[发明专利]一种数据处理方法及网络设备

说明书

一种数据处理方法，该方法应用于网络设备，获取包括M个移动设备的数据的第一数据，第一移动设备的数据包括第一移动设备使用器件的功耗和时长，以及第一移动设备的功耗、亮屏时长和灭屏时长，第一移动设备是是M个移动设备中的任一移动设备，M为大于2的整数；根据第一数据确定预测功耗；根据M个移动设备的实际功耗和预测功耗确定第一阈值；将预测功耗和第一阈值发送给M个移动设备，预测功耗和第一阈值用于指示第一移动设备监测第一移动设备的实际功耗，当第一移动设备的实际功耗与预测功耗的差值大于第一阈值时，确定第一移动设备的总功耗处于异常状态。本发明实施例，可以根据第一阈值和预测功耗对M个移动设备的功耗进行系统有效的管控。

技术领域

本发明实施例涉及数据处理领域，具体涉及一种数据处理方法及网络设备。

背景技术

Android系统由于其开放性和多任务性给用户带来了许多便宜，如使用方便、成本低廉等，但同时也带来了诸多问题，如第三方应用的功耗问题。由于第三方应用各行其道，以致Android系统的功耗较大。目前，Android系统主要通过后台top应用监测第三方应用的功耗，但由于没有对移动设备功耗进行全面监测的策略，以致无法对移动设备功耗进行系统有效的管控。

发明内容

本发明实施例公开了一种数据处理方法及网络设备，用于提供一种移动设备功耗全面监测策略，以便可以对移动设备的功耗进行系统有效的管控。

第一方面公开数据处理方法，该方法应用于网络设备，获取包括M个移动设备的数据的第一数据，根据第一数据确定预测功耗，根据M个移动设备的实际功耗和预测功耗确定第一阈值，将预测功耗和第一阈值发送给M个移动设备，预测功耗和第一阈值用于指示第一移动设备监测第一移动设备的实际功耗，当第一移动设备的实际功耗与预测功耗的差值大于第一阈值时，确定第一移动设备的总功耗处于异常状态，以便可以根据第一阈值和预测功耗对这M个移动设备的功耗进行系统有效的管控。其中，第一移动设备的数据包括第一移动设备使用器件的功耗和时长，以及第一移动设备的功耗、亮屏时长和灭屏时长，第一移动设备是M个移动设备中的任一移动设备，M为大于2的整数。

在一个实施例中，根据第一数据确定预测功耗时，可以先根据第一数据确定第一特征向量，之后根据第一特征向量和线性回归模型确定预测功耗，以便可以快速地确定预测功耗。

在一个实施例中，根据M个移动设备的实际功耗和预测功耗确定第一阈值时，可以先计算M个移动设备中的每个移动设备的实际功耗和预测功耗的差值以获得功耗差值，之后将功耗差值进行正态分布处理以获得正态分布差值，根据预设规则从正态分布差值中确定第一阈值，以便可以得到精度较高的第一阈值。

在一个实施例中，获取包括N个移动设备的数据的第二数据，根据第二数据对N个移动设备上的应用进行分类以获得H类应用，确定H类应用中每类应用的阈值，将H类应用中每类应用的阈值发送给N个移动设备，第二阈值用于指示第二移动设备监测第一应用的后台总功耗，当第一应用的后台总功耗大于第二阈值时，确定第一应用的功耗处于异常状态，以便可以根据H类应用中每类应用的阈值对不同类的应用进行系统有效的管控，同时可以动态调整每类应用的阈值。其中，第二移动设备的数据包括第二移动设备上应用使用器件的后台总功耗，第二移动设备是N个移动设备中的任一移动设备，N为大于2的整数，H为大于2的整数，第一应用是第二移动设备上属于H类应用中的任一应用，第二阈值是第一应用所属应用类的阈值。

在一个实施例中，根据第二数据对N个移动设备上的应用进行分类以获得H类应用时，可以先根据第二数据绘制N个移动设备上应用的后台总功耗的累计分布函数(Cumulative Distribution Function，CDF)曲线，根据CDF曲线确定N个移动设备上应用的类别数H，根据CDF曲线和卷积神经网络(Convolutional Neural Network，CNN)将N个移动设备上的应用分为H类。