[发明专利]应用程序管控方法、装置、介质及电子设备

权利要求书

1.一种应用程序管控方法，应用于电子设备，其特征在于，所述应用程序管控方法包括以下步骤：

获取所述应用程序样本向量集，其中该样本向量集中的样本向量包括所述应用程序多个维度的历史特征信息x_i；

采用反向传播神经网络算法对样本向量集进行计算生成第一训练模型，采用非线性支持向量机算法生成第二训练模型，通过定义高斯核函数，得到所述第二训练模型；以及

当应用程序进入后台，将所述应用程序的当前特征信息s输入所述第一训练模型进行计算，得到第一关闭概率值，当第一关闭概率值处于犹豫区间之内，将所述应用程序的当前特征信息s输入所述第二训练模型进行计算，得到第二关闭概率值，当第二关闭概率值大于判定值，则关闭所述应用程序。

2.如权利要求1所述的应用程序管控方法，其特征在于，采用反向传播神经网络算法对样本向量集进行计算，生成第一训练模型的步骤包括：

定义网络结构；以及

将样本向量集带入网络结构进行计算，得到第一训练模型。

3.如权利要求1所述的应用程序管控方法，其特征在于：采用非线性支持向量机算法生成第二训练模型的步骤包括：

对样本向量集中的样本向量进行标记，生成每个样本向量的标记结果y_i；以及

通过定义高斯核函数，得到所述第二训练模型。

4.如权利要求1所述的应用程序管控方法，其特征在于：当第二关闭概率值小于判定值，则保留所述应用程序。

5.如权利要求1所述的应用程序管控方法，其特征在于，还包括：当第一关闭概率值处于犹豫区间之外时，则判断第一关闭概率值是小于犹豫区间的最小值还是大于犹豫区间的最大值。

6.如权利要求5所述的应用程序管控方法，其特征在于：当第一关闭概率值小于犹豫区间的最小值，则保留所述应用程序；当第一关闭概率值大于犹豫区间的最大值，则关闭所述应用程序。

7.一种应用程序管控装置，其特征在于，所述装置包括：

获取模块，用于获取所述应用程序样本向量集，其中该样本向量集中的样本向量包括所述应用程序多个维度的历史特征信息x_i；

生成模块，用于采用反向传播神经网络算法对样本向量集进行计算，生成第一训练模型，采用非线性支持向量机算法生成第二训练模型，通过定义高斯核函数，得到所述第二训练模型；

计算模块，用于当应用程序进入后台，将所述应用程序的当前特征信息s输入所述第一训练模型进行计算，得到第一关闭概率值，当第一关闭概率值处于犹豫区间之内，将所述应用程序的当前特征信息s输入所述第二训练模型进行计算，得到第二关闭概率值，当第二关闭概率值大于判定值，则关闭所述应用程序。

8.如权利要求7所述的应用程序管控装置，其特征在于：所述生成模块包括：

第一生成模块，包括：

定义模块，用于定义网络结构；以及

第一求解模块，用于将样本向量集带入网络结构进行计算，得到第一训练模型；以及

第二生成模块，包括：

训练模块，用于对样本向量集中的样本向量进行标记，生成每个样本向量的标记结果y_i；以及

第二求解模块，用于通过定义高斯核函数，得到所述第二训练模型。

9.如权利要求7所述的应用程序管控装置，其特征在于：所述计算模块包括：

采集模块，用于当应用程序进入后台，采集所述应用程序的当前特征信息s；

第一计算模块，将所述应用程序的当前特征信息s输入所述第一训练模型进行计算，得到第一关闭概率值；以及

第二计算模块，用于当第一关闭概率值处于所述犹豫区间之内，将所述应用程序的当前特征信息s输入所述第二训练模型进行计算，得到第二关闭概率值。