存储在上述存储器中，并且被配置由上述处理器执行，上述程序包括用于执行本申请实施例第一方面所述的方法中的步骤的指令。
第四方面，本申请实施例提供了一种计算机可读存储介质，上述计算机可读存储介质用于存储计算机程序，上述计算机程序被处理器执行，以实现如本申请实施例第一方面所述的方法中所描述的部分或全部步骤。
第五方面，本申请实施例提供了一种计算机程序产品，上述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，上述计算机程序可操作来使计算机执行如本申请实施例第一方面所述的方法中所描述的部分或全部步骤。该计算机程序产品可以为一个软件安装包。
可以看出，在本申请实施例中，首先获取多个用户行为数据；然后清除在上一个聚类半径下进行聚类得到的类簇的标识，将聚类算法的聚类半径设置为第一聚类半径，聚类密度设置为第一聚类密度，以及使用所述聚类算法对所述多个用户行为数据进行聚类，得到至少一个第一类簇；再然后将所述聚类算法的聚类半径更换为第二聚类半径，以及使用所述聚类算法对在上一个聚类半径下进行聚类得到的类簇进行聚类，得到至少一个第二类簇，上一个聚类半径与所述第二聚类半径的差值等于第一阈值，重复此步骤直至聚类不到类簇为止，或者重复此步骤直至聚类半径为第三聚类半径，所述第三聚类半径与N的乘积小于所述第一聚类半径；确定得到的每个类簇的中心点，以及基于每个类簇的中心点确定用户行为特征信息，实现了聚类半径是逐渐减小的，以过滤噪点，进而得到更准确的类簇，最终得到更准确的用户行为特征信息。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术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，对于本领域普通技术人员来讲，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电子设备的结构示意图；
图2A是本申请实施例提供的一种数据处理方法的流程示意图；
图2B是本申请实施例提供的一种多个用户行为数据的示意图；
图2C是本申请实施例提供的一种亮度调节曲线的示意图；
图2D是本申请实施例提供的一种音量调节曲线的示意图；
图3是本申请实施例提供的另一种数据处理方法的流程示意图；
图4是本申请实施例提供的另一种电子设备的结构示意图；
图5是本申请实施例提供的一种数据处理装置的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，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的实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。
以下分别进行详细说明。
本申请的说明书和权利要求书及所述附图中的术语“第一”、“第二”、“第三”和“第四”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单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
电子设备可以包括各种具有无线通信功能的手持设备、车载设备、可穿戴设备、计算设备或连接到无线调制解调器的其他处理设备，以及各种形式的用户设备(UserEquipment，UE)，移动台(Mobile Station，MS)，终端设备(terminal device)等等。
如图1所示，图1是本申请实施例提供的一种电子设备的结构示意图。该电子设备包括处理器、存储器、随机存取存储器(Random Access Memory，RAM)和显示屏。其中，存储器、RAM和显示屏均与处理器连接。
进一步地，电子设备还包括扬声器、麦克风、摄像头、通信接口、信号处理器和传感器，扬声器、麦克风、摄像头、信号处理器和传感器均与处理器连接，通信接口与信号处理器连接。
其中，显示屏可以是液晶显示器(Liquid Crystal Display，LCD)、有机或无机发光二极管(Organic Light-Emitting Diode，OLED)、有源矩阵有机发光二极体面板(ActiveMatrix/Organic Light Emitting Diode，AMOLED)等。
其中，该摄像头可以是普通摄像头、也可以是红外摄像，在此不作限定。该摄像头可以是前置摄像头或后置摄像头，在此不作限定。
其中，传感器包括以下至少一种：光感传感器、陀螺仪、红外接近传感器、指纹传感器、压力传感器等等。其中，光感传感器，也称为环境光传感器，用于检测环境光亮度。光线传感器可以包括光敏元件和模数转换器。其中，光敏元件用于将采集的光信号转换为电信号，模数转换器用于将上述电信号转换为数字信号。可选的，光线传感器还可以包括信号放大器，信号放大器可以将光敏元件转换的电信号进行放大后输出至模数转换器。上述光敏元件可以包括光电二极管、光电三极管、光敏电阻、硅光电池中的至少一种。
其中，处理器是电子设备的控制中心，利用各种接口和线路连接整个电子设备的各个部分，通过运行或执行存储在存储器内的软体程序和/或模块，以及调用存储在存储器内的数据，执行电子设备的各种功能和处理数据，从而对电子设备进行整体监控。
其中，处理器可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器中。
其中，存储器用于存储软体程序和/或模块，处理器通过运行存储在存储器的软件程序和/或模块，从而执行电子设备的各种功能应用以及数据处理。存储器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软体程序等；存储数据区可存储根据电子设备的使用所创建的数据等。此外，存储器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。
下面对本申请实施例进行详细介绍。
请参见图2A，图2A是本申请实施例提供一种数据处理方法，应用于电子设备，具体包括以下步骤：
步骤201：电子设备获取多个用户行为数据。
可选地，当前时刻与所述用户行为数据的记录时刻的差值小于或等于第一时长，第一时长例如有30min、1h、5h、1天、2天或是其他值。也就是说，电子设备获取的多个用户行为数据是获取一段时间内的数据。
可选地，所述用户行为数据是在电子设备前台运行设定应用下产生的。
其中，在电子设备前台运行设定应用下，用户手动将屏幕的背光亮度调节至第一背光亮度，此时环境光感度为第一光感度，则此时产生的用户行为数据包括第一背光亮度和第一光感度。
其中，在电子设备前台运行设定应用下，用户手动将音频输出音量调节至第一音频输出音量，此时环境声音强度为第一环境声音强度，则此时产生的用户行为数据包括第一音频输出音量和第一环境声音强度。
其中，设定应用例如有即时通信应用、购物应用、音频播放应用、视频播放应用、文本阅读应用、办公应用、社交应用、支付应用、金融投资应用、浏览器应用等。
步骤202：电子设备将聚类算法的聚类半径设置为第一聚类半径，聚类密度设置为第一聚类密度，以及使用所述聚类算法对所述多个用户行为数据进行聚类，得到至少一个第一类簇。
其中，第一聚类半径例如是100、90、80或是其他值。第一聚类密度例如是7、6、5或是其他值。
举例来说，假设第一聚类半径为100，第一聚类密度为5，11个用户行为数据，如图2B所示，用户行为数据1为(185，200)、用户行为数据2为(215，285)、用户行为数据3为(225，267)、用户行为数据4为(252，267)、用户行为数据5为(265，285)、用户行为数据6为(252，300)、用户行为数据7为(304，354)、用户行为数据8为(317，340)、用户行为数据9为(330，354)、用户行为数据10为(342，340)、用户行为数据11为(359，354)。
以用户行为数据1为圆心，半径为100画圆，该圆中仅包含4个(小于第一聚类密度)用户行为数据，为无效类簇。以用户行为数据2为圆心，半径为100画圆，该圆中包含用户行为数据1、用户行为数据2、用户行为数据3、用户行为数据4、用户行为数据5和用户行为数据6，为有效类簇，即第一类簇1。以用户行为数据3为圆心，半径为100画圆，该圆中包含用户行为数据1、用户行为数据2、用户行为数据3、用户行为数据4、用户行为数据5和用户行为数据6，为有效类簇，即第一类簇2；以此类推，直至以用户行为数据11为圆心，半径为100画圆为止，进而得到至少一个第一类簇。
步骤203：电子设备清除在上一个聚类半径下进行聚类得到的类簇的标识，将所述聚类算法的聚类半径更换为第二聚类半径，以及使用所述聚类算法对在上一个聚类半径下进行聚类得到的类簇进行聚类，得到至少一个第二类簇，上一个聚类半径与所述第二聚类半径的差值等于第一阈值；重复此步骤直至聚类不到类簇为止，或者重复此步骤直至聚类半径为第三聚类半径，所述第三聚类半径与N的乘积小于所述第一聚类半径，所述N为大于1的整数。
其中，步骤203的情况下，所述聚类算法的聚类密度为所述第一聚类密度。
其中，第一阈值例如为12、10、9、8或是其他值。
其中，在对在上一个聚类半径下进行聚类得到的类簇进行聚类之前，先清除在上一个聚类半径下进行聚类得到的类簇的标识是为了对在上一个聚类半径下进行聚类得到的类簇进行聚类，假如该在上一个聚类半径下进行聚类得到的类簇的标识未清除，该在上一个聚类半径下进行聚类得到的类簇是不可以再次聚类的。
举例来说，假如步骤202得到的第一类簇有第一类簇1和第一类簇2，第一聚类半径为100，第一阈值为10，那么电子设备清除第一类簇1的标识，然后将聚类算法的聚类半径更改为90，以及使用所述聚类算法对第一类簇1进行聚类(假如得到第二类簇1)，电子设备清除第一类簇2的标识，然后将聚类算法的聚类半径更改为90，以及使用所述聚类算法对第一类簇2进行聚类(假如得到第二类簇2和第二类簇3)；电子设备清除第二类簇1的标识，然后将聚类算法的聚类半径更改为80，以及使用所述聚类算法对第二类簇1进行聚类(假如得到第二类簇4)，电子设备清除第二类簇2的标识，然后将聚类算法的聚类半径更改为80，以及使用所述聚类算法对第二类簇2进行聚类(假如聚类不到类簇)，电子设备清除第二类簇3的标识，然后将聚类算法的聚类半径更改为80，以及使用所述聚类算法对第二类簇3进行聚类(假如得到第二类簇5)；电子设备清除第二类簇4的标识，然后将聚类算法的聚类半径更改为70，以及使用所述聚类算法对第二类簇4进行聚类(假如聚类不到类簇)，电子设备清除第二类簇5的标识，然后将聚类算法的聚类半径更改为70，以及使用所述聚类算法对第二类簇5进行聚类(假如也聚类不到类簇)，电子设备停止聚类。
又举例来说，假如步骤202得到的第一类簇有第一类簇1和第一类簇2，第一聚类半径为100，第一阈值为10，第三聚类半径为60，那么电子设备清除第一类簇1的标识，然后将聚类算法的聚类半径更改为90，以及使用所述聚类算法对第一类簇1进行聚类(假如得到第二类簇1)，电子设备清除第一类簇2的标识，然后将聚类算法的聚类半径更改为90，以及使用所述聚类算法对第一类簇2进行聚类(假如得到第二类簇2和第二类簇3)；电子设备清除第二类簇1的标识，然后将聚类算法的聚类半径更改为80，以及使用所述聚类算法对第二类簇1进行聚类(假如得到第二类簇4)，电子设备清除第二类簇2的标识，然后将聚类算法的聚类半径更改为80，以及使用所述聚类算法对第二类簇2进行聚类(假如聚类不到类簇)，电子设备清除第二类簇3的标识，然后将聚类算法的聚类半径更改为80，以及使用所述聚类算法对第二类簇3进行聚类(假如得到第二类簇5)；电子设备清除第二类簇4的标识，然后将聚类算法的聚类半径更改为70，以及使用所述聚类算法对第二类簇4进行聚类(假如聚类不到类簇)，电子设备清除第二类簇5的标识，然后将聚类算法的聚类半径更改为70，以及使用所述聚类算法对第二类簇5进行聚类(假如得到第二类簇6)；电子设备清除第二类簇6的标识，然后将聚类算法的聚类半径更改为60，以及使用所述聚类算法对第二类簇6进行聚类(假如得到第二类簇7)，电子设备停止聚类。
步骤204：电子设备确定得到的每个类簇的中心点，以及基于每个类簇的中心点确定用户行为特征信息。
可选地，电子设备确定得到的每个类簇的中心点，包括：电子设备基于欧式距离计算公式确定得到的每个类簇的中心点；
其中，欧式距离计算公式为：
Figure BDA0002309752960000051
其中，dist(X,Y)为欧式距离，xi表示第i个用户行为数据的横坐标值，yi表示第i个用户行为数据的纵坐标值，n为类簇中包括的用户行为数据的个数。
举例来说，假如步骤202得到的第一类簇有第一类簇1和第一类簇2，电子设备对第一类簇1进行聚类得到第二类簇1，对第一类簇2进行聚类得到第二类簇2和第二类簇3，对第二类簇1进行聚类得到第二类簇4，对第二类簇2进行聚类得到不到类簇，对第二类簇3进行聚类得到第二类簇5，对第二类簇4进行聚类得到不到类簇，对第二类簇5进行聚类得到不到类簇。由于第一类簇1和第二类簇2均可聚类到新的类簇，且第一类簇1和第一类簇2标识已被清除，那么步骤203之后，聚类得到的类簇不包括第一类簇1和第一类簇2，由于对第二类簇2进行聚类得不到新的类簇，因此该类簇为最小的类簇，那么步骤203之后，聚类得到的类簇包括第二类簇2，由此可见，在步骤203之后，聚类得到的类簇包括第二类簇2、第二类簇4和第二类簇5，因此在步骤204中，电子设备是确定第二类簇2的中心点、第二类簇4的中心点，以及第二类簇5的中心点，最后电子设备基于第二类簇2的中心点、第二类簇4的中心点，以及第二类簇5的中心点确定用户行为特征信息。
可以看出，在本申请实施例中，首先获取多个用户行为数据；然后清除在上一个聚类半径下进行聚类得到的类簇的标识，将聚类算法的聚类半径设置为第一聚类半径，聚类密度设置为第一聚类密度，以及使用所述聚类算法对所述多个用户行为数据进行聚类，得到至少一个第一类簇；再然后将所述聚类算法的聚类半径更换为第二聚类半径，以及使用所述聚类算法对在上一个聚类半径下进行聚类得到的类簇进行聚类，得到至少一个第二类簇，上一个聚类半径与所述第二聚类半径的差值等于第一阈值，重复此步骤直至聚类不到类簇为止，或者重复此步骤直至聚类半径为第三聚类半径，所述第三聚类半径与N的乘积小于所述第一聚类半径；确定得到的每个类簇的中心点，以及基于每个类簇的中心点确定用户行为特征信息，实现了聚类半径是逐渐减小的，以过滤噪点，进而得到更准确的类簇，最终得到更准确的用户行为特征信息。
在本申请的一实现方式中，所述用户行为数据包括第一光感度和在所述第一光感度下用户手动调节的第一背光亮度，每个中心点由第二光感度和第二背光亮度表示；所述电子设备确定得到的每个类簇的中心点之后，所述方法还包括：
若在所述第三聚类半径下聚类得到的至少一个第二类簇的中心点对应的第二光感度小于预设光感度，则电子设备清除在上一个聚类半径下进行聚类得到的类簇的标识，将所述聚类算法的聚类半径更换为第四聚类半径，以及使用所述聚类算法对在上一个聚类半径下进行聚类得到的类簇进行聚类，得到至少一个第三类簇，上一个聚类半径与所述第四聚类半径的差值等于第二阈值，所述第二阈值小于所述第一阈值；重复此步骤直至聚类不到类簇为止，或者重复此步骤直至聚类半径为第五聚类半径，所述第五聚类半径与M的乘积小于所述第三聚类半径，所述M为大于1的整数；
电子设备确定得到的每个类簇的中心点。
其中，预设光感度例如为28、30、32或是其他值。第二阈值例如为2、3、4、6或是其他值。
其中，在本实施例中，所述聚类算法的聚类密度为所述第一聚类密度。
举例来说，假如步骤202得到的第一类簇有第一类簇1和第一类簇2，第一聚类半径为100，第一阈值为10，第三聚类半径为60，如果电子设备在聚类半径为90下对第一类簇1进行聚类，得到第二类簇1，在聚类半径为90下对第一类簇2进行聚类，得到第二类簇2和第二类簇3；在聚类半径为80下对第二类簇1进行聚类，得到第二类簇4，在聚类半径为80下对第二类簇2进行聚类，得不到类簇，在聚类半径为80下对第二类簇3进行聚类，得到第二类簇5；在聚类半径为70下对第二类簇4进行聚类，得不到类簇，在聚类半径为70下对第二类簇5进行聚类，得到第二类簇6；在聚类半径为60下对第二类簇6进行聚类，得到第二类簇7，电子设备停止聚类；此时电子设备得到的类簇有：第二类簇2、第二类簇4和第二类簇7，电子设备确定第二类簇2的中心点、第二类簇4的中心点、以及第二类簇7的中心点。
假如预设光感度为30，第二阈值为5，如果第二类簇7的中心点3对应的光感度小于30，那么电子设备清除第二类簇7的标识，然后将聚类算法的聚类半径更改为55，以及使用所述聚类算法对第二类簇7进行聚类(假如得到第三类簇1和第三类族2)；电子设备清除第三类簇1的标识，然后将聚类算法的聚类半径更改为50，以及使用所述聚类算法对第三类簇1进行聚类(假如聚类不到类簇)，电子设备清除第三类簇2的标识，然后将聚类算法的聚类半径更改为50，以及使用所述聚类算法对第三类簇2进行聚类(假如得到第三类簇3)；电子设备清除第三类簇3的标识，然后将聚类算法的聚类半径更改为45，以及使用所述聚类算法对第三类簇3进行聚类(假如聚类不到类簇)，电子设备停止聚类；此时电子设备得到的类簇有：第二类簇2、第二类簇4、第三类簇1和第三类簇3，电子设备确定第二类簇2的中心点、第二类簇4的中心点、第三类簇1的中心点和第三类簇3的中心点，最后电子设备基于第二类簇2的中心点、第二类簇4的中心点、第三类簇1的中心点和第三类簇3的中心点确定用户行为特征信息。
又假如预设光感度为30，第二阈值为5，如果第二类簇7的中心点3对应的光感度小于30，第五聚类半径为50，那么电子设备清除第二类簇7的标识，然后将聚类算法的聚类半径更改为55，以及使用所述聚类算法对第二类簇7进行聚类(假如得到第三类簇1和第三类族2)；电子设备清除第三类簇1的标识，然后将聚类算法的聚类半径更改为50，以及使用所述聚类算法对第三类簇1进行聚类(假如聚类不到类簇)，电子设备清除第三类簇2的标识，然后将聚类算法的聚类半径更改为50，以及使用所述聚类算法对第三类簇2进行聚类(假如得到第三类簇3)，电子设备停止聚类；此时电子设备得到的类簇有：第二类簇2、第二类簇4、第三类簇1和第三类簇3，电子设备确定第二类簇2的中心点、第二类簇4的中心点、第三类簇1的中心点和第三类簇3的中心点，最后电子设备基于第二类簇2的中心点、第二类簇4的中心点、第三类簇1的中心点和第三类簇3的中心点确定用户行为特征信息。
可以看出，在本申请实施中，在光感度小于一定值的情况下，说明该中心点对应的行为是用户在较暗环境光下手动调节的行为，由于在光线较暗的情况下，亮度等级变化较为敏感，亮度等级相差为较小时，用户可能就能感知，因此在该种情况下，继续聚类能得到更准确的类簇，进而得到更准确的用户行为特征信息。
在本申请的一实现方式中，所述电子设备中存储有亮度保护数据集，所述亮度保护数据集中包括的每个亮度保护数据均包括第三光感度和在所述第三光感度下的最大背光亮度；所述基于每个类簇的中心点确定用户行为特征信息之前，所述方法还包括：
基于所述亮度保护数据集确定K个目标中心点，所述目标中心点对应的第二背光亮度大于在其对应的第二光感度下的最大背光亮度，所述K为正整数；
将每个所述目标中心点对应的第二背光亮度，更换为在其对应的第二光感度下的最大背光亮度。
其中，亮度保护数据集如表1所示。
表1
光感度 背光亮度
0 100
1 160
2 230
3 280
…… ……
100 680
…… ……
540 860
…… ……
1000 900
…… ……
举例来说，假设在基于每个类簇的中心点确定用户行为特征信息之前，电子设备得到的中心点有：中心点1(100，500)，中心点2(540，1000)，中心点3(1000，850)，通过表1可确定有1个目标中心点，即中心点2，电子设备将中心点2的背光亮度从1000更换为860，最后得到的中心点2为(540，860)。
可以看出，在本申请实施例中，当背光亮度较高时，用户对亮度的敏感度下降，此时适当调低背光亮度对用户的影响很小，因此在某些中心点对应的背光亮度过大时，将该某些中心点的背光亮度适当调低，这样既能不伤眼，又能降低功耗。
在本申请的一实现方式中，电子设备基于每个类簇的中心点确定用户行为特征信息，包括：
电子设备基于每个类簇的中心点绘制亮度调节曲线，得到所述亮度调节曲线对应的亮度调节数据集，所述亮度调节曲线的一个坐标轴用于表示光感度，另一个坐标轴用于表示背光亮度，所述亮度调节数据集用于在自动亮度模式下，自动调节屏幕的背光亮度。
其中，所述亮度调节数据集是所述亮度调节曲线对应的所有数据。
举例来说，假设在基于每个类簇的中心点确定用户行为特征信息之前，电子设备得到的中心点有：中心点1(130，213)、中心点2(235，257)、中心点3(296，283)和中心点4(332，333)，基于这4个中心点绘制得到的亮度调节曲线如图2C所示。
在本申请的一实现方式中，电子设备基于每个类簇的中心点确定用户行为特征信息之后，所述方法还包括：
在所述自动亮度模式下，电子设备获取当前环境的第四光感度；
电子设备基于所述亮度调节数据集，将屏幕的背光亮度调节至所述第四光感度对应的背光亮度。
举例来说，假设当前环境的第四光感度为300，通过图2C可得到光感度在300处时对应的背光亮度为308，那么将屏幕的背光亮度调节至308。
可以看出，在本申请实施例中，由于亮度调节数据集是基于用户行为数据确定的，那么基于亮度调节数据集自动调节屏幕背光亮度，更符合用户的需求，提升屏幕背光亮度的调节准确性。
在本申请的一实现方式中，所述用户行为数据包括第一环境声音强度和在所述第一环境声音强度下用户手动调节的第一音频输出音量，每个中心点由第二环境声音强度和第二音频输出音量表示；所述电子设备基于每个类簇的中心点确定用户行为特征信息，包括：
电子设备基于每个类簇的中心点绘制音量调节曲线，得到所述音量调节曲线对应的音量调节数据集，所述音量调节曲线的一个坐标轴用于表示环境声音强度，另一个坐标轴用于表示音频输出音量，所述音量调节数据集用于在自动音量模式下，自动调节音频输出音量。
举例来说，假设在基于每个类簇的中心点确定用户行为特征信息之前，电子设备得到的中心点有：中心点1(13，21)、中心点2(24，26)、中心点3(29，28)和中心点4(33，33)，基于这4个中心点绘制得到的音量调节曲线如图2D所示。
在本申请的一实现方式中，电子设备基于每个类簇的中心点确定用户行为特征信息之后，所述方法还包括：
在所述自动音量模式下，电子设备获取当前环境的第三环境声音强度；
电子设备基于所述音量调节数据集，将所述电子设备的音频输出音量调节至所述第三环境声音强度对应的第三音频输出音量。
举例来说，假设当前环境的第三环境声音强度为30，通过图2D可得到环境声音强度在30处时对应的音频输出音量为31，那么将电子设备的音频输出音量调节至31。
可以看出，在本申请实施例中，由于音量调节数据集是基于用户行为数据确定的，那么基于音量调节数据集自动调节音频输出音量，更符合用户的需求，提升音频输出音量的调节准确性。
与所述图2A所示的实施例一致的，请参阅图3，图3是本申请实施例提供的另一种数据处理方法，应用于电子设备，具体包括以下步骤：
步骤301：电子设备获取多个用户行为数据。
其中，所述用户行为数据包括第一光感度和在所述第一光感度下用户手动调节的第一背光亮度。
步骤302：电子设备将聚类算法的聚类半径设置为第一聚类半径，聚类密度设置为第一聚类密度，以及使用所述聚类算法对所述多个用户行为数据进行聚类，得到至少一个第一类簇。
步骤303：电子设备清除在上一个聚类半径下进行聚类得到的类簇的标识，将所述聚类算法的聚类半径更换为第二聚类半径，以及使用所述聚类算法对在上一个聚类半径下进行聚类得到的类簇进行聚类，得到至少一个第二类簇，上一个聚类半径与所述第二聚类半径的差值等于第一阈值；重复此步骤直至聚类不到类簇为止，或者重复此步骤直至聚类半径为第三聚类半径，所述第三聚类半径与N的乘积小于所述第一聚类半径，所述N为大于1的整数。
步骤304：电子设备确定得到的每个类簇的中心点。
其中，每个中心点由第二光感度和第二背光亮度表示。
步骤305：若在所述第三聚类半径下聚类得到的至少一个第二类簇的中心点对应的第二光感度小于预设光感度，则电子设备清除在上一个聚类半径下进行聚类得到的类簇的标识，将所述聚类算法的聚类半径更换为第四聚类半径，以及使用所述聚类算法对在上一个聚类半径下进行聚类得到的类簇进行聚类，得到至少一个第三类簇，上一个聚类半径与所述第四聚类半径的差值等于第二阈值，所述第二阈值小于所述第一阈值；重复此步骤直至聚类不到类簇为止，或者重复此步骤直至聚类半径为第五聚类半径，所述第五聚类半径与M的乘积小于所述第三聚类半径，所述M为大于1的整数。
步骤306：电子设备确定得到的每个类簇的中心点。
其中，所述电子设备中存储有亮度保护数据集，所述亮度保护数据集中包括的每个亮度保护数据均包括第三光感度和在所述第三光感度下的最大背光亮度。
步骤307：电子设备基于所述亮度保护数据集确定K个目标中心点，所述目标中心点对应的第二背光亮度大于在其对应的第二光感度下的最大背光亮度，所述K为正整数。
步骤308：电子设备将每个所述目标中心点对应的第二背光亮度，更换为在其对应的第二光感度下的最大背光亮度。
步骤309：电子设备基于每个类簇的中心点绘制亮度调节曲线，得到所述亮度调节曲线对应的亮度调节数据集，所述亮度调节曲线的一个坐标轴用于表示光感度，另一个坐标轴用于表示背光亮度，所述亮度调节数据集用于在自动亮度模式下，自动调节屏幕的背光亮度。
步骤310：电子设备在所述自动亮度模式下，获取当前环境的第四光感度。
步骤311：电子设备基于所述亮度调节数据集，将屏幕的背光亮度调节至所述第四光感度对应的背光亮度。
需要说明的是，本实施例的具体实现过程可参见上述方法实施例所述的具体实现过程，在此不再叙述。
与上述图2A和图3所示的实施例一致的，请参阅图4，图4是本申请实施例提供的一种电子设备的结构示意图，如图所示，该电子设备包括处理器、存储器、通信接口以及一个或多个程序，其中，上述一个或多个程序被存储在上述存储器中，并且被配置由上述处理器执行，上述程序包括用于执行以下步骤的指令：
获取多个用户行为数据；
将聚类算法的聚类半径设置为第一聚类半径，聚类密度设置为第一聚类密度，以及使用所述聚类算法对所述多个用户行为数据进行聚类，得到至少一个第一类簇；
清除在上一个聚类半径下进行聚类得到的类簇的标识，将所述聚类算法的聚类半径更换为第二聚类半径，以及使用所述聚类算法对在上一个聚类半径下进行聚类得到的类簇进行聚类，得到至少一个第二类簇，上一个聚类半径与所述第二聚类半径的差值等于第一阈值；重复此步骤直至聚类不到类簇为止，或者重复此步骤直至聚类半径为第三聚类半径，所述第三聚类半径与N的乘积小于所述第一聚类半径，所述N为大于1的整数；
确定得到的每个类簇的中心点，以及基于每个类簇的中心点确定用户行为特征信息。
在本申请的一实现方式中，所述用户行为数据包括第一光感度和在所述第一光感度下用户手动调节的第一背光亮度，每个中心点由第二光感度和第二背光亮度表示；在确定得到的每个类簇的中心点之后，上述程序包括还用于执行以下步骤的指令：
若在所述第三聚类半径下聚类得到的至少一个第二类簇的中心点对应的第二光感度小于预设光感度，则清除在上一个聚类半径下进行聚类得到的类簇的标识，将所述聚类算法的聚类半径更换为第四聚类半径，以及使用所述聚类算法对在上一个聚类半径下进行聚类得到的类簇进行聚类，得到至少一个第三类簇，上一个聚类半径与所述第四聚类半径的差值等于第二阈值，所述第二阈值小于所述第一阈值；重复此步骤直至聚类不到类簇为止，或者重复此步骤直至聚类半径为第五聚类半径，所述第五聚类半径与M的乘积小于所述第三聚类半径，所述M为大于1的整数；
确定得到的每个类簇的中心点。
在本申请的一实现方式中，所述电子设备中存储有亮度保护数据集，所述亮度保护数据集中包括的每个亮度保护数据均包括第三光感度和在所述第三光感度下的最大背光亮度；在基于每个类簇的中心点确定用户行为特征信息之前，上述程序包括还用于执行以下步骤的指令：
基于所述亮度保护数据集确定K个目标中心点，所述目标中心点对应的第二背光亮度大于在其对应的第二光感度下的最大背光亮度，所述K为正整数；
将每个所述目标中心点对应的第二背光亮度，更换为在其对应的第二光感度下的最大背光亮度。
在本申请的一实现方式中，在基于每个类簇的中心点确定用户行为特征信息方面，上述程序包括具体用于执行以下步骤的指令：
基于每个类簇的中心点绘制亮度调节曲线，得到所述亮度调节曲线对应的亮度调节数据集，所述亮度调节曲线的一个坐标轴用于表示光感度，另一个坐标轴用于表示背光亮度，所述亮度调节数据集用于在自动亮度模式下，自动调节屏幕的背光亮度。
在本申请的一实现方式中，在基于每个类簇的中心点确定用户行为特征信息之后，上述程序包括还用于执行以下步骤的指令：
在所述自动亮度模式下，获取当前环境的第四光感度；
基于所述亮度调节数据集，将屏幕的背光亮度调节至所述第四光感度对应的背光亮度。
在本申请的一实现方式中，所述第一背光亮度是在所述电子设备前台运行设定应用下用户手动调节的。
在本申请的一实现方式中，所述用户行为数据包括第一环境声音强度和在所述第一环境声音强度下用户手动调节的第一音频输出音量，每个中心点由第二环境声音强度和第二音频输出音量表示；在基于每个类簇的中心点确定用户行为特征信息方面，上述程序包括具体用于执行以下步骤的指令：
基于每个类簇的中心点绘制音量调节曲线，得到所述音量调节曲线对应的音量调节数据集，所述音量调节曲线的一个坐标轴用于表示环境声音强度，另一个坐标轴用于表示音频输出音量，所述音量调节数据集用于在自动音量模式下，自动调节音频输出音量。
需要说明的是，本实施例的具体实现过程可参见上述方法实施例所述的具体实现过程，在此不再叙述。
请参阅图5，图5是本申请实施例提供的一种数据处理装置，应用于电子设备，该装置包括：
数据获取单元501，用于获取多个用户行为数据；
数据聚类单元502，用于将聚类算法的聚类半径设置为第一聚类半径，聚类密度设置为第一聚类密度，以及使用所述聚类算法对所述多个用户行为数据进行聚类，得到至少一个第一类簇；
所述数据聚类单元502，还用于清除在上一个聚类半径下进行聚类得到的类簇的标识，将所述聚类算法的聚类半径更换为第二聚类半径，以及使用所述聚类算法对在上一个聚类半径下进行聚类得到的类簇进行聚类，得到至少一个第二类簇，上一个聚类半径与所述第二聚类半径的差值等于第一阈值；重复此步骤直至聚类不到类簇为止，或者重复此步骤直至聚类半径为第三聚类半径，所述第三聚类半径与N的乘积小于所述第一聚类半径，所述N为大于1的整数；
特征信息确定单元503，用于确定得到的每个类簇的中心点，以及基于每个类簇的中心点确定用户行为特征信息。
在本申请的一实现方式中，所述用户行为数据包括第一光感度和在所述第一光感度下用户手动调节的第一背光亮度，每个中心点由第二光感度和第二背光亮度表示；在确定得到的每个类簇的中心点之后，所述数据聚类单元502，还用于：
若在所述第三聚类半径下聚类得到的至少一个第二类簇的中心点对应的第二光感度小于预设光感度，则清除在上一个聚类半径下进行聚类得到的类簇的标识，将所述聚类算法的聚类半径更换为第四聚类半径，以及使用所述聚类算法对在上一个聚类半径下进行聚类得到的类簇进行聚类，得到至少一个第三类簇，上一个聚类半径与所述第四聚类半径的差值等于第二阈值，所述第二阈值小于所述第一阈值；重复此步骤直至聚类不到类簇为止，或者重复此步骤直至聚类半径为第五聚类半径，所述第五聚类半径与M的乘积小于所述第三聚类半径，所述M为大于1的整数；
确定得到的每个类簇的中心点。
在本申请的一实现方式中，所述电子设备中存储有亮度保护数据集，所述亮度保护数据集中包括的每个亮度保护数据均包括第三光感度和在所述第三光感度下的最大背光亮度；在基于每个类簇的中心点确定用户行为特征信息之前，所述特征信息确定单元503，还用于：
基于所述亮度保护数据集确定K个目标中心点，所述目标中心点对应的第二背光亮度大于在其对应的第二光感度下的最大背光亮度，所述K为正整数；
将每个所述目标中心点对应的第二背光亮度，更换为在其对应的第二光感度下的最大背光亮度。
在本申请的一实现方式中，在基于每个类簇的中心点确定用户行为特征信息方面，所述特征信息确定单元503具体用于：
基于每个类簇的中心点绘制亮度调节曲线，得到所述亮度调节曲线对应的亮度调节数据集，所述亮度调节曲线的一个坐标轴用于表示光感度，另一个坐标轴用于表示背光亮度，所述亮度调节数据集用于在自动亮度模式下，自动调节屏幕的背光亮度。
在本申请的一实现方式中，所述装置还包括：
亮度调节单元504，用于在基于每个类簇的中心点确定用户行为特征信息之后，在所述自动亮度模式下，获取当前环境的第四光感度；基于所述亮度调节数据集，将屏幕的背光亮度调节至所述第四光感度对应的背光亮度。
在本申请的一实现方式中，所述第一背光亮度是在所述电子设备前台运行设定应用下用户手动调节的。
在本申请的一实现方式中，所述用户行为数据包括第一环境声音强度和在所述第一环境声音强度下用户手动调节的第一音频输出音量，每个中心点由第二环境声音强度和第二音频输出音量表示；在基于每个类簇的中心点确定用户行为特征信息方面，所述特征信息确定单元503具体用于：
基于每个类簇的中心点绘制音量调节曲线，得到所述音量调节曲线对应的音量调节数据集，所述音量调节曲线的一个坐标轴用于表示环境声音强度，另一个坐标轴用于表示音频输出音量，所述音量调节数据集用于在自动音量模式下，自动调节音频输出音量。
需要说明的是，数据获取单元501，数据聚类单元502、特征信息确定单元503和亮度调节单元504可通过处理器实现。
本申请实施例还提供了一种计算机可读存储介质，其中，所述计算机可读存储介质存储用于电子数据交换的计算机程序，其中，所述计算机程序使得计算机执行如上述方法实施例中电子设备所描述的部分或全部步骤。
本申请实施例还提供了一种计算机程序产品，其中，所述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，所述计算机程序可操作来使计算机执行如上述方法中电子设备所描述的部分或全部步骤。该计算机程序产品可以为一个软件安装包。
本申请实施例所描述的方法或者算法的步骤可以以硬件的方式来实现，也可以是由处理器执行软件指令的方式来实现。软件指令可以由相应的软件模块组成，软件模块可以被存放于随机存取存储器(Random Access Memory，RAM)、闪存、只读存储器(Read OnlyMemory，ROM)、可擦除可编程只读存储器(Erasable Programmable ROM，EPROM)、电可擦可编程只读存储器(Electrically EPROM，EEPROM)、寄存器、硬盘、移动硬盘、只读光盘(CD-ROM)或者本领域熟知的任何其它形式的存储介质中。一种示例性的存储介质耦合至处理器，从而使处理器能够从该存储介质读取信息，且可向该存储介质写入信息。当然，存储介质也可以是处理器的组成部分。处理器和存储介质可以位于ASIC中。另外，该ASIC可以位于接入网设备、目标网络设备或核心网设备中。当然，处理器和存储介质也可以作为分立组件存在于接入网设备、目标网络设备或核心网设备中。
本领域技术人员应该可以意识到，在上述一个或多个示例中，本申请实施例所描述的功能可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DigitalSubscriber Line，DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如，软盘、硬盘、磁带)、光介质(例如，数字视频光盘(DigitalVideo Disc，DVD))、或者半导体介质(例如，固态硬盘(Solid State Disk，SSD))等。
以上所述的具体实施方式，对本申请实施例的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本申请实施例的具体实施方式而已，并不用于限定本申请实施例的保护范围，凡在本申请实施例的技术方案的基础之上，所做的任何修改、等同替换、改进等，均应包括在本申请实施例的保护范围之内。

Claims (10)

1.一种数据处理方法，其特征在于，应用于电子设备，所述方法包括：
获取多个用户行为数据；
将聚类算法的聚类半径设置为第一聚类半径，聚类密度设置为第一聚类密度，以及使用所述聚类算法对所述多个用户行为数据进行聚类，得到至少一个第一类簇；
清除在上一个聚类半径下进行聚类得到的类簇的标识，将所述聚类算法的聚类半径更换为第二聚类半径，以及使用所述聚类算法对在上一个聚类半径下进行聚类得到的类簇进行聚类，得到至少一个第二类簇，上一个聚类半径与所述第二聚类半径的差值等于第一阈值；重复此步骤直至聚类不到类簇为止，或者重复此步骤直至聚类半径为第三聚类半径，所述第三聚类半径与N的乘积小于所述第一聚类半径，所述N为大于1的整数；
确定得到的每个类簇的中心点，以及基于每个类簇的中心点确定用户行为特征信息。
2.根据权利要求1所述的方法，其特征在于，所述用户行为数据包括第一光感度和在所述第一光感度下用户手动调节的第一背光亮度，每个中心点由第二光感度和第二背光亮度表示；所述确定得到的每个类簇的中心点之后，所述方法还包括：
若在所述第三聚类半径下聚类得到的至少一个第二类簇的中心点对应的第二光感度小于预设光感度，则清除在上一个聚类半径下进行聚类得到的类簇的标识，将所述聚类算法的聚类半径更换为第四聚类半径，以及使用所述聚类算法对在上一个聚类半径下进行聚类得到的类簇进行聚类，得到至少一个第三类簇，上一个聚类半径与所述第四聚类半径的差值等于第二阈值，所述第二阈值小于所述第一阈值；重复此步骤直至聚类不到类簇为止，或者重复此步骤直至聚类半径为第五聚类半径，所述第五聚类半径与M的乘积小于所述第三聚类半径，所述M为大于1的整数；
确定得到的每个类簇的中心点。
3.根据权利要求2所述的方法，其特征在于，所述电子设备中存储有亮度保护数据集，所述亮度保护数据集中包括的每个亮度保护数据均包括第三光感度和在所述第三光感度下的最大背光亮度；所述基于每个类簇的中心点确定用户行为特征信息之前，所述方法还包括：
基于所述亮度保护数据集确定K个目标中心点，所述目标中心点对应的第二背光亮度大于在其对应的第二光感度下的最大背光亮度，所述K为正整数；
将每个所述目标中心点对应的第二背光亮度，更换为在其对应的第二光感度下的最大背光亮度。
4.根据权利要求2或3所述的方法，其特征在于，所述基于每个类簇的中心点确定用户行为特征信息，包括：
基于每个类簇的中心点绘制亮度调节曲线，得到所述亮度调节曲线对应的亮度调节数据集，所述亮度调节曲线的一个坐标轴用于表示光感度，另一个坐标轴用于表示背光亮度，所述亮度调节数据集用于在自动亮度模式下，自动调节屏幕的背光亮度。
5.根据权利要求4所述的方法，其特征在于，所述基于每个类簇的中心点确定用户行为特征信息之后，所述方法还包括：
在所述自动亮度模式下，获取当前环境的第四光感度；
基于所述亮度调节数据集，将屏幕的背光亮度调节至所述第四光感度对应的背光亮度。
6.根据权利要求2-5任一项所述的方法，其特征在于，所述第一背光亮度是在所述电子设备前台运行设定应用下用户手动调节的。
7.根据权利要求1所述的方法，其特征在于，所述用户行为数据包括第一环境声音强度和在所述第一环境声音强度下用户手动调节的第一音频输出音量，每个中心点由第二环境声音强度和第二音频输出音量表示；所述基于每个类簇的中心点确定用户行为特征信息，包括：
基于每个类簇的中心点绘制音量调节曲线，得到所述音量调节曲线对应的音量调节数据集，所述音量调节曲线的一个坐标轴用于表示环境声音强度，另一个坐标轴用于表示音频输出音量，所述音量调节数据集用于在自动音量模式下，自动调节音频输出音量。
8.一种数据处理装置，其特征在于，应用于电子设备，所述装置包括：
数据获取单元，用于获取多个用户行为数据；
数据聚类单元，用于将聚类算法的聚类半径设置为第一聚类半径，聚类密度设置为第一聚类密度，以及使用所述聚类算法对所述多个用户行为数据进行聚类，得到至少一个第一类簇；
所述数据聚类单元，还用于清除在上一个聚类半径下进行聚类得到的类簇的标识，将所述聚类算法的聚类半径更换为第二聚类半径，以及使用所述聚类算法对在上一个聚类半径下进行聚类得到的类簇进行聚类，得到至少一个第二类簇，上一个聚类半径与所述第二聚类半径的差值等于第一阈值；重复此步骤直至聚类不到类簇为止，或者重复此步骤直至聚类半径为第三聚类半径，所述第三聚类半径与N的乘积小于所述第一聚类半径，所述N为大于1的整数；
特征信息确定单元，用于确定得到的每个类簇的中心点，以及基于每个类簇的中心点确定用户行为特征信息。
9.一种电子设备，其特征在于，包括处理器、存储器、通信接口，以及一个或多个程序，所述一个或多个程序被存储在所述存储器中，并且被配置由所述处理器执行，所述程序包括用于执行如权利要求1-7任一项所述的方法中的步骤的指令。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质用于存储计算机程序，所述计算机程序被处理器执行，以实现如权利要求1-7任一项所述的方法。
CN201911253795.6A 2019-12-09 2019-12-09 数据处理方法及相关设备 Active CN113033584B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911253795.6A CN113033584B (zh) 2019-12-09 2019-12-09 数据处理方法及相关设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911253795.6A CN113033584B (zh) 2019-12-09 2019-12-09 数据处理方法及相关设备

Publications (2)

Publication Number Publication Date
CN113033584A CN113033584A (zh) 2021-06-25
CN113033584B true CN113033584B (zh) 2023-07-07

Family

ID=76451358

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911253795.6A Active CN113033584B (zh) 2019-12-09 2019-12-09 数据处理方法及相关设备

Country Status (1)

Country Link
CN (1) CN113033584B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115209227A (zh) * 2022-07-19 2022-10-18 抖音视界有限公司 视频播放控制方法和装置
CN115209210A (zh) * 2022-07-19 2022-10-18 抖音视界有限公司 基于弹幕生成信息的方法和装置

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106503656A (zh) * 2016-10-24 2017-03-15 厦门美图之家科技有限公司 一种图像分类方法、装置和计算设备
CN107479393A (zh) * 2017-08-17 2017-12-15 北京天平检验行有限公司 一种基于大数据的智能家居系统
CN109447186A (zh) * 2018-12-13 2019-03-08 深圳云天励飞技术有限公司 聚类方法及相关产品
CN109885684A (zh) * 2019-01-31 2019-06-14 腾讯科技（深圳）有限公司 一种类簇处理方法及装置
WO2019120241A1 (zh) * 2017-12-22 2019-06-27 北京数安鑫云信息技术有限公司 基于日志的用户行为数据处理方法、介质、设备及装置
CN110298371A (zh) * 2018-03-22 2019-10-01 北京京东尚科信息技术有限公司 数据聚类的方法和装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106503656A (zh) * 2016-10-24 2017-03-15 厦门美图之家科技有限公司 一种图像分类方法、装置和计算设备
CN107479393A (zh) * 2017-08-17 2017-12-15 北京天平检验行有限公司 一种基于大数据的智能家居系统
WO2019120241A1 (zh) * 2017-12-22 2019-06-27 北京数安鑫云信息技术有限公司 基于日志的用户行为数据处理方法、介质、设备及装置
CN110298371A (zh) * 2018-03-22 2019-10-01 北京京东尚科信息技术有限公司 数据聚类的方法和装置
CN109447186A (zh) * 2018-12-13 2019-03-08 深圳云天励飞技术有限公司 聚类方法及相关产品
CN109885684A (zh) * 2019-01-31 2019-06-14 腾讯科技（深圳）有限公司 一种类簇处理方法及装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
动态最近邻聚类算法的优化研究;储岳中;徐波;计算机工程与设计(05);全文 *
基于改进AP聚类算法的自学习应用层DDoS检测方法;刘自豪;张斌;祝宁;唐慧林;计算机研究与发展(06);全文 *

Also Published As

Publication number Publication date
CN113033584A (zh) 2021-06-25

Similar Documents

Publication Publication Date Title
CN107820020A (zh) 拍摄参数的调整方法、装置、存储介质及移动终端
CN108961267B (zh) 图片处理方法、图片处理装置及终端设备
CN105512545B (zh) 访问权限管理方法和装置
CN108961157B (zh) 图片处理方法、图片处理装置及终端设备
CN110716592A (zh) 温度控制方法及相关设备
CN113890989B (zh) 一种拍摄方法以及电子装置
CN113033584B (zh) 数据处理方法及相关设备
CN106534669A (zh) 一种拍摄构图方法及移动终端
CN104135609A (zh) 辅助拍照方法、装置及终端
CN109118447B (zh) 一种图片处理方法、图片处理装置及终端设备
CN111783392B (zh) 图纸审查结果显示方法及相关设备
US10395095B2 (en) Face model matrix training method and apparatus, and storage medium
CN111126623B (zh) 一种模型更新方法、装置及设备
CN110162956B (zh) 确定关联账户的方法和装置
WO2022017006A1 (zh) 视频处理方法、装置、终端设备及计算机可读存储介质
US20190364186A1 (en) Image processing method and electronic device supporting same
CN111816178A (zh) 语音设备的控制方法、装置和设备
CN111475384A (zh) 壳体温度的计算方法、装置、存储介质及电子设备
CN111405180A (zh) 拍照方法、装置、存储介质及移动终端
CN112802030A (zh) 图像处理方法、装置及存储介质
CN104869319A (zh) 影像处理方法及影像处理装置
CN114298123A (zh) 聚类处理方法、装置、电子设备及可读存储介质
CN111556248B (zh) 拍摄方法、装置、存储介质及移动终端
CN109165648B (zh) 一种图像处理方法、图像处理装置及移动终端
CN108932704B (zh) 图片处理方法、图片处理装置及终端设备

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