CN114528039A - 一种基于大数据的后台应用清理系统 - Google Patents

Abstract

本发明公开了一种基于大数据的后台应用清理系统。本发明一种基于大数据的后台应用清理系统包括检测模块、目光控制模块、智能清理模块、数据库；所述检测模块的输出端电性连接目光控制模块；所述目光控制模块的输出端电性连接数据库；所述数据库的输出端电性连接智能清理模块；一种基于大数据的后台应用清理方法包括如下步骤S1、对用户设备进行卡顿检测；S2、当用户设备出现卡顿情况时，将正在运行的后台应用显示在设备屏幕上，利用目光注视进行清理；S3、清理后记录清理后的空闲内存和当前正在使用的应用，存储至数据库；S4、存储次数超过阈值时，建立智能清理。

Description

一种基于大数据的后台应用清理系统

技术领域

本发明涉及后台应用清理技术领域，具体为一种基于大数据的后台应用清理系统。

背景技术

随着科技的日益发展，终端安装的应用程序越来越多，每一项程序都拥有不同的作用，后台应用程序一般指最小化关闭的或者当前未使用的却仍然在后台运行的程序，这些程序在给人们的生活带来便利的同时，却对终端产生了巨大的影响。

后台应用程序越来越多，会使终端的耗电量大幅度增加，同时占用内存，导致卡顿的结果发生，影响正常的使用功能。在目前的技术中心，大部分终端采取手动一键清除所有应用程序，可是有一些应用程序的使用率很高，用户在清除后经常需要再次开启该程序，费时费力；同时在卡顿的过程中，手动清理变得困难，极不方便，因此，人们急需要一种能够自动进行清理且十分方便的后台应用清理方法。

发明内容

本发明的目的在于提供一种基于大数据的后台应用清理系统，以解决上述背景技术中提出的问题。

为了解决上述技术问题，本发明提供如下技术方案：一种基于大数据的后台应用清理系统，该系统包括检测模块、目光控制模块、智能清理模块、数据库；

所述检测模块的输出端电性连接目光控制模块；所述目光控制模块的输出端电性连接数据库；所述数据库的输出端电性连接智能清理模块；

所述检测模块用于对用户设备是否出现卡顿进行监测；所述目光控制模块用于对后台应用进行人为清理；所述智能清理模块用于根据用户行为习惯进行自动清理；所述数据库用于存储用户行为习惯和相关数据。

根据上述技术方案，所述检测模块包括画面采集单元、时间采集单元、卡顿检测单元；

所述画面采集单元、时间采集单元的输出端电性连接卡顿检测单元的输入端，所述卡顿检测单元的输出端电性连接目光清理模块的输入端；

所述画面采集单元用于对用户设备使用时的画面进行采集；所述时间采集单元用于对用户设备使用的时间进行采集，并对应每一个使用画面；所述卡顿检测单元用于对用户设备的卡顿进行检测，并启动目光控制模块。

在检测模块中，将所有采集的画面进行编辑成组，配对上采集的时间单元，根据单位时间进行分割处理，对组中所有相同画面进行标记，当标记数量超过一定阈值时，即表示该用户设备在一段时间之内一直停留在这一画面，没有发生改变，在除却用户的个人操作以外，可以判定为用户设备出现了卡顿，导致这一画面出现次数过多，不流畅，因此启动目光控制模块。

根据上述技术方案，所述目光控制模块包括眼球追踪单元、测距单元、屏幕控制单元、清除单元；

所述追踪单元、测距单元的输出端电性连接清除单元的输入端；所述检测模块的输出端电性连接屏幕控制单元的输入端；所述清除单元的输出端电性连接数据库的输入端。

所述眼球追踪单元用于对瞳孔的移动路线和距离进行追踪，并记录；所述测距单元用于测量人眼到屏幕的直线距离；所述屏幕控制单元用于在目光控制模块启动后将屏幕分成固定数量的区域，每个区域内拥有一个后台应用；所述清除单元用于将后台应用进行清除。

在目光控制模块中，利用眼球追踪模块对人眼瞳孔的变化进行识别追踪，根据人眼瞳孔的移动距离和方向，判断人眼目光落点的地址和方向，其中瞳孔移动方向可以等同于屏幕中心点的移动方向，可以确定在屏幕的某一区域，测距单元根据测量到的屏幕与瞳孔之间的直线距离，测算得出目光落点与屏幕水平线形成的角度大小，计算出最大与最小值，当角度超出该范围，判断为目光落在了屏幕外侧，不进行清除，当角度在该范围内时，启动清除单元对相应区域内的应用进行清除。

根据上述技术方案，所述智能清理模块包括数据采集单元、空闲内存检测单元、清理单元；

所述数据采集单元的输出端电性连接数据库的输入端；所述空闲内存检测单元的输出端电性连接清理单元的输入端；

所述数据采集单元用于采集用户设备卡顿情况下清理模块进行的清理行为；所述空闲内存检测单元用于检测用户设备的空闲内存；所述清理单元用于智能清理应用后台，释放内存；

当用户启动一个应用时，立刻对当前空闲内存进行检测，得到空闲内存值，利用大数据得知此空闲内存能否满足用户需要，即用户的行为习惯中是否会在这样的空闲内存条件下进行后台应用清理，若会，则利用清理单元进行清理；

所述清理单元包括第一清理单元、第二清理单元；

所述第一清理单元用于根据历史数据的清理习惯进行清理后台应用；所述第二清理单元用于在第一清理单元没有达到空闲内存阈值的情况下进行清理，根据应用后台的常用程度进行清理。

在第一清理单元中，按照大数据得出用户行为习惯，即在启动该应用时用户经常清理的后台应用，先对其进行清理，若清理过后，依然内存不足，则启动第二清理单元，第二清理单元根据应用程序的常用程度进行清理，即清理不常用的直至达到一定的空闲内存。

根据上述技术方案，所述数据库包括分类单元、存储单元；

所述分类单元用于对用户设备中的所有应用进行常用等级分类；所述存储单元用于对用户设备清理过程及各种相关数据进行存储；

所述分类单元的分类方法根据公式：

其中，V为分类等级指标值，n为该应用下载天数，x为该应用每天使用时长，y为该应用每天后台时长，k₁、k₂为评估系数；V越大，表示该应用越常用。

在公式计算中，对应用的下载天数进行了限定，防止在计算常用程序时，有些程序因为下载天数的不同，使计算结果出现不同程度的错误，因此对应用程序每天的使用时长和在后台的时长进行平均数求解，得出一个能够使所有程序因为下载天数的不同而产生的影响较低的结果，根据此结果判断用户设备中各应用程序的常用程度。

一种基于大数据的后台应用清理方法，该方法包括以下步骤：

S1、对用户设备的画面情况进行采集，根据单位时间内的变化，进行用户设备的卡顿检测；

S2、当用户设备出现卡顿情况时，将正在运行的后台应用显示在设备屏幕上，启动目光控制，利用目光注视进行清理；

S3、清理后依然卡顿，重复步骤S2；清理后不卡顿，记录清理后的空闲内存和当前正在使用的应用，存储至数据库；

S4、在步骤S3中，当某一应用的存储次数超过阈值N时，建立智能清理，即在启动该应用时，自动调节空闲内存超越其记录的最小值。

根据上述技术方案，在步骤S1中，用户设备采集的单位时间的画面记为集合A={S₁，S₂，S₃，……，S_n}，在集合A中，若存在相同连续的S_i且相同S_i的数量超出阈值时，即表示其出现卡顿。

在S_i的计算中，必须要保证其相同且连续，这样避免了画面重复时出现的误差启动，而且在判断过程中，设置阈值，防止因一时的画面相差不大，系统无法识别从而导致发生误判。

根据上述技术方案，在步骤S2中，用户设备出现卡顿后，会自动进入目光控制，将所有应用后台按固定区域排开，确保每一个区域内只有一个后台应用，利用红外线传感器测量瞳孔到屏幕的直线距离记为D，利用眼球追踪传感器测量瞳孔移动的距离记为d，移动的方向记为w，目光落在固定区域内的落点与屏幕水平线形成的夹角记为

，中心点与目光落点之间的直线距离记为L，根据公式：

，

计算得出任一固定区域内距离中心点的最远落点与最近落点的夹角

，当夹角

在

之间时，判断为落在屏幕上，将中心点根据移动方向w进行移动，判断在某一区域，对该区域内应用进行清理。

当开始目光控制时，屏幕上出现了分割好的各应用区域，首先进行角度判定，根据瞳孔到屏幕的直线距离、中心点与目光落点之间的直线距离计算得出角度

，因为在0-90度之间，

为增函数，因此只有角度在

之间时，才可判断目光落在了屏幕上；然后因为人脸与设备可以看做是两块平行的平面，因此瞳孔移动的角度和方向可判断为屏幕中心点移动的角度和方向，根据方向即可判断目光落点在哪一块屏幕区域内，因此对该区域内的后台应用进行清除操作。

根据上述技术方案，在步骤S3中，存储步骤如下：

S3-100、采集当前正在使用的应用M，清理的应用记为集合B={P₁，P₂，P₃，……，P_n},当前的空闲内存R；

S3-200、以应用M作为命名，形成数据集{M，R，P_x，T，E}，其中P_x为被清理的所有应用，T代表时间，E代表计数，数据库中每新增一个M，E=E+1。

在存储过程中，根据数据集的命名将同一应用的数据集存储在一起，将该应用的空闲内存和启动时被清理的应用以及计数、时间进行记录，用于进行大数据分析，实现自动智能化的清理后台应用。

根据上述技术方案，在步骤S4中，调取数据库信息记录，在任一应用的存储次数超过N时，对它建立智能化清理，步骤如下：

S4-100、检测到该应用被用户启动，对内存进行检测，若此时空闲内存大于其使用记录中空闲内存的最小值，则不做清理；若小于其使用记录中空闲内存的最小值，则进入步骤S4-200；

S4-200、对数据库中的信息进行调取，识别出该应用启动的所有次数中用户主动关闭的应用列表，计算被关闭应用的权重，根据权重大小顺序依次在后台应用中进行查找，并自动清理，若清理后空闲内存大于其使用记录中空闲内存的最小值，则结束；否则，进入步骤S4-300；

S4-300、调取数据库中的后台应用常用等级，对剩余的后台应用按照分类等级指标值从小到大进行依次清理，直到空闲内存大于其使用记录中空闲内存的最小值，结束。

与现有技术相比，本发明所达到的有益效果是：在本发明中，利用检测模块实现了用户设备是否卡顿的检测，能够大量减少误判的可能性，从而提高系统的工作效率；利用目光控制模块解放双手进行操作，更有利于用户操作，能够避免一键清理带来的不便，同时也能够为残疾人提供一个良好的方式进行操作；利用智能清理模块根据大数据建立智能清理方式，能够根据每个用户的独特用户习惯形成专用的后台清理模式，给用户更好的使用体验，同时配备双重清理单元，根据不同情况进行清理，确保用户设备不因为后台应用过多出现卡顿的不良情况；利用数据库进行数据的存储，同时提供应用程序的常用与不常用的分类标准，更加便于后台清理；同时在本发明中提出了相应的方法进行解决系统问题，使得本发明更具实用性。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：

图1是本发明一种基于大数据的后台应用清理系统的结构示意图；

图2是本发明一种基于大数据的后台应用清理方法的步骤示意图；

图3是本发明一种基于大数据的后台应用清理方法的流程示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。

请参阅图1-3，本发明提供技术方案：在图1中，一种基于大数据的后台应用清理系统，该系统包括检测模块、目光控制模块、智能清理模块、数据库；

所述检测模块的输出端电性连接目光控制模块；所述目光控制模块的输出端电性连接数据库；所述数据库的输出端电性连接智能清理模块；

所述检测模块用于对用户设备是否出现卡顿进行监测；所述目光控制模块用于对后台应用进行人为清理；所述智能清理模块用于根据用户行为习惯进行自动清理；所述数据库用于存储用户行为习惯和相关数据。

所述检测模块包括画面采集单元、时间采集单元、卡顿检测单元；

所述画面采集单元、时间采集单元的输出端电性连接卡顿检测单元的输入端，所述卡顿检测单元的输出端电性连接目光清理模块的输入端；

所述画面采集单元用于对用户设备使用时的画面进行采集；所述时间采集单元用于对用户设备使用的时间进行采集，并对应每一个使用画面；所述卡顿检测单元用于对用户设备的卡顿进行检测，并启动目光控制模块。

所述目光控制模块包括眼球追踪单元、测距单元、屏幕控制单元、清除单元；

所述追踪单元、测距单元的输出端电性连接清除单元的输入端；所述检测模块的输出端电性连接屏幕控制单元的输入端；所述清除单元的输出端电性连接数据库的输入端。

所述眼球追踪单元用于对瞳孔的移动路线和距离进行追踪，并记录；所述测距单元用于测量人眼到屏幕的直线距离；所述屏幕控制单元用于在目光控制模块启动后将屏幕分成固定数量的区域，每个区域内拥有一个后台应用；所述清除单元用于将后台应用进行清除。

所述智能清理模块包括数据采集单元、空闲内存检测单元、清理单元；

所述数据采集单元的输出端电性连接数据库的输入端；所述空闲内存检测单元的输出端电性连接清理单元的输入端；

所述数据采集单元用于采集用户设备卡顿情况下清理模块进行的清理行为；所述空闲内存检测单元用于检测用户设备的空闲内存；所述清理单元用于智能清理应用后台，释放内存；

所述清理单元包括第一清理单元、第二清理单元；

所述第一清理单元用于根据历史数据的清理习惯进行清理后台应用；所述第二清理单元用于在第一清理单元没有达到空闲内存阈值的情况下进行清理，根据应用后台的常用程度进行清理。

所述数据库包括分类单元、存储单元；

所述分类单元用于对用户设备中的所有应用进行常用等级分类；所述存储单元用于对用户设备清理过程及各种相关数据进行存储；

所述分类单元的分类方法根据公式：

其中，V为分类等级指标值，n为该应用下载天数，x为该应用每天使用时长，y为该应用每天后台时长，k₁、k₂为评估系数；V越大，表示该应用越常用。

在图2-3中，一种基于大数据的后台应用清理方法，该方法包括以下步骤：

S1、对用户设备的画面情况进行采集，根据单位时间内的变化，进行用户设备的卡顿检测；

S2、当用户设备出现卡顿情况时，将正在运行的后台应用显示在设备屏幕上，启动目光控制，利用目光注视进行清理；

S3、清理后依然卡顿，重复步骤S2；清理后不卡顿，记录清理后的空闲内存和当前正在使用的应用，存储至数据库；

S4、在步骤S3中，当某一应用的存储次数超过阈值N时，建立智能清理，即在启动该应用时，自动调节空闲内存超越其记录的最小值。

在步骤S1中，用户设备采集的单位时间的画面记为集合A={S₁，S₂，S₃，……，S_n}，在集合A中，若存在相同连续的S_i且相同S_i的数量超出阈值时，即表示其出现卡顿。

在步骤S2中，用户设备出现卡顿后，会自动进入目光控制，将所有应用后台按固定区域排开，确保每一个区域内只有一个后台应用，利用红外线传感器测量瞳孔到屏幕的直线距离记为D，利用眼球追踪传感器测量瞳孔移动的距离记为d，移动的方向记为w，目光落在固定区域内的落点与屏幕水平线形成的夹角记为

，中心点与目光落点之间的直线距离记为L，根据公式：

，

计算得出任一固定区域内距离中心点的最远落点与最近落点的夹角

，当夹角

在

之间时，判断为落在屏幕上，将中心点根据移动方向w进行移动，判断在某一区域，对该区域内应用进行清理。

在步骤S3中，存储步骤如下：

S3-100、采集当前正在使用的应用M，清理的应用记为集合B={P₁，P₂，P₃，……，P_n},当前的空闲内存R；

S3-200、以应用M作为命名，形成数据集{M，R，P_x，T，E}，其中P_x为被清理的所有应用，T代表时间，E代表计数，数据库中每新增一个M，E=E+1。

在步骤S4中，调取数据库信息记录，在任一应用的存储次数超过N时，对它建立智能化清理，步骤如下：

S4-100、检测到该应用被用户启动，对内存进行检测，若此时空闲内存大于其使用记录中空闲内存的最小值，则不做清理；若小于其使用记录中空闲内存的最小值，则进入步骤S4-200；

S4-200、对数据库中的信息进行调取，识别出该应用启动的所有次数中用户主动关闭的应用列表，计算被关闭应用的权重，根据权重大小顺序依次在后台应用中进行查找，并自动清理，若清理后空闲内存大于其使用记录中空闲内存的最小值，则结束；否则，进入步骤S4-300；

S4-300、调取数据库中的后台应用常用等级，对剩余的后台应用按照分类等级指标值从小到大进行依次清理，直到空闲内存大于其使用记录中空闲内存的最小值，结束。

在本实施例中，共计有10个应用在后台，根据分类公式分别得出每个应用的分类等级指标值，按照常用程度记为集合J={V₁，V₂，V₃，……，V₁₀},此时用户启动了一个新的应用V₁₁，经过判断得知，该应用不存在智能清理，因此进行一段时间的画面检测，记录检测画面的集合为A={S₁，S₂，S₃，……，S_n}，设置阈值为15，其中S₂到S₂₀的画面完全相同，因此判断为用户设备出现了卡顿情况，启动目光控制模块，设置瞳孔到屏幕的直线距离为40cm，方向为向左移动，中心点与左侧区域的最近与最远的直线距离分别为20cm、45cm，对应的瞳孔移动的距离分别为0.7cm、1.3cm，根据

，计算得出角度的范围为43°到64°，通过目光测量得出角度为52°，判断为落在屏幕上，因此将左边区域内的后台应用V₃清除，当前空闲内存为58%，并将此结果进行记录；

形成数据集{V₁₁，58%，V₃，12月29日，49}，设置存储次数阈值为49，因此对应用V₁₁形成智能清理，清理直至空闲内存达到58%。

本发明的工作原理：利用检测模块进行检测用户设备是否发生了卡顿，若出现，则执行目光控制模块，以此来提高系统的工作效率；利用目光控制模块通过目光落点的区域进行清理操作，实现了用户的多方式操作，避免了一键清理带来的不便，同时也能够为残疾人提供一个良好的方式进行操作；利用智能清理模块根据大数据建立智能清理方式，根据每个用户的独特用户习惯形成专用的后台清理模式，能够尽量减少用户操作的次数，给用户更好的使用体验，其中利用双重清理单元，第一重对常清理的后台进行清理，第二重对不常使用的后台进行清理，确保用户设备能够达到空闲内存阈值，不因为后台应用过多出现卡顿的不良情况；利用数据库进行数据的存储，提供应用程序的常用与不常用的分类标准，使得在后台清理时提供良好的数据参考。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。

最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，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。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (1)

1.一种基于大数据的后台应用清理系统，其特征在于：该系统包括检测模块、目光控制模块、智能清理模块、数据库；

所述检测模块的输出端电性连接目光控制模块；所述目光控制模块的输出端电性连接数据库；所述数据库的输出端电性连接智能清理模块；

所述检测模块用于对用户设备是否出现卡顿进行监测；所述目光控制模块用于对后台应用进行人为清理；所述智能清理模块用于根据用户行为习惯进行自动清理；所述数据库用于存储用户行为习惯和相关数据；

所述数据库包括分类单元、存储单元；

所述分类单元用于对用户设备中的所有应用进行常用等级分类；所述存储单元用于对用户设备清理过程及各种相关数据进行存储；

所述分类单元的分类方法根据公式：

其中，V为分类等级指标值，n为该应用下载天数，x为该应用每天使用时长，y_i为该应用每天后台时长，k₁、k₂为评估系数；V越大，表示该应用越常用；

所述后台应用清理系统的清理方法包括以下步骤：

S1、对用户设备的画面情况进行采集，根据单位时间内的变化，进行用户设备的卡顿检测；

S2、当用户设备出现卡顿情况时，将正在运行的后台应用显示在设备屏幕上，启动目光控制，利用目光注视进行清理；

S3、清理后依然卡顿，重复步骤S2；清理后不卡顿，记录清理后的空闲内存和当前正在使用的应用，存储至数据库；

S4、在步骤S3中，当某一应用的存储次数超过阈值N时，建立智能清理，即在启动该应用时，自动调节空闲内存超越其记录的最小值；

在步骤S1中，用户设备采集的单位时间的画面记为集合A={S₁，S₂，S₃，……，S_n}，在集合A中，若存在相同连续的S_i且相同S_i的数量超出阈值时，即表示其出现卡顿；

在步骤S2中，用户设备出现卡顿后，会自动进入目光控制，将所有应用后台按固定区域排开，确保每一个区域内只有一个后台应用，利用红外线传感器测量瞳孔到屏幕的直线距离记为D，利用眼球追踪传感器测量瞳孔移动的距离记为d，移动的方向记为w，目光落在固定区域内的落点与屏幕水平线形成的夹角记为 ，中心点与目光落点之间的直线距离记为L，根据公式：

计算得出任一固定区域内距离中心点的最远落点与最近落点的夹角q₁、q₂，当夹角q在（q₁，q₂）之间时，判断为落在屏幕上，将中心点根据移动方向w进行移动，判断在某一区域，对该区域内应用进行清理；

在步骤S3中，存储步骤如下：

S3-100、采集当前正在使用的应用M，清理的应用记为集合B={P₁，P₂，P₃，……，P_n},当前的空闲内存R；

S3-200、以应用M作为命名，形成数据集{M，R，P_x，T，E}，其中P_x为被清理的所有应用，T代表时间，E代表计数，数据库中每新增一个M，E=E+1；

在步骤S4中，调取数据库信息记录，在任一应用的存储次数超过N时，对它建立智能化清理，步骤如下：

S4-100、检测到该应用被用户启动，对内存进行检测，若此时空闲内存大于其使用记录中空闲内存的最小值，则不做清理；若小于其使用记录中空闲内存的最小值，则进入步骤S4-200；

S4-200、对数据库中的信息进行调取，识别出该应用启动的所有次数中用户主动关闭的应用列表，计算被关闭应用的权重，根据权重大小顺序依次在后台应用中进行查找，并自动清理，若清理后空闲内存大于其使用记录中空闲内存的最小值，则结束；否则，进入步骤S4-300；

S4-300、调取数据库中的后台应用常用等级，对剩余的后台应用按照分类等级指标值从小到大进行依次清理，直到空闲内存大于其使用记录中空闲内存的最小值，结束。

Images