[发明专利]一种基于网络感知PCA-SVM融合算法的移动平台能耗优化方法

摘要

一种基于网络感知PCA‑SVM融合算法的移动平台能耗优化方法，通过使用PCA算法以及SVM分类算法对采集的网络状态特征值以及对应的最优CPU运行模式的类别标签建模，分析一段时间内的网络状态并识别该状态下最佳CPU运行模式，动态切换CPU运行模式，满足用户短时间内对CPU资源的需求的同时保证在一段时间内刷新能耗与空闲能耗之和最低，从硬件级别降低移动社交应用能耗。训练生成的分类器准确率高达98%。经测试用户在3种不同手机使用频率下，以及不同网络环境中测试默认模式与PSC优化模式，该优化方法都具有一定优化能力，优化率高达10.51%。

主权项

1.一种基于网络感知PCA‑SVM融合算法的移动平台能耗优化方法，其特征在于，包括以下步骤：1）使用基于新浪微博开放平台提供的API接口自主开发的应用，移动终端测试APP；2）移动终端测试APP自动采集用户的网络环境状态，该网络环境状态包括一段时间内移动网络和WiFi网络信号强度值，同时记录该网络状态下不同CPU运行模式刷新时间，标记该网络状态对应的移动社交应用刷新能耗较低的CPU运行模式，作为分类数据集并保存至数据库；用户登入Mix测试APP以后，应用将自动采集用户所在环境状态值，环境状态值包含网络信号，4G与Wi‑Fi网络强度等级值、时间间隔值，手机剩余电量值，用户刷新微博频率值，将采集到的环境状态值以数据库设置好的格式进行整理排序，存储到手机本地数据库，并最后将数据以邮件形式发送到指定邮箱；3）建立PCA‑SVM优化模型，首先将数据样本中除去标签的数据通过PCA算法进行降维操作，再贴上标签，使用MATLAB仿真工具进行支持向量机分类训练并生成分类器，最后将分类器嵌入MS服务器；建立连续时间MDP数学模型，根据步骤2采集到的环境状态值作为MDP模型的状态空间，根据数据计算各环境状态转换间概率值，然后建立MDP模型的动态转移概率矩阵，最后建立MDP模型的动作集合，以最优奖励值作为目标函数，仿真MDP模型变化过程，获取最优策略决策表，输出到本地；马尔可夫决策过程是一个四元组状态的集合，包括(S，A，P.(.,.)，R.(.))；步骤2采集到的环境状态值，即为有限状态集合S包含的状态，当用户使用移动终端时，移动终端优先连接Wi‑Fi网络，然后设置网络切换阈值，此方法成为Mix网络切换模式；网络信号等级值根据Android开源API中定义的LTE信号强度等级值划分方式，每个网络信号等级划分为5级，分别为5、4、3、2、1，当Wi‑Fi网络信号强度等级值不大于2时，用户无法完成刷新微博动作，此时达到网络切换阈值，应用自动切换到4G通讯网络，完成微博刷新；4）在实际使用过程中，移动终端测试APP采集实时数据通过网络上传至MS服务器，MS服务器使用分类器得到分类结果并通过网络传递给用户，用户根据分类结果动态调节最优CPU运行模式；利用MATLAB仿真MDP模型，求解模型获得最优策略决策表，并将最优策略决策表嵌入到Mix测试APP手机中，以便用户实际使用时查找最优策略，动作集合A中包含网络信号等级值对应的刷新图片格式，将动作集合A细分到4G与Wi‑Fi两种网络动作集合，在4G网络连接下，当信号强度等级值为1时，此时网络将视为无法连接网络，因为此时需要大量能耗下载刷新微博，所以该等级值下无法刷新微博，其它等级值下，从高到低对应下载图片格式为原始图片、高清图片、缩略图以及无图格式，而在Wi‑Fi网络连接下，当信号强度等级值不大于2时视为网络断连，无法下载刷新微博，其它从高到低等级值对应下载图片格式分别为原始图片、高清图片以及缩略图片；在实际使用过程中，Mix测试APP通过获取到的环境状态值，在本地存储的最优策略决策表中查找最优策略，切换最优通讯网络，主要为4G和Wi‑Fi，下载最佳图片格式，完成刷新微博动作。