【摘要】：隨著移動終端的普及率越來越高,用戶在移動終端上安裝越來越多功能復雜的應用。這些安裝的應用一方面豐富了人們的日常生活;然而,另一方面也給移動終端的管理帶來一些困難。首先,在移動終端上安裝更多復雜的應用使得移動系統(tǒng)內(nèi)、外存的存儲壓力變得越來越大。雖然,一些移動設備制造商為了改善用戶體驗,嘗試擴大內(nèi)、外存容量;然而,對于一些資源受限的環(huán)境,這并不是一種合理的解決方案。而且,受限的內(nèi)存容量可能導致更長的應用響應時間。此外,安裝更多更復雜的應用也會導致一些其它問題,例如,在手機上找到指定的應用變得更加的麻煩。為了解決上述問題,近來的一些相關工作提出了一些基于移動應用使用預測(即,預測接下來的一段時間內(nèi)即將使用的應用)的方法。這些預測方法能幫助設計一些新穎的內(nèi)存回收機制以改善內(nèi)存管理,提前加載待使用的應用到內(nèi)存以減少移動應用啟動的感知延遲,或者調整待使用應用的圖標位置以便用戶更快地找到相應的應用。然而,先前相關工作提出的一些移動應用使用預測方法面臨著低精度、高訓練代價等問題。尤其,在內(nèi)存回收機制以及應用預加載方案中采用基于移動應用使用預測的方法時,它們對預測精度、訓練代價兩項指標提出了更高的要求。為了改善預測精度以及減少訓練代價,本文提出了一種針對移動終端的上下文感知與自適應的移動應用使用預測框架Hi Next App。該預測框架會根據(jù)用戶當前的上下文信息作出預測,并可以自適應地調整預測周期大小。Hi Next App主要由兩部分組成:非均衡貝葉斯模型與一種伸縮算法。其中,非均衡貝葉斯模型會對訓練集中較新的記錄分配更大的權重,以改善預測精度,而伸縮算法可以動態(tài)地調整每個預測周期的大小以顯著減少訓練代價。實驗結果表明,本文提出的移動應用使用預測框架可以有效地改善預測精度以及減少訓練次數(shù)。此外,該預測框架的訓練、預測開銷也是相對較小的。
【學位授予單位】：重慶大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：TP311.52

【參考文獻】

相關期刊論文 前2條

1 孟祥武;胡勛;王立才;張玉潔;;移動推薦系統(tǒng)及其應用[J];軟件學報;2013年01期

2 魏棟;譚功全;葉建平;;Android系統(tǒng)的內(nèi)存管理研究[J];單片機與嵌入式系統(tǒng)應用;2012年04期

相關碩士學位論文 前2條

1 楊宇佳;基于序列模式挖掘的移動應用使用預測研究[D];浙江大學;2016年

2 林新曄;移動應用使用行為預測研究[D];國防科學技術大學;2011年

，

本文編號：2659724