CN113050783B - 终端控制方法、装置、移动终端及存储介质 - Google Patents

Abstract

本申请公开了一种终端控制方法、装置、移动终端及存储介质，该终端控制方法应用于移动终端，该终端控制方法包括：在检测到发生熄屏事件时，获取当前时刻；根据所述当前时刻，获取所述移动终端在当前时刻以后的指定时长内保持熄屏的熄屏概率；如果所述熄屏概率大于指定概率，则根据所述指定时长，进行降功耗处理。本方法可以减少移动终端的功耗，提升移动终端的续航能力。

Description

终端控制方法、装置、移动终端及存储介质

技术领域

本申请涉及移动终端技术领域，更具体地，涉及一种终端控制方法、装置、移动终端及存储介质。

背景技术

随着移动终端的快速发展，移动终端所具有的功能也越来越多，移动终端的耗电量也随之加快，因此移动终端通常会根据一些固定的策略(例如休眠模式等)，进行一些熄屏后的降功耗的处理，以降低移动终端的功耗。但是以固定的策略进行降功耗的处理，仍然难以有效的降低移动终端的功耗。

发明内容

鉴于上述问题，本申请提出了一种终端控制方法、装置、移动终端及存储介质。

第一方面，本申请实施例提供了一种终端控制方法，应用于移动终端，所述方法包括：在检测到发生熄屏事件时，获取当前时刻；根据所述当前时刻，获取所述移动终端在当前时刻以后的指定时长内保持熄屏的熄屏概率；如果所述熄屏概率大于指定概率，则根据所述指定时长，进行降功耗处理。

第二方面，本申请实施例提供了一种终端控制装置，应用于移动终端，所述装置包括：时间获取模块、概率获取模块以及功耗处理模块，其中，所述时间获取模块用于在检测到发生熄屏事件时，获取当前时刻；所述概率获取模块用于根据所述当前时刻，获取所述移动终端在当前时刻以后的指定时长内保持熄屏的熄屏概率；所述功耗处理模块用于如果所述熄屏概率大于指定概率，则根据所述指定时长，进行降功耗处理。

第三方面，本申请实施例提供了一种移动终端，包括：一个或多个处理器；存储器；一个或多个应用程序，其中所述一个或多个应用程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序配置用于执行上述第一方面提供的终端控制方法。

第四方面，本申请实施例提供了一种计算机可读取存储介质，所述计算机可读取存储介质中存储有程序代码，所述程序代码可被处理器调用执行上述第一方面提供的终端控制方法。

本申请提供的方案，通过在发生熄屏事件时，根据当前时刻，对移动终端在当前时候之后指定时长内保持熄屏的熄屏概率进行预测，并在熄屏概率大于指定概率时，根据指定时长进行降功耗处理，可以使移动终端能在熄屏后立即进行降功耗处理，有效的降低移动终端的功耗，提升移动终端的续航能力。

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示出了根据本申请一个实施例的终端控制方法流程图。

图2示出了根据本申请另一个实施例的终端控制方法流程图。

图3示出了本申请另一个实施例提供的终端控制方法中步骤S220的流程图。

图4示出了根据本申请又一个实施例的终端控制方法流程图。

图5示出了本申请又一个实施例提供的终端控制方法中步骤S340的流程图。

图6示出了根据本申请再一个实施例的终端控制方法流程图。

图7示出了根据本申请又另一个实施例的终端控制方法流程图。

图8示出了根据本申请一个实施例的终端控制装置的一种框图。

图9本申请实施例的用于执行根据本申请实施例的终端控制方法的移动终端的框图。

图10是本申请实施例的用于保存或者携带实现根据本申请实施例的终端控制方法的程序代码的存储单元。

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。

随着移动终端的发展，移动终端可以实现的功能越来越多，例如，移动终端可以实现拍照、上网、视频聊天等各种功能，而移动终端的功能增多的同时也带来了耗电量的增加。

对于目前的移动终端，用户的待机行为对功耗和性能的影响较大。以智能手机为例，长时间待机时，可对手机应用做相应的后台限制甚至是限网等操作可以很大幅度提升手机的整体续航，并且在已知是长时间待机的情况下，可以对手机系统做相对而言较为耗时的碎片整理等处理，进一步提升用户的用机体验，减少卡顿。例如，移动终端通常会设置有休眠模式、Doze模式等，以降低移动终端的功耗。Doze模式和休眠模式均是在移动终端熄屏后未进行操作的情况下而待机时，系统主动进行对一些进程进行关闭、限制网络、限制处理器的唤醒等操作，从而降低移动终端的功耗。

发明人经过长时间的研究发现，目前的移动终端只是以固定的策略进行待机时的降功耗的处理，而用户待机行为具有很强的特异性，不同的用户待机习惯千差万别，同样的策略显然很难满足所有用户的各种需求，从而难以有效的降低移动终端的功耗。

针对上述问题，发明人提出了本申请实施例提供的终端控制方法、装置、移动终端以及存储介质，可以在发生熄屏事件时，根据当前时刻，对移动终端在当前时候之后指定时长内保持熄屏的熄屏概率进行预测，并在熄屏概率大于指定概率时，根据指定时长进行降功耗处理，可以使移动终端能在熄屏后立即进行降功耗处理，有效的降低移动终端的功耗，提升移动终端的续航能力。其中，具体的终端控制方法在后续的实施例中进行详细的说明。

请参阅图1，图1示出了本申请一个实施例提供的终端控制方法的流程示意图。所述终端控制方法用于实现在发生熄屏事件时，根据当前时刻，对移动终端在当前时候之后指定时长内保持熄屏的熄屏概率进行预测，并在熄屏概率大于指定概率时，根据指定时长进行降功耗处理，可以使移动终端能在熄屏后立即进行降功耗处理，有效的降低移动终端的功耗。在具体的实施例中，所述终端控制方法应用于如图8所示的终端控制装置400以及配置有所述终端控制装置400的移动终端100(图9)。下面将以移动终端为例，说明本实施例的具体流程，当然，可以理解的，本实施例所应用的移动终端可以为智能手机、平板电脑、智能手表等，在此不做限定。下面将针对图1所示的流程进行详细的阐述，所述终端控制方法具体可以包括以下步骤：

步骤S110：在检测到发生熄屏事件时，获取当前时刻。

在本申请实施例中，移动终端可以对屏幕的状态进行监测，以确定发生熄屏事件的情况时，对移动终端的屏幕处于熄屏时进行相应的处理，从而降低移动终端的功耗。

在一些实施方式中，移动终端可以通过操作系统读取相应的参数值，以根据读取到的参数值，确定移动终端的屏幕状态。作为一种实施方式，移动终端中安装的系统为安卓(Android)系统时，可以通过PowerManager的isScreenOn方法，获取屏幕状态，即通过获取isScreenOn的值，如果isScreenOn的值为真，则移动终端的屏幕处于亮屏状态，如果isScreenOn的值为假，则移动终端的屏幕处于熄屏状态。作为另一种实施方式，移动终端也可以通过获取屏幕的亮度值，并根据屏幕的亮度值，确定移动终端的屏幕状态。例如，如果屏幕的亮度值为0，则表示屏幕处于熄屏状态，如果屏幕的亮度值大于0，则屏幕处于亮屏状态。

当然，具体检测移动终端的屏幕状态的方式可以不作为限定。

在一些实施方式中，如果移动终端的屏幕状态此前为亮屏状态，当检测到屏幕状态为熄屏状态时，则可以确定发生熄屏事件。例如，可以是屏幕在亮屏时，通过检测到用户对于电源按键的操作，从而触发熄屏事件。又例如，可以是屏幕在亮屏状态下，超过预设时长未检测到对移动终端的操作时，移动终端的屏幕状态由亮屏状态变为熄屏状态，从而触发熄屏事件。

在本申请实施例中，移动终端在检测到发生熄屏事件时，可以获取当前时刻，以便后续根据当前时刻，预测在当前时刻以后的指定时长内保持熄屏的熄屏概率。

步骤S120：根据所述当前时刻，获取所述移动终端在当前时刻以后的指定时长内保持熄屏的熄屏概率。

在本申请实施例中，移动终端在获取到当前时刻之后，则可以根据当前时刻，获取移动终端在当前时刻以后的指定时长内保持熄屏的熄屏概率。其中，指定时长可以为设置的降功耗策略所需求的移动终端的熄屏时长，也就是说，移动终端在熄屏时长达到该指定时长时，则可以进行该降功耗策略所对应的降功耗处理，例如，指定时长可以为移动终端中的Doze模式对应的熄屏时长的阈值，如果熄屏时长达到该指定时长，则可以进行Doze模式对应的降功耗处理。当然，指定时长也可以为预先设置的任意时长，在此不做限定。

在一些实施方式中，移动终端可以根据其在历史使用中的熄屏事件、亮屏事件的记录，确定在以往的日期的每个日期中，在与以上当前时刻相同的时刻以后的指定时长内熄屏的时长所占指定时长的比例，然后对每个日期所对应的计算的比例，计算平均值，将该平均值作为在当前时刻以后指定时长内的熄屏概率。可以理解的，移动终端在历史使用中的记录可以一定程度反映用户使用移动终端的习惯，因此根据历史使用中的记录，来计算每天的相同时刻之后指定时长内熄屏时长占据的比例，再求取平均值，可以反映移动终端整体上在该时刻之后指定时长内保持熄屏的概率。

在另一些实施方式中，移动终端也可以利用预先获得的预设模型，来获取移动终端在当前时刻以后的指定时长内保持熄屏的熄屏概率。其中，预设模型可以为根据用户使用移动终端过程中熄屏、亮屏的历史记录，进行分析和统计出的统计模型，统计模型可以获取在每天中各个时间段保持的熄屏概率；预设模型也可以为根据用户使用移动终端过程中熄屏、亮屏的历史记录，采用机器学习算法训练获得的模型，训练出的模型也可以获取在每天中各个时间段保持的熄屏概率。当然，具体的预设模型可以不作为限定。

在一些实施方式中，预设模型可以存储于移动终端的本地，移动终端可以直接从本地读取预设模型；预设模型也可以存储于服务器，移动终端在需要进行保持熄屏的熄屏概率的预测时，可以发送请求至服务器，以对预设模型进行调用。

步骤S130：如果所述熄屏概率大于指定概率，则根据所述指定时长，进行降功耗处理。

在本申请实施例中，移动终端在预测获得本次熄屏事件发生时的时刻之后的指定时长内移动终端保持熄屏的熄屏概率之后，则可以将该熄屏概率与指定概率进行比较，如果熄屏概率大于指定概率，则表示移动终端很大可能在该指定时长内一直处于熄屏状态；而熄屏概率小于或等于指定概率，则表示移动终端不太可能在该指定时长内一直处于熄屏状态，其可能在指定时长内被唤醒屏幕等。其中，指定概率的具体数值可以不作为限定，例如，可以为95％、97％等，当然，指定概率可以取较大的值，以便能准确的确定移动终端在该指定时长内是否一直处于熄屏状态，避免后续进行了降功耗处理而影响了用户的正常使用。

在一些实施方式中，移动终端在比较熄屏概率与指定概率之后，如果熄屏概率大于指定概率，表示预测移动终端在当前时刻之后的指定时长内会一直保持熄屏状态。如果指定时长为设置的降功耗处理策略所对应的熄屏时长时，则可以进行该降功耗处理策略所对应的降功耗处理。降功耗处理可以为限制后台进程的运行、访问网络、唤醒中央处理器等，具体的处理操作可以不作为限定。如果指定时长为设置的任意时长，则可以将指定时长与降功耗处理策略所对应的熄屏时长进行比较，如果指定时长大于或等于降功耗处理策略所对应的熄屏时长，则可以进行相应的降功耗处理策略所对应的降功耗处理。

可以理解的，通常是移动终端需要真实的熄屏时长达到相应的降功耗处理所规定的熄屏时长时，才会执行降功耗处理，而通过预测熄屏事件发生时，在当前时刻之后指定时长内保持熄屏的熄屏概率，当熄屏概率大于指定概率时，然后根据指定时长进行降功耗处理，从而无需真正的等待到熄屏时长达到相应规定的熄屏时长时，才进行降功耗处理，而是在发生熄屏事件时，即可进行相应的降功耗处理，因此可以有效的节省移动终端的功耗。

本申请实施例提供的终端控制方法，通过在发生熄屏事件时，根据当前时刻，对移动终端在当前时候之后指定时长内保持熄屏的熄屏概率进行预测，并在熄屏概率大于指定概率时，根据指定时长进行降功耗处理，可以使移动终端能在熄屏后立即进行降功耗处理，有效的降低移动终端的功耗，提升移动终端的续航能力。

请参阅图2，图2示出了本申请另一个实施例提供的终端控制方法的流程示意图。该终端控制方法应用于上述移动终端，下面将针对图2所示的流程进行详细的阐述，所述终端控制方法具体可以包括以下步骤：

步骤S210：在检测到发生熄屏事件时，获取当前时刻。

在本申请实施例中，步骤S210可以参阅前述实施例的内容，在此不再赘述。

步骤S220：根据预先获得的预设模型，获取所述移动终端在当前时刻以后的指定时长内保持熄屏的熄屏概率，所述预设模型用于获取所述移动终端在指定时间段的熄屏概率，所述指定时间段为每天中均分的多个时间段中的任一时间段。

在本申请实施例中，移动终端在预测在当前时候以后的指定时长内保持熄屏的熄屏概率时，可以根据预先获得的预设模型，来获取移动终端在当前时刻以后的指定时长内保持熄屏的熄屏概率。其中，该预设模型可以用于获取移动终端在指定时间段的熄屏概率，指定时间段可以为每天均分的多个时间段中的任一时间段。例如，可以将每天按照每5分钟一个时间段进行均分，从而均分出288个时间段。

作为一种方式，预设模型可以为针对用户使用移动终端过程中记录的熄屏和亮屏的时间点，而统计出的在每天各个时间段熄屏时长所占的时间比例，并根据以上每个时间段熄屏时长所占的时间比例形成的统计模型，该统计模型可以根据输入的当前时刻，而确定当前时刻以后的指定时长所属的时间段，并根据所属的各个时间段中熄屏时长所占的时间比例，计算出移动终端在当前时刻以后的指定时长内保持熄屏的熄屏概率。

作为另一种方式，预设模型也可以为根据大量训练样本训练获得的模型，训练样本可以包括移动终端多天的使用过程中多个时刻的屏幕状态，从而预设模型可以根据输入的当前时刻，而输出移动终端在当前时刻以后的每个时间段内保持熄屏的熄屏概率，然后根据指定时长所属的时间段，即可确定出在当前时刻以后的指定时长内保持熄屏的熄屏概率。其中，预设模型可以为神经网络模型、长短期记忆(Long Short-Term Memory，LSTM)网络、门限循环单元、简单循环单元、自动编码器、决策树(Decision Tree，DT)、随机森林、逻辑回归模型、朴素贝叶斯(Naive Bayes，NB)、支持向量机(Support Vector Machine,SVM)、高斯模型以及KL散度(Kullback–Leibler divergence)等，在此不做限定。

在一些实施方式中，预设模型可以存储于移动终端的本地，移动终端可以直接从本地读取预设模型；预设模型也可以存储于服务器，移动终端在需要进行保持熄屏的熄屏概率的预测时，可以发送请求至服务器，以对预设模型进行调用。

在一些实施方式中，请参阅图3，图3示出了本申请实施例提供的终端控制方法中步骤S220的流程图，步骤S220可以包括：

步骤S221：获取所述当前时刻以后的指定时长所属的目标时间段，所述目标时间段为所述多个时间段中的一个或多个时间段。

在该实施方式中，由于预设模型用于获取指定时间段保持熄屏的熄屏概率，因此可以确定当前时刻以后的指定时长所属的目标时间段，该目标时间段为每天均分的多个时间段中的一个或多个时间段。需要注意的是，可能存在指定时长所属的目标时间段中的第一个时间段和最后一个时间段中，指定时长并未全部占满时间段的情况，例如指定时长仅占该第一个时间段中的20％，仅占该最后一个时间段的40％，此时可以取整个的第一时间段和最后一个时间段。

步骤S222：根据预先获得的预设模型，获取所述移动终端在所述目标时间段保持熄屏的熄屏概率，并将所述熄屏概率作为所述移动终端在所述指定时长内保持熄屏的熄屏概率。

在该实施方式中，移动终端在确定出当前时刻以后的指定时长所属的目标时间段之后，由于预设模型可以获取在任一时间段的熄屏概率，因此可以根据预设模型获取在目标时间段的保持熄屏的熄屏概率。获得的熄屏概率即可以作为移动终端在指定时长内保持熄屏的熄屏概率。

在一种具体的实施方式中，由于可能当前时刻以后的指定时长对应的多个时间段，也就是说，目标时间段包括多个时间段，而预设模型输出的是目标时间段中每个时间段保持熄屏的熄屏概率。因此，可以是当所述目标时间段中包括多个时间段时，根据预先获得的预设模型，获取所述移动终端在目标时间段的每个时间段中的第一熄屏概率，让获取多个第一熄屏概率的平均值，将平均值作为移动终端在指定时长内保持熄屏的熄屏概率。当然，具体在目标时间段中包括多个时间段时，根据每个时间段保持熄屏的熄屏概率，确定在指定时长内保持熄屏的熄屏概率的方式可以不作为限定，例如，也可以对不同时间段设置不同的权重，并且所有的权重相加为1，如果指定时长所属的多个时间段中有不是整个的时间段(未占满一个时间段)，则可以将其权重设置的比其他时间段的权重小，然后根据每个时间段保持熄屏的熄屏概率与权重的乘积之和，将获得的和值作为移动终端在当前时刻之后的指定时长内保持熄屏的熄屏概率。

步骤S230：如果所述熄屏概率大于指定概率，则根据所述指定时长，进行降功耗处理。

在本申请实施例中，步骤S230可以参阅前述实施例的内容，在此不再赘述。

本申请实施例提供的终端控制方法，通过在发生熄屏事件时，根据预先获得的预设模型，获得移动终端在当前时刻以后的指定时长内保持熄屏的熄屏概率，该预设模型用于获取移动终端在每天均分的多个时间段中任一时间段保持熄屏的熄屏概率，如果移动终端在该指定时长内保持熄屏的熄屏概率大于指定概率时，根据指定时长进行降功耗处理，可以使移动终端能在熄屏后立即进行降功耗处理，有效的降低移动终端的功耗，提升移动终端的续航能力。

请参阅图4，图4示出了本申请又一个实施例提供的终端控制方法的流程示意图。该终端控制方法应用于上述移动终端，下面将针对图4所示的流程进行详细的阐述，所述终端控制方法具体可以包括以下步骤：

步骤S310：获取所述移动终端在N天的所有熄屏事件对应的时刻和所有亮屏事件对应的时刻，所述N为正整数。

在本申请实施例中，用于获取移动终端在指定时间段保持熄屏的熄屏概率的预设模型可以为统计模型。针对该统计模型，本申请实施例中还提供了统计模型的获得方法，值得说明的是，该统计模型可以是预先获得的，而并非在每次需要预测在当前时刻以后指定时长内保持熄屏的熄屏概率时，都重新进行获取。

在一些实施方式中，可以记录移动终端在N天内(例如，30天)的使用过程中亮屏和熄屏的时间点，也就是发生熄屏事件和亮屏事件的时刻。例如，以智能手机为例，可以监听亮屏广播、息屏广播、开机广播和关机广播，以0代表灭屏或者关机、1代表亮屏或者开机，则表格的基本单元是(0，服务器时间)或者(1，服务器时间)。

在一些实施方式中，由于需要形成能反映完整的一天的使用规律的预设模型，因此记录的数据可以是以天为单位，并且要排除记录的数据中开始和结束不足一天的数据，仅保留一天的完整数据，即表格开始的单元应该是某一天第一次亮息屏(或开关机)的数据，最后的单元应该是某一天最后一次亮息屏(或开关机)的数据。

步骤S320：根据所述所有熄屏事件对应的时刻和所有亮屏事件对应的时刻，获取在所述N天的每天中均分的M个时间段的每个时间段内熄屏时长所占的时长比例，得到所述N天的时长比例的数据，所述M为正整数。

在本申请实施例中，可以针对每天记录的数据，根据每天记录的数据中上次熄屏的时刻，和下次亮屏的时刻，确定M个时间段中每个时间段内熄屏时长所占的时长比例。

在一些实施方式中，可以对每天记录的数据进行处理，提取在时序上相邻的熄屏的时刻和亮屏的时刻，形成“熄屏-亮屏”时间对，例如，(0,Time_1)和(1,Time_2)是某天数据中连续的数据，其中，则提取出(Time_1,Time_2)，这样的时间对实际表示移动终端保持熄屏的时间段，从而每天对应的数据就转换成若干个时间对。

进一步地，在对每天的时间进行均分时，可以按照每X分钟为一个时间段，将一天划分为1440/X个时间段，当然，X能被1440整除。然后以上获得的每天对应的多个时间对，计算每一时间段中熄屏时长所占该时间段的时长比例。例如，以5分钟为一段，将一天(1440分钟)等分为288段，针对每天的天数据分别计算每一时间段中熄屏时长占相应的5分钟时间间隔的比例，得到长度为288的一维数组，最终得到M个这样的一维数组，即M个时长比例。

在一些实施方式中，在根据获得的多天记录的数据，计算每天中的每个时间段中熄屏时长所占的时长比例之前，还可以对异常数据进行剔除。例如，由于亮屏、熄屏等广播的接收和上传有可能发生遗漏，最终数据会出现异常情况，因此某些日期的数据中可能出现两种异常情况：连续的息屏事件或者连续的亮屏事件，针对这些情况要剔除这些日期对应记录的数据。

步骤S330：根据所述N天的时长比例的数据，计算每个时间段内熄屏时长所占的时长比例的平均值。

在本申请实施例中，在获得每天的M个时间段对应熄屏时长所占的时长比例之后，可以针对每个时间段，根据获得的每天的时长比例的数据，计算每个时间段内熄屏时长所占的时长比例的平均值。也就是说，针对同一个时间段，将多天对应的该时间段的时长比例求取平均值。例如，针对第i个时间段，可以根据N天的时长比例的数据，获取N天中每天的第i个时间段所对应的熄屏时长所占的时长比例，然后根据这N个时长比例，计算平均值，获得第i个时间段内熄屏时长所占的时长比例的平均值。

步骤S340：根据所述每个时间段内熄屏时长所占的时长比例的平均值，获得所述预设模型。

在本申请实施例中，在获得每个时间段内熄屏时长所占的时长比例的平均值之后，则可以将每个平均值作为与其对应的时间段保持熄屏的熄屏概率，例如，第j个时间段内熄屏时长所占的时长比例的平均值为95％，则每天第j个时间段保持熄屏的熄屏概率为95％。可以根据每个时间段保持熄屏的熄屏概率，生成预设模型。例如，可以以分段函数表示各个时间段保持熄屏的熄屏概率，将当前时刻代入分段函数，即可获知当前时刻以后的各个时间段保持熄屏的熄屏概率。

在本申请实施例中，在根据各个时间段内熄屏时长所占的时长比例的平均值，获得预设模型之前，还可以根据各个平均值，对异常日期的数据进行筛选和清理。具体地，请参阅图5，步骤S340可以包括：

步骤S341：根据所述每个时间段内熄屏时长所占的时长比例的平均值，从所述N天的时长比例的数据中，清除目标日期的时长比例的数据，所述目标日期的时长比例的数据满足指定的数据分布条件。

在一些实施方式中，数据分布条件可以为数据不满足正态分布的条件，以此作为标准，可以确定和清除每条的时长比例的数据中，异常的时间比例较多的目标日期的数据，以提升预设模型的准确性。

作为一种具体的实施方式，步骤S341可以包括：根据所述每个时间段内熄屏时长所占的时长比例的平均值，获取所述每个时间段内熄屏时长所占的时长比例的标准差；在所述每天的M个时间段中，获取熄屏时长所占的时长比例处于目标范围以外的时间段作为目标时间段，其中，所述目标范围为第一比例至第二比例，所述第一比例为所述平均值与3倍的所述标准差之间的差值，所述第二比例为所述平均值与3倍的所述标准差之间的和值；获取所述目标时间段的数量满足指定数量条件的一天或者多天，作为目标日期；从所述N天的时长比例的数据中，清除目标日期的时长比例的数据。在以上进行清除异常数据过程中，对于每天的时长比例的数据，针对每个时间段，利用以上平均值±3倍标准差的范围来确定该时间段的时间比例是否异常，并将时间比例为异常的时间段作为目标时间段，然后将时间比例为异常的时间段的数量满足指定数量条件的日期作为目标日期，将目标日期对应的时长比例的数据清除，实现有效的清除异常的时间比例较多的目标日期的数据，以提升预设模型的准确性。

可以理解的，如果在样本数据大致符合正态分布的情况下，标准差具有方便估算的特性：66.7％的数据点落在平均值前后1个标准差的范围内、95％的数据点落在平均值前后2个标准差的范围内，而99％的数据点将会落在平均值前后3个标准差的范围内，因此根据以上平均值±3倍标准差的范围，来确定异常的时间比例数据。

步骤S342：根据清除后的时长比例的数据，重新计算每个时间段内熄屏时长所占的时长比例的平均值。

在该实施方式中，在对相应日期的时长比例的数据进行清除后，则可以根据清除后的剩余日期的时长比例的数据，重新计算每个时间段内熄屏时长所占的时长比例的平均值。具体计算每个时间段内熄屏时长所占的时长比例的平均值可以参阅步骤S330中的方式，在此不再赘述。

步骤S343：根据重新计算的所述每个时间段内熄屏时长所占的时长比例的平均值，获得预设模型。

在该实施方式中，在获得每个时间段内熄屏时长所占的时长比例的平均值之后，则可以将每个平均值作为与其对应的时间段保持熄屏的熄屏概率，并根据每个时间段保持熄屏的熄屏概率，生成预设模型。

在本申请实施例中，还可以针对工作日和非工作日记录的数据，分别获取不同的预设模型，在需要预测熄屏时长时，可以根据日期，而选取工作日对应的预设模型或者非工作日对应的预设模型，来进行熄屏时长的预测，从而提升预测的熄屏时长的准确率。

步骤S350：在检测到发生熄屏事件时，获取当前时刻。

步骤S360：根据预先获得的预设模型，获取所述移动终端在当前时刻以后的指定时长内保持熄屏的熄屏概率。

步骤S370：如果所述熄屏概率大于指定概率，则根据所述指定时长，进行降功耗处理。

在本申请实施例中，步骤S350至步骤S370可以参阅前述实施例的内容，在此不再赘述。

本申请实施例提供的终端控制方法，提供了预设模型为统计模型时，预设模型的获得方法，根据过N天所有熄屏事件对应的时刻和所有亮屏事件对应的时刻，确定N天中M个时间段的每个时间段内熄屏时长所占的时长比例，然后根据N天的时长比例的数据，计算每个时间段内熄屏时长所占的时长比例的平均值，然后根据计算的每个时间段对应的平均值，获得预设模型，获得的预设模型能够获取每个时间段内保持熄屏的熄屏概率。可以实现在发生熄屏事件时，通过预设模型获得移动终端在当前时刻以后的指定时长内保持熄屏的熄屏概率，如果移动终端在该指定时长内保持熄屏的熄屏概率大于指定概率时，根据指定时长进行降功耗处理，可以使移动终端能在熄屏后立即进行降功耗处理，有效的降低移动终端的功耗，提升移动终端的续航能力。

请参阅图6，图6示出了本申请再一个实施例提供的终端控制方法的流程示意图。该终端控制方法应用于上述移动终端，下面将针对图6所示的流程进行详细的阐述，所述终端控制方法具体可以包括以下步骤：

步骤S410：获取训练数据集合，所述训练数据集合包括所述移动终端多天的每天中多个时间段的每个时间段内多个时刻的屏幕状态，所述多个时间段为每天均分的多个时间段。

在本申请实施例中，用于获取移动终端在指定时间段保持熄屏的熄屏概率的预设模型可以为采用机器学习获得的模型。针对预设模型，本申请实施例中还提供了预设模型的训练方法，值得说明的是，该预设模型可以是预先获得的，而并非在每次需要预测在当前时刻以后指定时长内保持熄屏的熄屏概率时，都进行训练。

在一些实施方式中，可以记录的多天的屏幕状态数据，并且每天的屏幕状态数据包括每天均分的多个时间段内每个时间段中多个时刻的屏幕状态，然后根据多天的屏幕状态数据，形成训练数据集合。其中，训练数据集合中，每个时刻的屏幕状态数据可以处理为对该时刻被标注为一个屏幕状态。例如，以上训练数据集中，其中，x可以定义为一个时刻，x可以作为一个标签，y可以定义为屏幕状态，可以作为标签结果。也就是说，每个状态信息对应的数据都被标注为一个对应的熄屏时长，每组样本数据中包括一个输入样本x和一个输出样本y。

步骤S420：根据所述训练数据集合，对初始模型训练，得到已训练的预设模型，所述已训练的预设模型能够根据输入的时间段，确定该时间段内所述移动终端的熄屏概率，所述输入的时间段为所述多个时间段中的任一时间段。

在本申请实施例中，可以利用生成的训练数据集合，可对初始模型进行训练，从而获得预设模型。其中，预设模型可以包括神经网络、长短期记忆(Long Short-Term Memory,LSTM)网络、门限循环单元、简单循环单元、自动编码器、决策树、随机森林、分类回归树、支持向量机、逻辑斯蒂回归模型等，在此不做限定。可以理解的，通过对不同日期的各个时间段的大量时刻的屏幕状态进行训练和学习，训练获得的预设模型则可以根据输入的时刻，而输出该时刻所对应的时间段保持熄屏的熄屏概率。

下面以神经网络为例，对根据训练数据集合训练初始模型进行说明。

训练数据集中一组数据中的时刻对应的数据x作为神经网络的输入样本，一组数据中标注的屏幕状态y作为神经网络的输出样本。输入层中的神经元与隐藏层的神经元全连接，隐藏层的神经元与输出层的神经元全连接，从而能够有效提取不同粒度的潜在特征。并且隐藏层数目可以为多个，从而能更好地拟合非线性关系，使得训练得到的预设模型更加准确。

可以理解的，对预设模型的训练过程可以由移动终端完成，也可以不由移动终端完成。当训练过程不由移动终端完成时，则移动终端可以只是作为直接使用者，也可以是间接使用者，即移动终端可以将时间段发送至存储有预设模型的服务器，从服务器获取预测的熄屏概率。

另外，当预设模型的训练过程由服务器完成时，移动终端可以将采集的多个时刻的屏幕状态上报至服务器，然后由服务器进行数据的处理、生成训练数据集合以及模型训练的过程。

在一些实施方式中，训练得到的预设模型可以存储于移动终端本地，该训练得到的预设模型也可以在与移动终端通信连接的服务器，将预设模型存储在服务器的方式，可以减少占用移动终端的存储空间，提升移动终端的运行效率。

在一些实施方式中，预设模型可以周期性的或者不定期的获取新的训练数据，对该预设模型进行训练和更新。

在本申请实施例中，还可以针对工作日和非工作日对应的训练数据，分别获取不同的预设模型，在需要预测熄屏时长时，可以根据日期，而选取工作日对应的预设模型或者非工作日对应的预设模型，来进行熄屏时长的预测，从而提升预测的熄屏时长的准确率。

步骤S430：在检测到发生熄屏事件时，获取当前时刻。

步骤S440：根据预先获得的预设模型，获取所述移动终端在当前时刻以后的指定时长内保持熄屏的熄屏概率。

步骤S450：如果所述熄屏概率大于指定概率，则根据所述指定时长，进行降功耗处理。

本申请实施例提供的终端控制方法，提供了训练预设模型的方法，通过被标注有屏幕状态的不同时刻的训练数据，对初始模型进行训练，从而得到预设模型，预设模型可以用于获取多个时间段中任一时间段保持熄屏的熄屏概率。可以实现在发生熄屏事件时，通过预设模型获得移动终端在当前时刻以后的指定时长内保持熄屏的熄屏概率，如果移动终端在该指定时长内保持熄屏的熄屏概率大于指定概率时，根据指定时长进行降功耗处理，可以使移动终端能在熄屏后立即进行降功耗处理，有效的降低移动终端的功耗，提升移动终端的续航能力。

请参阅图7，图7示出了本申请又另一个实施例提供的终端控制方法的流程示意图。该终端控制方法应用于上述移动终端，下面将针对图7所示的流程进行详细的阐述，所述终端控制方法具体可以包括以下步骤：

步骤S510：在检测到发生熄屏事件时，获取当前时刻；

步骤S520：根据所述当前时刻，获取所述移动终端在当前时刻以后的指定时长内保持熄屏的熄屏概率；

步骤S530：如果所述熄屏概率大于指定概率，则根据所述指定时长，进行降功耗处理。

在本申请实施例中，步骤S510至步骤S530可以参阅前述实施例的内容，在此不再赘述。

步骤S540：如果所述指定时长大于或等于指定低功耗模式对应的熄屏时长的阈值，则进行所述指定低功耗模式下的降功耗处理。

在本申请实施例中，低功耗模式可以包括移动终端中预先设置的模式，低功耗模式可以用于在熄屏后满足设定的熄屏时长时，进行与该低功耗模式响应的低功耗处理。

在一些实施方式中，低功耗模式可以为设置的休眠模式、Doze模式、应用待机模式(Standby)等。如果低功耗模式为休眠模式时，进行的降功耗处理可以为停止程序运行，控制中央处理器休眠，断开网络连接，从而节省移动终端的电量；如果低功耗模式为Doze模式时，可以限制白名单以外的应用对网络的访问以及对中央处理器的唤醒等，以降低移动终端的功耗；当低功耗模式为应用待机模式时，可以对空闲应用进行管控，仅允许空闲应用按照一定的频率访问网络。当然，低功耗模式可以不作为限定，例如，指定低功耗模式也还可以为设置的省电模式等。

在该实施方式下，多种低功耗模式中，不同模式对应的熄屏时长的阈值不同，也就是说，移动终端进入到不同模式时所需的熄屏时长不同。因此，可以将指定时长与各个低功耗模式对应的时长阈值进行比较，如果指定时长大于或等于其中一个低功耗模式对应时长阈值，则可以进行该指定低功耗模式对应的低功耗产后护理。当指定时长大于或等于其中一个低功耗模式对应的熄屏时长的阈值，但未大于更大的熄屏时长的阈值，此时则可以控制移动终端进行该低功耗模式对应的降功耗处理。可以理解的，在正常情况下，移动终端中设置的以上低功耗模式需要移动终端在熄屏时长真正达到相应的阈值时，才会进行低功耗模式下的降功耗处理，而通过预测指定时长内保持熄屏的熄屏概率，并根据指定时长进行控制，则可以使得移动终端能提前进行降功耗处理，从而降低移动终端的功耗。

在另一些实施方式中，低功耗模式也可以为自定义的进行低功耗处理的模式。作为一种实施方式，可以定义不同的预设熄屏时长，并且不同的预设熄屏时长对应程度的低功耗处理。例如，可以定义第一预设时长、第二预设时长以及第三预设时长，第一预设时长、第二预设时长以及第三预设时长依次递增，当指定时长大于第一预设时长但未大于或等于第二预设时长时，可以限制空闲进程的运行和对网络的访问；当指定时长大于第二预设时长但未大于或等于第三预设时长时，可以仅允许白名单内的应用按照一定频率运行和访问网络；当指定时长大于第三预设时长时，则可以限制全部应用的运行和对网络的访问，并且可以限制对其他硬件模块(例如定位模块)等的使用。当然，具体自定义的低功耗模式可以不作为限定。

在一些实施方式中，移动终端的系统可能存在一些耗时较久(运行时长大于第四预设时长)的在后台运行的系统任务，例如碎片整理任务、文件清理任务等，这些任务在用户使用手机时进行可能占用移动终端较多的资源而引起卡顿。因此，可以将这些任务作为目标任务，在预测获得本次熄屏事件对应的参考熄屏时长之后，可以比较参考熄屏时长与目标任务的执行时长(即执行目标任务所需的时长)，如果参考熄屏时长大于目标任务的执行时长，则在本次熄屏事件的熄屏过程中，可以对目标任务进行执行，使得用户在使用移动终端时不会受到目标任务执行的影响，提升用户使用移动终端时的运行速度，减少卡顿，进而提升用户体验。

本申请实施例提供的终端控制方法，通过在检测到熄屏事件时，根据当前时刻，对移动终端在当前时候之后指定时长内保持熄屏的熄屏概率进行预测，并在熄屏概率大于指定概率时，将指定时长与低功耗模式对应的熄屏时长的阈值进行比较，如果参指定时长大于或等于指定低功耗模式对应的熄屏时长的阈值，则进行该指定低功耗模式下的降功耗处理。从而可以使移动终端能在熄屏后立即进行降功耗处理，有效的降低移动终端的功耗，提升移动终端的续航能力。

请参阅图8，其示出了本申请实施例提供的一种终端控制装置400的结构框图。该终端控制装置400应用上述的移动终端，该终端控制装置400包括：时间获取模块410、概率获取模块420以及功耗处理模块430。其中，所述时间获取模块410用于在检测到发生熄屏事件时，获取当前时刻；所述概率获取模块420用于根据所述当前时刻，获取所述移动终端在当前时刻以后的指定时长内保持熄屏的熄屏概率；所述功耗处理模块430用于如果所述熄屏概率大于指定概率，则根据所述指定时长，进行降功耗处理。

在一些实施方式中，概率获取模块420可以具体用于：根据预先获得的预设模型，获取所述移动终端在当前时刻以后的指定时长内保持熄屏的熄屏概率，所述预设模型用于获取所述移动终端在指定时间段的熄屏概率，所述指定时间段为每天中均分的多个时间段中的任一时间段。

进一步地，概率获取模块420可以包括：时间段获取单元，用于获取所述当前时刻以后的指定时长所属的目标时间段，所述目标时间段为所述多个时间段中的一个或多个时间段；概率计算单元，用于根据预先获得的预设模型，获取所述移动终端在所述目标时间段保持熄屏的熄屏概率，并将所述熄屏概率作为所述移动终端在所述指定时长内保持熄屏的熄屏概率。

在该实施方式下，概率计算单元可以包括：第一计算子单元，用于当所述目标时间段中包括多个时间段时，根据预先获得的预设模型，获取所述移动终端在所述目标时间段的每个时间段中的第一熄屏概率；第二计算子单元，用于获取多个所述第一熄屏概率的平均值，将所述平均值作为移动终端在所述指定时长内保持熄屏的熄屏概率。

在一些实施方式中，该终端控制装置400还可以包括：时刻获取模块，用于在所述根据预先获得的预设模型，获取所述移动终端在当前时刻以后的指定时长内保持熄屏的熄屏概率之前，获取所述移动终端在N天的所有熄屏事件对应的时刻和所有亮屏事件对应的时刻，所述N为正整数；比例获取模块，用于根据所述所有熄屏事件对应的时刻和所有亮屏事件对应的时刻，获取在所述N天的每天中均分的M个时间段的每个时间段内熄屏时长所占的时长比例，得到所述N天的时长比例的数据，所述M为正整数；平均值计算模块，用于根据所述N天的时长比例的数据，计算每个时间段内熄屏时长所占的时长比例的平均值；模型获得模块，用于根据所述每个时间段内熄屏时长所占的时长比例的平均值，获得所述预设模型。

在该实施方式下，模型获得模块可以包括：数据清除单元，用于根据所述每个时间段内熄屏时长所占的时长比例的平均值，从所述N天的时长比例的数据中，清除目标日期的时长比例的数据，所述目标日期的时长比例的数据满足指定的数据分布条件；平均值再计算单元，用于根据清除后的时长比例的数据，重新计算每个时间段内熄屏时长所占的时长比例的平均值；模型生成单元，用于根据重新计算的所述每个时间段内熄屏时长所占的时长比例的平均值，获得所述预设模型。

进一步地，数据清除单元可以具体用于：根据所述每个时间段内熄屏时长所占的时长比例的平均值，获取所述每个时间段内熄屏时长所占的时长比例的标准差；在所述每天的M个时间段中，获取熄屏时长所占的时长比例处于目标范围以外的时间段作为目标时间段，其中，所述目标范围为第一比例至第二比例，所述第一比例为所述平均值与3倍的所述标准差之间的差值，所述第二比例为所述平均值与3倍的所述标准差之间的和值；获取所述目标时间段的数量满足指定数量条件的一天或者多天，作为目标日期；从所述N天的时长比例的数据中，清除目标日期的时长比例的数据。

在另一些实施方式中，该终端控制装置400还可以包括数据集获取模块以及模型训练模块。数据集获取模块用于在所述根据预先获得的预设模型，获取所述移动终端在当前时刻以后的指定时长内保持熄屏的熄屏概率之前，获取训练数据集合，所述训练数据集合包括所述移动终端多天的每天中多个时间段的每个时间段内多个时刻的屏幕状态，所述多个时间段为每天均分的多个时间段；模型训练模块用于根据所述训练数据集合，对初始模型训练，得到已训练的预设模型，所述已训练的预设模型能够根据输入的时间段，确定该时间段内所述移动终端的熄屏概率，所述输入的时间段为所述多个时间段中的任一时间段。

在一些实施方式中，功耗处理模块可以具体用于：如果所述指定时长大于或等于指定低功耗模式对应的熄屏时长的阈值，则进行所述指定低功耗模式下的降功耗处理。

在一些实施方式中，该终端控制装置400还可以包括：任务执行模块。任务执行模块用于如果所述指定时长大于或等于目标任务执行的时长，则执行所述目标任务，所述目标任务为后台进行的系统任务。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述装置和模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本申请所提供的几个实施例中，模块相互之间的耦合可以是电性，机械或其它形式的耦合。

另外，在本申请各个实施例中的各功能模块可以集成在一个处理模块中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。

综上所述，本申请提供的方案，通过在检测到发生熄屏事件时，获取当前时刻，根据当前时刻，获取移动终端在当前时刻以后的指定时长内保持熄屏的熄屏概率，如果该熄屏概率大于指定概率，则根据该指定时长进行降功耗处理。从而可以在发生熄屏事件时，根据当前时刻，对移动终端在当前时候之后指定时长内保持熄屏的熄屏概率进行预测，进而实现对熄屏时长的预测，并根据指定时长进行降功耗处理，可以使移动终端能在熄屏后立即进行降功耗处理，有效的降低移动终端的功耗，提升移动终端的续航能力。

请参考图9，其示出了本申请实施例提供的一种移动终端的结构框图。该移动终端100可以是智能手机、平板电脑、智能手表等能够运行应用程序的电子设备。本申请中的移动终端100可以包括一个或多个如下部件：处理器110、存储器120、以及一个或多个应用程序，其中一个或多个应用程序可以被存储在存储器120中并被配置为由一个或多个处理器110执行，一个或多个程序配置用于执行如前述方法实施例所描述的方法。

处理器110可以包括一个或者多个处理核。处理器110利用各种接口和线路连接整个移动终端100内的各个部分，通过运行或执行存储在存储器120内的指令、程序、代码集或指令集，以及调用存储在存储器120内的数据，执行移动终端100的各种功能和处理数据。可选地，处理器110可以采用数字信号处理(Digital Signal Processing，DSP)、现场可编程门阵列(Field－Programmable Gate Array，FPGA)、可编程逻辑阵列(Programmable LogicArray，PLA)中的至少一种硬件形式来实现。处理器110可集成中央处理器(CentralProcessing Unit，CPU)、图像处理器(Graphics Processing Unit，GPU)和调制解调器等中的一种或几种的组合。其中，CPU主要处理操作系统、用户界面和应用程序等；GPU用于负责显示内容的渲染和绘制；调制解调器用于处理无线通信。可以理解的是，上述调制解调器也可以不集成到处理器110中，单独通过一块通信芯片进行实现。

存储器120可以包括随机存储器(Random Access Memory，RAM)，也可以包括只读存储器(Read-Only Memory)。存储器120可用于存储指令、程序、代码、代码集或指令集。存储器120可包括存储程序区和存储数据区，其中，存储程序区可存储用于实现操作系统的指令、用于实现至少一个功能的指令(比如触控功能、声音播放功能、图像播放功能等)、用于实现下述各个方法实施例的指令等。存储数据区还可以存储终端100在使用中所创建的数据(比如电话本、音视频数据、聊天记录数据)等。

请参考图10，其示出了本申请实施例提供的一种计算机可读存储介质的结构框图。该计算机可读介质800中存储有程序代码，所述程序代码可被处理器调用执行上述方法实施例中所描述的方法。

计算机可读存储介质800可以是诸如闪存、EEPROM(电可擦除可编程只读存储器)、EPROM、硬盘或者ROM之类的电子存储器。可选地，计算机可读存储介质800包括非易失性计算机可读介质(non-transitory computer-readable storage medium)。计算机可读存储介质800具有执行上述方法中的任何方法步骤的程序代码810的存储空间。这些程序代码可以从一个或者多个计算机程序产品中读出或者写入到这一个或者多个计算机程序产品中。程序代码810可以例如以适当形式进行压缩。

最后应说明的是：以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不驱使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。

Claims (9)

1.一种终端控制方法，其特征在于，应用于移动终端，所述方法包括：

在检测到发生熄屏事件时，获取当前时刻；

获取所述当前时刻以后的指定时长所属的目标时间段，所述目标时间段为每天中均分的多个时间段中的一个或多个时间段；

当所述目标时间段中包括多个时间段时，根据预先获得的预设模型，获取所述移动终端在所述目标时间段的每个时间段中的第一熄屏概率，所述预设模型用于获取所述移动终端在指定时间段的熄屏概率，所述指定时间段为每天中均分的多个时间段中的任一时间段；

对所述目标时间段内包括的多个时间段设置不同的权重，且所有的权重之和为1，其中，所述目标时间段中的第一时间段对应的权重小于所述目标时间段中的第二时间段对应的权重，所述第一时间段为所述当前时刻以后的指定时长未占满的时间段，所述第二时间段为所述目标时间段中除所述第一时间段以外的其他时间段；

根据所述权重，对所述目标时间段的每个时间段中的第一熄屏概率进行加权求和，将得到的和值作为移动终端在所述指定时长内保持熄屏的熄屏概率；

如果所述熄屏概率大于指定概率，且如果所述指定时长大于或等于指定低功耗模式对应的熄屏时长的阈值，则进行所述指定低功耗模式下的降功耗处理，所述指定低功耗模式包括休眠模式、Doze模式、或者应用待机模式(Standby)。

2.根据权利要求1所述的方法，其特征在于，在所述根据预先获得的预设模型，获取所述移动终端在当前时刻以后的指定时长内保持熄屏的熄屏概率之前，所述方法还包括：

获取所述移动终端在N天的所有熄屏事件对应的时刻和所有亮屏事件对应的时刻，所述N为正整数；

根据所述所有熄屏事件对应的时刻和所有亮屏事件对应的时刻，获取在所述N天的每天中均分的M个时间段的每个时间段内熄屏时长所占的时长比例，得到所述N天的时长比例的数据，所述M为正整数；

根据所述N天的时长比例的数据，计算每个时间段内熄屏时长所占的时长比例的平均值；

根据所述每个时间段内熄屏时长所占的时长比例的平均值，获得所述预设模型。

3.根据权利要求2所述的方法，其特征在于，所述根据所述每个时间段内熄屏时长所占的时长比例的平均值，获得所述预设模型，包括：

根据所述每个时间段内熄屏时长所占的时长比例的平均值，从所述N天的时长比例的数据中，清除目标日期的时长比例的数据，所述目标日期的时长比例的数据满足指定的数据分布条件；

根据清除后的时长比例的数据，重新计算每个时间段内熄屏时长所占的时长比例的平均值；

根据重新计算的所述每个时间段内熄屏时长所占的时长比例的平均值，获得所述预设模型。

4.根据权利要求3所述的方法，其特征在于，所述根据所述每个时间段内熄屏时长所占的时长比例的平均值，从所述N天的时长比例的数据中，清除目标日期的时长比例的数据，包括：

根据所述每个时间段内熄屏时长所占的时长比例的平均值，获取所述每个时间段内熄屏时长所占的时长比例的标准差；

在所述每天的M个时间段中，获取熄屏时长所占的时长比例处于目标范围以外的时间段作为目标时间段，其中，所述目标范围为第一比例至第二比例，所述第一比例为所述平均值与3倍的所述标准差之间的差值，所述第二比例为所述平均值与3倍的所述标准差之间的和值；

获取所述目标时间段的数量满足指定数量条件的一天或者多天，作为目标日期；

从所述N天的时长比例的数据中，清除目标日期的时长比例的数据。

5.根据权利要求1所述的方法，其特征在于，在所述根据预先获得的预设模型，获取所述移动终端在当前时刻以后的指定时长内保持熄屏的熄屏概率之前，所述方法还包括：

获取训练数据集合，所述训练数据集合包括所述移动终端多天的每天中多个时间段的每个时间段内多个时刻的屏幕状态，所述多个时间段为每天均分的多个时间段；

根据所述训练数据集合，对初始模型训练，得到已训练的预设模型，所述已训练的预设模型能够根据输入的时间段，确定该时间段内所述移动终端的熄屏概率，所述输入的时间段为所述多个时间段中的任一时间段。

6.根据权利要求1-5任一项所述的方法，其特征在于，所述方法还包括：

如果所述指定时长大于或等于目标任务执行的时长，则执行所述目标任务，所述目标任务为后台进行的系统任务。

7.一种终端控制装置，其特征在于，应用于移动终端，所述装置包括：时间获取模块、概率获取模块以及功耗处理模块，其中，

所述时间获取模块用于在检测到发生熄屏事件时，获取当前时刻；

所述概率获取模块用于获取所述当前时刻以后的指定时长所属的目标时间段，所述目标时间段为每天中均分的多个时间段中的一个或多个时间段；当所述目标时间段中包括多个时间段时，根据预先获得的预设模型，获取所述移动终端在所述目标时间段的每个时间段中的第一熄屏概率，所述预设模型用于获取所述移动终端在指定时间段的熄屏概率，所述指定时间段为每天中均分的多个时间段中的任一时间段；对所述目标时间段内包括的多个时间段设置不同的权重，且所有的权重之和为1，其中，所述目标时间段中的第一时间段对应的权重小于所述目标时间段中的第二时间段对应的权重，所述第一时间段为所述当前时刻以后的指定时长未占满的时间段，所述第二时间段为所述目标时间段中除所述第一时间段以外的其他时间段；根据所述权重，对所述目标时间段的每个时间段中的第一熄屏概率进行加权求和，将得到的和值作为移动终端在所述指定时长内保持熄屏的熄屏概率；

所述功耗处理模块用于如果所述熄屏概率大于指定概率，且如果所述指定时长大于或等于指定低功耗模式对应的熄屏时长的阈值，则进行所述指定低功耗模式下的降功耗处理，所述指定低功耗模式包括休眠模式、Doze模式、或者应用待机模式。

8.一种终端设备，其特征在于，包括：

一个或多个处理器；

存储器；

一个或多个应用程序，其中所述一个或多个应用程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序配置用于执行如权利要求1-6任一项所述的方法。

9.一种计算机可读取存储介质，其特征在于，所述计算机可读取存储介质中存储有程序代码，所述程序代码可被处理器调用执行如权利要求1-6任一项所述的方法。