本發(fā)明涉及移動終端以及人工智能技術領域，具體涉及一種數(shù)據(jù)處理方法及相關產品。

背景技術：

隨著移動終端(手機、平板電腦等)的大量普及應用，移動終端能夠支持的應用越來越多，功能越來越強大，移動終端向著多樣化、個性化的方向發(fā)展，成為用戶生活中不可缺少的電子用品。越來越多的研究表明，軟件如何運行以及用戶如何使用移動終端，是決定系統(tǒng)能耗和效率的關鍵要素。

目前，人工智能成為未來移動終端的發(fā)展趨勢，但是，如何提高移動終端的智能性依舊尚未解決。

技術實現(xiàn)要素：

本發(fā)明實施例提供了一種數(shù)據(jù)處理方法及相關產品，可以提高移動終端的智能性。

第一方面，本發(fā)明實施例提供一種移動終端，包括通用處理器，所述通用處理器用于執(zhí)行如下步驟：

獲取用戶習慣數(shù)據(jù)樣本集，所述用戶習慣數(shù)據(jù)樣本集包含m組數(shù)據(jù)，所述m為大于1的整數(shù)；

對所述m組數(shù)據(jù)進行篩選，得到n組數(shù)據(jù)，所述n為不大于所述m的正整數(shù)；

對所述n組數(shù)據(jù)進行訓練，得到用戶習慣參數(shù)集，所述用戶習慣參數(shù)集用于作為所述通用處理器的控制參數(shù)。

第二方面，本發(fā)明實施例提供了一種數(shù)據(jù)處理方法，應用于包括通用處理器的移動終端，所述通用處理器用于執(zhí)行如下步驟：

控制所述通用處理器獲取用戶習慣數(shù)據(jù)樣本集，所述用戶習慣數(shù)據(jù)樣本集包含m組數(shù)據(jù)，所述m為大于1的整數(shù)；

控制所述通用處理器對所述m組數(shù)據(jù)進行篩選，得到n組數(shù)據(jù)，所述n為不大于所述m的正整數(shù)；

控制所述通用處理器對所述n組數(shù)據(jù)進行訓練，得到用戶習慣參數(shù)集，所述用戶習慣參數(shù)集用于作為所述通用處理器的控制參數(shù)。

第三方面，本發(fā)明實施例提供了一種移動終端，包括：通用處理器和存儲器；以及一個或多個程序，其中，所述一個或多個程序被存儲在所述存儲器中，并且被配置成由所述通用處理器執(zhí)行，所述程序包括用于執(zhí)行：

控制所述通用處理器獲取用戶習慣數(shù)據(jù)樣本集，所述用戶習慣數(shù)據(jù)樣本集包含m組數(shù)據(jù)，所述m為大于1的整數(shù)；

控制所述通用處理器對所述m組數(shù)據(jù)進行篩選，得到n組數(shù)據(jù)，所述n為不大于所述m的正整數(shù)；

控制所述通用處理器對所述n組數(shù)據(jù)進行訓練，得到用戶習慣參數(shù)集，所述用戶習慣參數(shù)集用于作為所述通用處理器的控制參數(shù)。

第四方面，本發(fā)明實施例提供了一種數(shù)據(jù)處理裝置，該裝置具有實現(xiàn)上述方法設計中移動終端的行為的功能。所述功能可以通過硬件實現(xiàn)，也可以通過硬件執(zhí)行相應的軟件實現(xiàn)。所述硬件或軟件包括一個或多個與上述功能相對應的模塊。

第五方面，本發(fā)明實施例提供了一種計算機可讀存儲介質，其中，所述計算機可讀存儲介質存儲用于電子數(shù)據(jù)交換的計算機程序，其中，所述計算機程序使得計算機執(zhí)行如本發(fā)明實施例第二方面中所描述的部分或全部步驟。

第六方面，本發(fā)明實施例提供了一種計算機程序產品，其中，所述計算機程序產品包括存儲了計算機程序的非瞬時性計算機可讀存儲介質，所述計算機程序可操作來使計算機執(zhí)行如本發(fā)明實施例第二方面中所描述的部分或全部步驟。該計算機程序產品可以為一個軟件安裝包。

實施本發(fā)明實施例，具有如下有益效果：

可以看出，本發(fā)明實施例中，移動終端的通用處理器獲取用戶習慣數(shù)據(jù)樣本集，用戶習慣數(shù)據(jù)樣本集包含m組數(shù)據(jù)，m為大于1的整數(shù)，對m組數(shù)據(jù)進行篩選，得到n組數(shù)據(jù)，n為不大于m的正整數(shù)，對n組數(shù)據(jù)進行訓練，得到用戶習慣參數(shù)集，用戶習慣參數(shù)集用于作為通用處理器的控制參數(shù)，從而，可獲取用戶習慣數(shù)據(jù)，并對該用戶習慣數(shù)據(jù)進行篩選，對篩選后的用戶習慣數(shù)據(jù)進行訓練，可得到用戶習慣參數(shù)集，進而，可提高移動終端的智能性。

附圖說明

為了更清楚地說明本發(fā)明實施例或現(xiàn)有技術中的技術方案，下面將對實施例或現(xiàn)有技術描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實施例，對于本領域普通技術人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)這些附圖獲得其他的附圖。

圖1a是本發(fā)明實施例提供的一種移動終端的結構示意圖；

圖1b是本發(fā)明實施例提供的另一種移動終端的結構示意圖；

圖1c是本發(fā)明實施例公開的另一種移動終端的結構示意圖；

圖2是本發(fā)明實施例公開的一種數(shù)據(jù)處理方法的流程示意圖；

圖3是本發(fā)明實施例公開的另一種數(shù)據(jù)處理方法的流程示意圖；

圖4是本發(fā)明實施例公開的另一種移動終端的結構示意圖；

圖5a是本發(fā)明實施例公開的一種數(shù)據(jù)處理裝置的結構示意圖；

圖5b是本發(fā)明實施例公開的另一種數(shù)據(jù)處理裝置的結構示意圖；

圖6是本發(fā)明實施例公開的另一種移動終端的結構示意圖。

具體實施方式

為了使本技術領域的人員更好地理解本發(fā)明方案，下面將結合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本發(fā)明一部分實施例，而不是全部的實施例。基于本發(fā)明中的實施例，本領域普通技術人員在沒有作出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本發(fā)明保護的范圍。

本發(fā)明的說明書和權利要求書及上述附圖中的術語“第一”、“第二”等是用于區(qū)別不同對象，而不是用于描述特定順序。此外，術語“包括”和“具有”以及它們任何變形，意圖在于覆蓋不排他的包含。例如包含了一系列步驟或單元的過程、方法、系統(tǒng)、產品或設備沒有限定于已列出的步驟或單元，而是可選地還包括沒有列出的步驟或單元，或可選地還包括對于這些過程、方法、產品或設備固有的其他步驟或單元。

在本文中提及“實施例”意味著，結合實施例描述的特定特征、結構或特性可以包含在本發(fā)明的至少一個實施例中。在說明書中的各個位置出現(xiàn)該短語并不一定均是指相同的實施例，也不是與其它實施例互斥的獨立的或備選的實施例。本領域技術人員顯式地和隱式地理解的是，本文所描述的實施例可以與其它實施例相結合。

本發(fā)明實施例所涉及到的移動終端可以包括各種具有無線通信功能的手持設備、車載設備、可穿戴設備、計算設備或連接到無線調制解調器的其他處理設備，以及各種形式的用戶設備(userequipment，ue)，移動臺(mobilestation，ms)，終端設備(terminaldevice)等等。為方便描述，上面提到的設備統(tǒng)稱為移動終端。下面對本發(fā)明實施例進行詳細介紹。

可選地，本發(fā)明實施例中的通用處理器可為應用處理器，或者，通用處理器包含應用處理器和人工智能模塊(artificialintelligence，ai)，其中，ai模塊集成或獨立于應用處理器。具體地，本發(fā)明實施例中的移動終端可安裝有人工ai模塊，該ai模塊可單獨于應用處理器安裝在移動終端中，例如，應用處理器調用ai模塊實現(xiàn)人工智能，當然，也可以與應用處理器集成在一起，這時候，應用處理器就相當于ai模塊。該ai模塊可為量子芯片，或者，高密度硅集成電路，ai模塊中可存儲有機器學習算法，用于對用戶使用習慣進行訓練，以及對用戶使用習慣進行深度學習，從而，通過ai模塊達到對移動終端進行智能化控制的目的。

可選地，ai模塊的具體形式可以是硬件和/或軟件，ai模塊包括硬件形態(tài)時，應用處理器和ai模塊可以是集成設置，也可以是分離設置，此處不做限定。在ai模塊集成與所述應用處理器集成設置時，若應用處理器為單核處理器，則ai模塊可以是應用處理器中的智能微處理電路，若應用處理器為多核處理器，則ai模塊可以是多核處理器中的單個智能微處理器內核或者某一個微處理器內核中的智能微處理電路。

可選地，在ai模塊集成與所述應用處理器分離設置時，ai模塊可以是應用處理器平臺架構中除所述應用處理器之外的任意一個協(xié)處理器(如基帶處理器、dsp以及電源管理芯片等)中的智能未處理電路，或者，可以是應用處理器平臺架構中除所述應用處理器之外的一個新設置的智能微處理器，或者，可以是新設置的獨立于所述應用處理器平臺的智能處理平臺，且該智能處理平臺至少包括一個專用智能處理器，該智能處理平臺與應用處理器平臺通信連接，可選的，智能處理平臺還可以與存儲器、外設等直連通信連接。

請參閱圖1a，圖1a是本發(fā)明實施例提供了一種移動終端100的結構示意圖，所述移動終端100包括：通用處理器110和存儲器120，所述通用處理器110通過總線150連接所述存儲器120，所述存儲器120用于存儲用戶習慣數(shù)據(jù)，其中，

通用處理器110用于執(zhí)行如下步驟101-步驟103，如圖2，具體如下：

101、獲取用戶習慣數(shù)據(jù)樣本集，所述用戶習慣數(shù)據(jù)樣本集包含m組數(shù)據(jù)，所述m為大于1的整數(shù)。

其中，可從存儲器120中獲取用戶習慣數(shù)據(jù)樣本集。用戶習慣數(shù)據(jù)樣本集為預設時間段的用戶習慣數(shù)據(jù)，預設時間段可由用戶自行設置，或者，系統(tǒng)默認，例如，最近的一周，最近的24小時，最近的1個小時，等等。用戶習慣數(shù)據(jù)樣本集可包含m組數(shù)據(jù)，每一組數(shù)據(jù)可對應一條操作記錄，m為大于1的整數(shù)。

可選地，用戶習慣數(shù)據(jù)樣本集可為針對預設應用的用戶習慣數(shù)據(jù)，預設應用可為：游戲應用(例如，魔獸)、視頻應用(例如，優(yōu)酷)、即時通訊應用(例如，微信)、支付應用(例如，支付寶)等等。

可選地，用戶習慣數(shù)據(jù)樣本集還可以為用戶使用移動終端過程的用戶習慣數(shù)據(jù)，即不僅限于應用，針對所有應用的用戶習慣數(shù)據(jù)。

可選地，用戶習慣數(shù)據(jù)樣本集可來自于用戶的使用記錄，用戶每次操作移動終端的時候，均可生成一條相應的使用記錄，當然，用戶習慣數(shù)據(jù)樣本集可包含大量的使用記錄。

可選地，由上述可知，用戶習慣數(shù)據(jù)樣本集來自于使用記錄，因而，可對用戶習慣數(shù)據(jù)樣本集進行特征提取，即，對用戶的使用記錄進行特征提取，可得到多個參數(shù)，該參數(shù)可為以下至少一種：時間、地點、應用標識、響應時延、誤操作概率等等，時間為使用記錄的發(fā)生時間，地點為使用記錄的發(fā)生地點，應用標識為使用記錄對應的應用，響應時延為使用記錄對應的操作指令產生后，系統(tǒng)響應的延遲時間、是否誤操作可為系統(tǒng)對操作進行識別，為誤操作的概率。

102、對所述m組數(shù)據(jù)進行篩選，得到n組數(shù)據(jù)，所述n為不大于所述m的正整數(shù)；

其中，m組數(shù)據(jù)中可能包含誤操作數(shù)據(jù)(例如，不小心誤觸到觸摸屏)，或者，偶爾性數(shù)據(jù)(并非是用戶習慣性的數(shù)據(jù)，而是偶然出現(xiàn)，即低概率數(shù)據(jù))，因而，需要對這些篩選，從而，可得到n組數(shù)據(jù)，n為不大于m的正整數(shù)。

103、對所述n組數(shù)據(jù)進行訓練，得到用戶習慣參數(shù)集，所述用戶習慣參數(shù)集用于作為所述通用處理器的控制參數(shù)。

其中，可采用預設分類器對n組數(shù)據(jù)進行訓練，從而，得到用戶習慣參數(shù)集，該用戶習慣參數(shù)集可用于作為通用處理器的控制參數(shù)。預設分類器可為以下至少一種分類器：神經網絡分類器，遺傳算法分類器、支持向量機(supportvectormachine，svm)分類器、級聯(lián)型分類器(例如，神經網絡+svm)等等。

在一個可能的示例中，在所述對所述m組數(shù)據(jù)進行篩選，得到n組數(shù)據(jù)方面，所述通用處理器110具體用于：

a1、將所述m組數(shù)據(jù)進行分類，得到p類數(shù)據(jù)，所述p為小于所述m的正整數(shù)；

a2、對所述p類數(shù)據(jù)中每一類數(shù)據(jù)進行篩選，得到所述n組數(shù)據(jù)。

其中，可對m組數(shù)據(jù)進行分類，具體的分類方式，可參照如下方式，可按照時間段對m組數(shù)據(jù)進行分類(例如，m組數(shù)據(jù)為一段時間的數(shù)據(jù)，可按照每小時進行分類，或者，每天進行分類，等等)或者，可按照位置對m組數(shù)據(jù)進行分類(可按照不同位置進行分類，即m組數(shù)據(jù)中每一組數(shù)據(jù)可對應有一個位置，可由全球定位系統(tǒng)(globalpositioningsystem，gps)定位獲取或者室內定位技術確定)。

在一個可能的示例中，在所述將所述m組數(shù)據(jù)進行分類，得到p類數(shù)據(jù)方面，所述通用處理器110具體用于：

a11、獲取所述m組數(shù)據(jù)中每一組數(shù)據(jù)對應的數(shù)據(jù)標識，得到所述m個數(shù)據(jù)標識；

a12、根據(jù)所述m個數(shù)據(jù)標識將所述m組數(shù)據(jù)進行分類，得到所述p類數(shù)據(jù)。

其中，上述數(shù)據(jù)標識可為應用標識(例如，應用名稱、應用版本號)，數(shù)據(jù)標識還可以為數(shù)據(jù)類型(例如，游戲數(shù)據(jù)、文本數(shù)據(jù)、圖像數(shù)據(jù)等等)，如此，可獲取m組數(shù)據(jù)中每一組數(shù)據(jù)對應的數(shù)據(jù)標識，從而，可得到m個數(shù)據(jù)標識，進而，可根據(jù)該m個數(shù)據(jù)標識對m組數(shù)據(jù)進行分類，可得到p類數(shù)據(jù)，每一類數(shù)據(jù)至少包含一組數(shù)據(jù)。

在一個可能的示例中，在所述對所述n組數(shù)據(jù)進行訓練，得到用戶習慣參數(shù)集方面，所述通用處理器110具體用于：

b1、將所述n組數(shù)據(jù)進行分類，得到正樣本集和負樣本集；

b2、分別對所述正樣本集和所述負樣本集進行特征提取，得到第一特征集和第二特征集；

b3、采用第一預設分類器對所述第一特征集進行訓練，得到第一目標分類器；

b4、采用第二預設分類器對所述第二特征集進行訓練，得到第二目標分類器，并將所述第一目標分類器和第二目標分類器作為所述用戶習慣參數(shù)集。

其中，上述正樣本集可為正常用戶習慣的數(shù)據(jù)，負樣本集為異常用戶習慣的數(shù)據(jù)，例如，用戶習慣在早上8-9點放音樂，則在這個階段的數(shù)據(jù)可以作為正常用戶習慣的數(shù)據(jù)，若晚上1點30分突然播放音樂，則可以視作異常用戶習慣的數(shù)據(jù)?？蓪組數(shù)據(jù)進行分類，得到正樣本集和負樣本集，分別對正樣本集和負樣本集進行特征提取，得到第一特征集和第二特征集，采用第一預設分類器對第一特征集進行訓練，得到第一目標分類器，采用第二預設分類器對第二特征集進行訓練，得到第二目標分類器，并將第一目標分類器和第二目標分類器作為用戶習慣參數(shù)集。如此，可實現(xiàn)將用戶習慣數(shù)據(jù)分為兩類，并針對該兩類數(shù)據(jù)采用不同的分類器進行訓練，得到最終的用戶習慣參數(shù)集，該用戶習慣參數(shù)集可應用實現(xiàn)人工智能，不僅可以用于識別正常用戶習慣，還可以識別異常習慣，另外，可以對移動終端實現(xiàn)人工智能控制。

上述特征提取后，得到的特征集中的特征可為以下至少一種：時間、地點、應用標識、響應時延、誤操作概率等等，時間為使用記錄的發(fā)生時間，地點為使用記錄的發(fā)生地點，應用標識為使用記錄對應的應用，響應時延為使用記錄對應的操作指令產生后，系統(tǒng)響應的延遲時間、是否誤操作可為系統(tǒng)對操作進行識別，為誤操作的概率。

需要說明的是，上述第一預設分類器或者第二預設分類器可為以下至少一種分類器：神經網絡分類器，遺傳算法分類器、支持向量機(supportvectormachine，svm)分類器、級聯(lián)型分類器(例如，神經網絡+svm)等等。

在一個可能的示例中，所述通用處理器110還具體用于：

獲取用戶身份驗證信息；將所述身份驗證信息與預設身份驗證信息進行比對，并在所述用戶身份驗證信息與所述預設身份驗證信息比對成功時，執(zhí)行所述獲取用戶習慣數(shù)據(jù)樣本集的步驟。

可選地，在執(zhí)行步驟101之前，通用處理器110還可用于執(zhí)行如下步驟：獲取用戶身份驗證信息，并對該用戶身份驗證信息進行比對，在該用戶身份驗證信息比對成功時，執(zhí)行所述步驟101。需要說明的是，上述預設身份驗證信息可為以下至少一種：人臉信息、虹膜信息、指紋信息、聲紋信息、靜脈信息、腦電波和字符串。如此，一方面提高移動終端的安全性，另一方面，可以只針對指定用戶(機主)才有權限進行用戶習慣數(shù)據(jù)生成。上述預設身份驗證信息還可為由用戶習慣數(shù)據(jù)生成的身份驗證信息，其具體可由移動終端根據(jù)用戶的使用習慣進行分析得到。例如，用戶播放音樂的時候，當用戶觸摸到觸摸屏，可由觸摸屏采集用戶的指紋信息。

可選地，對所述n組數(shù)據(jù)進行訓練，得到用戶習慣參數(shù)集，所述用戶習慣參數(shù)集用于作為所述通用處理器的控制參數(shù)之后，所述通用處理器110具體用于：

獲取指定時間段的目標用戶習慣數(shù)據(jù)集，根據(jù)所述目標用戶習慣數(shù)據(jù)集對所述用戶習慣參數(shù)集進行更新。

其中，用戶的習慣會隨著時間的推移而改變，因而，用戶習慣也需要更新，才能讓移動終端更加智能化，實施上述步驟，可對用戶習慣數(shù)據(jù)進行調整，調整之后的用戶習慣數(shù)據(jù)，會更加符合當前用戶的需求，如此，實現(xiàn)對用戶習慣進行深度學習。

舉例說明下，通常情況下，用戶習慣數(shù)據(jù)是個范圍值，例如，用戶習慣在7點-8點之間播放音樂，那么，用戶的習慣的數(shù)據(jù)會集中在7點半左右，或者，均勻分布在7點-8點之間，當然，一段時間，用戶基本上7點55左右播放音樂，則說明用戶的習慣已經改變，如此，若是這種情況下，則可能有的播放音樂的時刻超過8點，這部分數(shù)據(jù)就屬于異常數(shù)據(jù)，則需要剔除掉，當然，對于7點-8點之間的數(shù)據(jù)分布情況已經改變，則此時，就需要調整用戶習慣數(shù)據(jù)。從而，可實現(xiàn)用戶習慣隨著用戶的習性而適應性改變，更加符合用戶需求。

在一個可能的示例中，請參閱圖1b，圖1b為圖1a所描述的移動終端的一種變型結構，其中，圖1a中所描述的通用處理器110可包含應用處理器140和ai模塊130，應用處理器140和ai模塊130獨立設置。其中，ai模塊130用于執(zhí)行上述任一實施例所描述的至少一個步驟，或者，應用處理器140調用ai模塊130執(zhí)行上述任一實施例所描述的至少一個步驟。

在一個可能的示例中，請參閱圖1c，圖1c為圖1a所描述的移動終端的一種變型結構，其中，圖1a中所描述的通用處理器110可包含應用處理器140和ai模塊130，應用處理器140和ai模塊130集成在一起。其中，ai模塊130用于執(zhí)行上述任一實施例所描述的至少一個步驟，或者，應用處理器140調用ai模塊130執(zhí)行上述任一實施例所描述的至少一個步驟。

可以看出，本發(fā)明實施例中，移動終端的通用處理器獲取用戶習慣數(shù)據(jù)樣本集，用戶習慣數(shù)據(jù)樣本集包含m組數(shù)據(jù)，m為大于1的整數(shù)，對m組數(shù)據(jù)進行篩選，得到n組數(shù)據(jù)，n為不大于m的正整數(shù)，對n組數(shù)據(jù)進行訓練，得到用戶習慣參數(shù)集，用戶習慣參數(shù)集用于作為通用處理器的控制參數(shù)，從而，可獲取用戶習慣數(shù)據(jù)，并對該用戶習慣數(shù)據(jù)進行篩選，對篩選后的用戶習慣數(shù)據(jù)進行訓練，可得到用戶習慣參數(shù)集，進而，可提高移動終端的智能性。

請參閱圖3，圖3是本發(fā)明實施例提供了一種數(shù)據(jù)處理方法的流程示意圖，應用于包括如圖1a、圖1b或圖1c所描述的通用處理器的移動終端，如圖所示，本數(shù)據(jù)處理方法包括：

201、控制所述通用處理器獲取用戶身份驗證信息；

202、控制所述通用處理器將所述身份驗證信息與預設身份驗證信息進行比對，并在所述用戶身份驗證信息與所述預設身份驗證信息比對成功時，獲取用戶習慣數(shù)據(jù)樣本集，所述用戶習慣數(shù)據(jù)樣本集包含m組數(shù)據(jù)，所述m為大于1的整數(shù)；

203、控制所述通用處理器對所述m組數(shù)據(jù)進行篩選，得到n組數(shù)據(jù)，所述n為不大于所述m的正整數(shù)；

204、控制所述通用處理器對所述n組數(shù)據(jù)進行訓練，得到用戶習慣參數(shù)集，所述用戶習慣參數(shù)集用于作為所述通用處理器的控制參數(shù)。

上述步驟201-步驟204可參照上述對應步驟，在此不再贅述。

可以看出，本發(fā)明實施例中，移動終端的通用處理器獲取用戶身份驗證信息，將身份驗證信息與預設身份驗證信息進行比對，并在用戶身份驗證信息與預設身份驗證信息比對成功時，獲取用戶習慣數(shù)據(jù)樣本集，用戶習慣數(shù)據(jù)樣本集包含m組數(shù)據(jù)，m為大于1的整數(shù)，對m組數(shù)據(jù)進行篩選，得到n組數(shù)據(jù)，n為不大于m的正整數(shù)，對n組數(shù)據(jù)進行訓練，得到用戶習慣參數(shù)集，用戶習慣參數(shù)集用于作為通用處理器的控制參數(shù)，從而，可獲取用戶習慣數(shù)據(jù)，并對該用戶習慣數(shù)據(jù)進行篩選，對篩選后的用戶習慣數(shù)據(jù)進行訓練，可得到用戶習慣參數(shù)集，如此，一方面提高移動終端的安全性，另一方面，可以只針對指定用戶(機主)才有權限進行用戶習慣數(shù)據(jù)生成，進而，可提高移動終端的智能性。

請參閱圖4圖4是本發(fā)明實施例提供的一種移動終端，包括：通用處理器和存儲器；以及一個或多個程序，其中，通用處理器可參照如圖1a、圖1b或圖1c所描述的通用處理器的移動終端，

所述一個或多個程序被存儲在所述存儲器中，并且被配置成由所述通用處理器執(zhí)行，所述程序包括用于執(zhí)行以下步驟的指令：

控制所述通用處理器獲取用戶習慣數(shù)據(jù)樣本集，所述用戶習慣數(shù)據(jù)樣本集包含m組數(shù)據(jù)，所述m為大于1的整數(shù)；

控制所述通用處理器對所述m組數(shù)據(jù)進行篩選，得到n組數(shù)據(jù)，所述n為不大于所述m的正整數(shù)；

控制所述通用處理器對所述n組數(shù)據(jù)進行訓練，得到用戶習慣參數(shù)集，所述用戶習慣參數(shù)集用于作為所述通用處理器的控制參數(shù)。

在一個可能的示例中，在所述控制所述通用處理器對所述m組數(shù)據(jù)進行篩選，得到n組數(shù)據(jù)方面，所述程序中的指令具體用于執(zhí)行以下步驟：

控制所述通用處理器將所述m組數(shù)據(jù)進行分類，得到p類數(shù)據(jù)，所述p為小于所述m的正整數(shù)；

控制所述通用處理器對所述p類數(shù)據(jù)中每一類數(shù)據(jù)進行篩選，得到所述n組數(shù)據(jù)。

在一個可能的示例中，在所述控制所述通用處理器將所述m組數(shù)據(jù)進行分類，得到p類數(shù)據(jù)方面，所述程序中的指令具體用于執(zhí)行以下步驟：

控制所述通用處理器獲取所述m組數(shù)據(jù)中每一組數(shù)據(jù)對應的數(shù)據(jù)標識，得到所述m個數(shù)據(jù)標識；

控制所述通用處理器根據(jù)所述m個數(shù)據(jù)標識將所述m組數(shù)據(jù)進行分類，得到所述p類數(shù)據(jù)。

在一個可能的示例中，在所述對所述n組數(shù)據(jù)進行訓練，得到用戶習慣參數(shù)集方面，所述通用處理器具體用于：

將所述n組數(shù)據(jù)進行分類，得到正樣本集和負樣本集；

分別對所述正樣本集和所述負樣本集進行特征提取，得到第一特征集和第二特征集；

采用第一預設分類器對所述第一特征集進行訓練，得到第一目標分類器；

采用第二預設分類器對所述第二特征集進行訓練，得到第二目標分類器，并將所述第一目標分類器和第二目標分類器作為所述用戶習慣參數(shù)集。

在一個可能的示例中，所述程序中的指令還具體用于執(zhí)行以下步驟：

獲取用戶身份驗證信息；將所述身份驗證信息與預設身份驗證信息進行比對，并在所述用戶身份驗證信息與所述預設身份驗證信息比對成功時，執(zhí)行所述獲取用戶習慣數(shù)據(jù)樣本集的步驟。

請參閱圖5a，圖5a是本實施例提供的一種數(shù)據(jù)處理裝置的結構示意圖。該數(shù)據(jù)處理裝置應用于移動終端，所述移動終端包括通用處理器，所述數(shù)據(jù)處理裝置包括獲取單元510、篩選單元520和訓練單元530，其中，

所述獲取單元510，用于控制所述通用處理器獲取用戶習慣數(shù)據(jù)樣本集，所述用戶習慣數(shù)據(jù)樣本集包含m組數(shù)據(jù)，所述m為大于1的整數(shù)；

所述篩選單元520，用于控制所述通用處理器對所述m組數(shù)據(jù)進行篩選，得到n組數(shù)據(jù)，所述n為不大于所述m的正整數(shù)；

所述訓練單元530，用于控制所述通用處理器對所述n組數(shù)據(jù)進行訓練，得到用戶習慣參數(shù)集，所述用戶習慣參數(shù)集用于作為所述通用處理器的控制參數(shù)。

在一個可能的示例中，在所述篩選單元20對所述m組數(shù)據(jù)進行篩選，得到n組數(shù)據(jù)方面，具體實現(xiàn)方式為：

將所述m組數(shù)據(jù)進行分類，得到p類數(shù)據(jù)，所述p為小于所述m的正整數(shù)；對所述p類數(shù)據(jù)中每一類數(shù)據(jù)進行篩選，得到所述n組數(shù)據(jù)。

在一個可能的示例中，在所述將所述m組數(shù)據(jù)進行分類，得到p類數(shù)據(jù)方面，具體實現(xiàn)方式為：

獲取所述m組數(shù)據(jù)中每一組數(shù)據(jù)對應的數(shù)據(jù)標識，得到所述m個數(shù)據(jù)標識；

根據(jù)所述m個數(shù)據(jù)標識將所述m組數(shù)據(jù)進行分類，得到所述p類數(shù)據(jù)。

在一個可能的示例中，在所述訓練單元30對所述n組數(shù)據(jù)進行訓練，得到用戶習慣參數(shù)集方面，具體實現(xiàn)方式為：

將所述n組數(shù)據(jù)進行分類，得到正樣本集和負樣本集；

分別對所述正樣本集和所述負樣本集進行特征提取，得到第一特征集和第二特征集；

采用第一預設分類器對所述第一特征集進行訓練，得到第一目標分類器；

采用第二預設分類器對所述第二特征集進行訓練，得到第二目標分類器，并將所述第一目標分類器和第二目標分類器作為所述用戶習慣參數(shù)集。

在一個可能的示例中，如圖5b，圖5b為圖5a所描述的數(shù)據(jù)處理裝置的一種變型結構，圖5b與圖5a相比較，所述數(shù)據(jù)處理裝置還可以包括：比對單元540，具體如下：

所述獲取單元510，還具體用于獲取用戶身份驗證信息；

所述比對單元540，用于將所述身份驗證信息與預設身份驗證信息進行比對，并在所述比對單元540的比對結果為所述用戶身份驗證信息與所述預設身份驗證信息比對成功時，由所述獲取單元510執(zhí)行所述獲取用戶習慣數(shù)據(jù)樣本集的步驟。

其中，獲取單元510、篩選單元520、訓練單元530、比對單元540可以是收發(fā)器、收發(fā)電路、內部通信接口(處理器與外設之間的通信端口)等，調整單元530可以是ai模塊、應用處理器或者通用處理器，獲取單元520可以是處理器或控制器，ai模塊和處理器例如可以是中央處理器(centralprocessingunit，cpu)，通用處理器，數(shù)字信號處理器(digitalsignalprocessor，dsp)，專用集成電路(application-specificintegratedcircuit，asic)，現(xiàn)場可編程門陣列(fieldprogrammablegatearray，fpga)或者其他可編程邏輯器件、晶體管邏輯器件、硬件部件或者其任意組合。其可以實現(xiàn)或執(zhí)行結合本發(fā)明公開內容所描述的各種示例性的邏輯方框，模塊和電路。所述處理器和所述ai模塊也可以是實現(xiàn)計算功能的組合，例如包含一個或多個微處理器組合，dsp和微處理器的組合等等。

可以理解的是，本實施例的數(shù)據(jù)處理裝置的各程序模塊的功能可根據(jù)上述方法實施例中的方法具體實現(xiàn)，其具體實現(xiàn)過程可以參照上述方法實施例的相關描述，此處不再贅述。

本發(fā)明實施例還提供了另一種移動終端，如圖6所示，為了便于說明，僅示出了與本發(fā)明實施例相關的部分，具體技術細節(jié)未揭示的，請參照本發(fā)明實施例方法部分。該移動終端可以為包括手機、平板電腦、pda(personaldigitalassistant，個人數(shù)字助理)、pos(pointofsales，銷售終端)、車載電腦等任意終端設備，以移動終端為手機為例：

圖6示出的是與本發(fā)明實施例提供的移動終端相關的手機的部分結構的框圖。參考圖6，手機包括：射頻(radiofrequency，rf)電路910、存儲器920、輸入單元930、傳感器950、音頻電路960、無線保真wi-fi模塊970、通用處理器980、以及電源990等部件。本領域技術人員可以理解，圖6中示出的手機結構并不構成對手機的限定，可以包括比圖示更多或更少的部件，或者組合某些部件，或者不同的部件布置。

下面結合圖6對手機的各個構成部件進行具體的介紹：

輸入單元930可用于接收輸入的數(shù)字或字符信息，以及產生與手機的用戶設置以及功能控制有關的鍵信號輸入。具體地，輸入單元930可包括觸控顯示屏933、指紋識別裝置931以及其他輸入設備932。指紋識別裝置931結合至觸控顯示屏933，指紋識別裝置931的指紋識別區(qū)域位于觸控顯示屏933的第一區(qū)域。輸入單元930還可以包括其他輸入設備932。具體地，其他輸入設備932可以包括但不限于物理按鍵、功能鍵(比如音量控制按鍵、開關按鍵等)、軌跡球、鼠標、操作桿等中的一種或多種。其中，所述通用處理器980用于執(zhí)行如下步驟：

獲取用戶習慣數(shù)據(jù)樣本集，所述用戶習慣數(shù)據(jù)樣本集包含m組數(shù)據(jù)，所述m為大于1的整數(shù)；

對所述m組數(shù)據(jù)進行篩選，得到n組數(shù)據(jù)，所述n為不大于所述m的正整數(shù)；

對所述n組數(shù)據(jù)進行訓練，得到用戶習慣參數(shù)集，所述用戶習慣參數(shù)集用于作為所述通用處理器的控制參數(shù)。

通用處理器980是手機的控制中心，利用各種接口和線路連接整個手機的各個部分，通過運行或執(zhí)行存儲在存儲器920內的軟件程序和/或模塊，以及調用存儲在存儲器920內的數(shù)據(jù)，執(zhí)行手機的各種功能和處理數(shù)據(jù)，從而對手機進行整體監(jiān)控?？蛇x的，通用處理器980可包括一個或多個處理單元；可選的，通用處理器980可集成應用處理器和調制解調處理器，其中，應用處理器主要處理操作系統(tǒng)、用戶界面和應用程序等，調制解調處理器主要處理無線通信。可以理解的是，上述調制解調處理器也可以不集成到通用處理器980中。

此外，存儲器920可以包括高速隨機存取存儲器，還可以包括非易失性存儲器，例如至少一個磁盤存儲器件、閃存器件、或其他易失性固態(tài)存儲器件。

rf電路910可用于信息的接收和發(fā)送。通常，rf電路910包括但不限于天線、至少一個放大器、收發(fā)信機、耦合器、低噪聲放大器(lownoiseamplifier，lna)、雙工器等。此外，rf電路910還可以通過無線通信與網絡和其他設備通信。上述無線通信可以使用任一通信標準或協(xié)議，包括但不限于全球移動通訊系統(tǒng)(globalsystemofmobilecommunication，gsm)、通用分組無線服務(generalpacketradioservice，gprs)、碼分多址(codedivisionmultipleaccess，cdma)、寬帶碼分多址(widebandcodedivisionmultipleaccess,wcdma)、長期演進(longtermevolution，lte)、電子郵件、短消息服務(shortmessagingservice，sms)等。

手機還可包括至少一種傳感器950，比如光傳感器、運動傳感器以及其他傳感器。具體地，光傳感器可包括環(huán)境光傳感器及接近傳感器，其中，環(huán)境光傳感器可根據(jù)環(huán)境光線的明暗來調節(jié)觸控顯示屏的亮度，接近傳感器可在手機移動到耳邊時，關閉觸控顯示屏和/或背光。作為運動傳感器的一種，加速計傳感器可檢測各個方向上(一般為三軸)加速度的大小，靜止時可檢測出重力的大小及方向，可用于識別手機姿態(tài)的應用(比如橫豎屏切換、相關游戲、磁力計姿態(tài)校準)、振動識別相關功能(比如計步器、敲擊)等；至于手機還可配置的陀螺儀、氣壓計、濕度計、溫度計、紅外線傳感器等其他傳感器，在此不再贅述。

音頻電路960、揚聲器961，傳聲器962可提供用戶與手機之間的音頻接口。音頻電路960可將接收到的音頻數(shù)據(jù)轉換后的電信號，傳輸?shù)綋P聲器961，由揚聲器961轉換為聲音信號播放；另一方面，傳聲器962將收集的聲音信號轉換為電信號，由音頻電路960接收后轉換為音頻數(shù)據(jù)，再將音頻數(shù)據(jù)播放通用處理器980處理后，經rf電路910以發(fā)送給比如另一手機，或者將音頻數(shù)據(jù)播放至存儲器920以便進一步處理。

wifi屬于短距離無線傳輸技術，手機通過wifi模塊970可以幫助用戶收發(fā)電子郵件、瀏覽網頁和訪問流式媒體等，它為用戶提供了無線的寬帶互聯(lián)網訪問。雖然圖6示出了wifi模塊970，但是可以理解的是，其并不屬于手機的必須構成，完全可以根據(jù)需要在不改變發(fā)明的本質的范圍內而省略。

手機還包括給各個部件供電的電源990(比如電池)，可選的，電源可以通過電源管理系統(tǒng)與通用處理器980邏輯相連，從而通過電源管理系統(tǒng)實現(xiàn)管理充電、放電、以及功耗管理等功能。

盡管未示出，手機還可以包括攝像頭、藍牙模塊等，在此不再贅述。

本發(fā)明實施例還提供一種計算機存儲介質，其中，該計算機存儲介質存儲用于電子數(shù)據(jù)交換的計算機程序，該計算機程序使得計算機執(zhí)行如上述方法實施例中記載的任一方法的部分或全部步驟，所述計算機包括移動終端。

本發(fā)明實施例還提供一種計算機程序產品，所述計算機程序產品包括存儲了計算機程序的非瞬時性計算機可讀存儲介質，所述計算機程序可操作來使計算機執(zhí)行如上述方法實施例中記載的任一方法的部分或全部步驟。該計算機程序產品可以為一個軟件安裝包，所述計算機包括移動終端。

需要說明的是，對于前述的各方法實施例，為了簡單描述，故將其都表述為一系列的動作組合，但是本領域技術人員應該知悉，本發(fā)明并不受所描述的動作順序的限制，因為依據(jù)本發(fā)明，某些步驟可以采用其他順序或者同時進行。其次，本領域技術人員也應該知悉，說明書中所描述的實施例均屬于可選實施例，所涉及的動作和模塊并不一定是本發(fā)明所必須的。

在上述實施例中，對各個實施例的描述都各有側重，某個實施例中沒有詳述的部分，可以參見其他實施例的相關描述。

在本申請所提供的幾個實施例中，應該理解到，所揭露的裝置，可通過其它的方式實現(xiàn)。例如，以上所描述的裝置實施例僅僅是示意性的，例如所述單元的劃分，僅僅為一種邏輯功能劃分，實際實現(xiàn)時可以有另外的劃分方式，例如多個單元或組件可以結合或者可以集成到另一個系統(tǒng)，或一些特征可以忽略，或不執(zhí)行。另一點，所顯示或討論的相互之間的耦合或直接耦合或通信連接可以是通過一些接口，裝置或單元的間接耦合或通信連接，可以是電性或其它的形式。

所述作為分離部件說明的單元可以是或者也可以不是物理上分開的，作為單元顯示的部件可以是或者也可以不是物理單元，即可以位于一個地方，或者也可以分布到多個網絡單元上?？梢愿鶕?jù)實際的需要選擇其中的部分或者全部單元來實現(xiàn)本實施例方案的目的。

另外，在本發(fā)明各個實施例中的各功能單元可以集成在一個處理單元中，也可以是各個單元單獨物理存在，也可以兩個或兩個以上單元集成在一個單元中。上述集成的單元既可以采用硬件的形式實現(xiàn)，也可以采用軟件功能單元的形式實現(xiàn)。

所述集成的單元如果以軟件功能單元的形式實現(xiàn)并作為獨立的產品銷售或使用時，可以存儲在一個計算機可讀取存儲器中?；谶@樣的理解，本發(fā)明的技術方案本質上或者說對現(xiàn)有技術做出貢獻的部分或者該技術方案的全部或部分可以以軟件產品的形式體現(xiàn)出來，該計算機軟件產品存儲在一個存儲器中，包括若干指令用以使得一臺計算機設備(可為個人計算機、服務器或者網絡設備等)執(zhí)行本發(fā)明各個實施例所述方法的全部或部分步驟。而前述的存儲器包括：u盤、只讀存儲器(rom，read-onlymemory)、隨機存取存儲器(ram，randomaccessmemory)、移動硬盤、磁碟或者光盤等各種可以存儲程序代碼的介質。

本領域普通技術人員可以理解上述實施例的各種方法中的全部或部分步驟是可以通過程序來指令相關的硬件來完成，該程序可以存儲于一計算機可讀存儲器中，存儲器可以包括：閃存盤、只讀存儲器(英文：read-onlymemory，簡稱：rom)、隨機存取器(英文：randomaccessmemory，簡稱：ram)、磁盤或光盤等。

以上對本發(fā)明實施例進行了詳細介紹，本文中應用了具體個例對本發(fā)明的原理及實施方式進行了闡述，以上實施例的說明只是用于幫助理解本發(fā)明的方法及其核心思想；同時，對于本領域的一般技術人員，依據(jù)本發(fā)明的思想，在具體實施方式及應用范圍上均會有改變之處，綜上所述，本說明書內容不應理解為對本發(fā)明的限制。