調(diào)節(jié)裝置的示意圖；
[0052] 圖6為本發(fā)明的實(shí)施例3的顯示狀態(tài)調(diào)節(jié)裝置的示意圖；
[0化3] 圖7為本發(fā)明的實(shí)施例3的顯示狀態(tài)調(diào)節(jié)裝置中訓(xùn)練單元的示意圖。
【具體實(shí)施方式】
[0054] 為使本領(lǐng)域技術(shù)人員更好地理解本發(fā)明的技術(shù)方案，下面結(jié)合附圖和具體實(shí)施方 式對(duì)本發(fā)明作進(jìn)一步詳細(xì)描述。
[00巧]實(shí)施例1 :
[0化6] 如圖1所示，本實(shí)施例提供一種顯示狀態(tài)的調(diào)節(jié)方法，用于調(diào)整顯示器的顯示屏 幕的顯示狀態(tài)，例如手機(jī)顯示屏的亮度、分辨率、刷新頻率等。該調(diào)節(jié)方法包括：
[0化7] 采集顯示器所處環(huán)境的信息參數(shù)；
[0化引將所采集的信息參數(shù)輸入至預(yù)先建立的小波神經(jīng)網(wǎng)絡(luò)模型中，分析得出顯示器將 要進(jìn)行顯示的顯示狀態(tài)；
[0化9] 根據(jù)分析結(jié)果調(diào)整顯示器的顯示狀態(tài)。
[0060] 在本實(shí)施例中，通過小波神經(jīng)網(wǎng)絡(luò)對(duì)所采集的顯示器（或者用戶）所處環(huán)境的信 息參數(shù)進(jìn)行分析，得到顯示器所處環(huán)境的信息，該信息則對(duì)應(yīng)顯示器的一種顯示狀態(tài)，從而 對(duì)顯示器的顯示狀態(tài)進(jìn)行調(diào)整，該調(diào)節(jié)方法非常智能，且適用性強(qiáng)。具體實(shí)現(xiàn)方法結(jié)合下述 實(shí)施例進(jìn)行說明。
[0061] 實(shí)施例2;
[0062] 結(jié)合圖1-4所示，本實(shí)施例提供一種顯示狀態(tài)的調(diào)節(jié)方法，具體包括如下步驟：
[0063] 步驟一、智能算法建模。
[0064] 如圖3所示，該步驟具體的包括：
[00化]建立小波神經(jīng)網(wǎng)絡(luò)模型，該小波神經(jīng)網(wǎng)絡(luò)采用小波基函數(shù)生產(chǎn)的。其中，小波基函 數(shù)的數(shù)學(xué)公式為：
[0066]
[0067] 如圖2所示，小波神經(jīng)網(wǎng)絡(luò)模型包括輸入層、隱含層、輸出層；其中，當(dāng)向輸入層輸 入的信息參數(shù)為Xi，i= 1、2、3……k;k為正整數(shù)；所述隱含層的輸出為h"(j)，
[0068]
[0069] 式中j為隱含層第j個(gè)節(jié)點(diǎn)輸出值，j為正整數(shù)；Wy為輸入層的第i個(gè)節(jié)點(diǎn)和隱 含層的第j個(gè)節(jié)點(diǎn)之間的連接權(quán)值屯為小波基函數(shù)hj.的平移因子巧j為小波基函數(shù)hJ的 伸縮因子屯為小波基函數(shù)；n為正整數(shù)。
[0070] 所述輸出層為y?；?，
[0071]
[007引式中，wj'k為隱含層第j個(gè)節(jié)點(diǎn)到輸出層第k個(gè)節(jié)點(diǎn)之間的連接權(quán)值。在此需要說 明的是，由于每采集多次顯示器所處環(huán)境的信息參數(shù)之后，都會(huì)更新一次小神經(jīng)網(wǎng)絡(luò)模型， 其中h"(j)表示小波神經(jīng)網(wǎng)絡(luò)更新n次后的隱含層輸出，tvi(j)則表示在小波神經(jīng)網(wǎng)絡(luò)更 新n-1次后的隱含層輸出。
[0073] 對(duì)小波神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。
[0074] 如圖4所示，該步驟具體包括：
[0075] 小波神經(jīng)網(wǎng)絡(luò)初始化：隨機(jī)初始化小波基函數(shù)中的伸縮因子、平陰因子W及小波 神經(jīng)網(wǎng)絡(luò)的連接權(quán)值，并設(shè)置小波神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)速度；學(xué)習(xí)速度通常為0. 1。
[0076] 樣本分類；把樣本分為訓(xùn)練樣本和測(cè)試樣本，訓(xùn)練樣本用于訓(xùn)練網(wǎng)絡(luò)，測(cè)試樣本用 于測(cè)試小波神經(jīng)網(wǎng)絡(luò)的測(cè)試精度；
[0077] 計(jì)算分析；把訓(xùn)練樣本輸入至小波神經(jīng)網(wǎng)絡(luò)中，計(jì)算小波神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)輸出，W 及計(jì)算小波神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)輸出與期望輸出的誤差，分析得到訓(xùn)練次數(shù)；其中，若誤差小于 等于0. 0001則進(jìn)行預(yù)測(cè)輸出；或者分析得到訓(xùn)練次數(shù)達(dá)到預(yù)設(shè)值則進(jìn)行預(yù)測(cè)輸出，否則進(jìn) 行W下步驟：
[007引權(quán)值修正；小波基函數(shù)中的伸縮因子、平陰因子W及小波神經(jīng)網(wǎng)絡(luò)的連接權(quán)值進(jìn) 行修正，W使小波神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)輸出與期望輸出的誤差小于等于0. 0001 ;或者分析得到 訓(xùn)練次數(shù)達(dá)到預(yù)設(shè)值則進(jìn)行預(yù)測(cè)輸出。至此完成小波神經(jīng)網(wǎng)絡(luò)的訓(xùn)練。
[0079] 對(duì)小波神經(jīng)網(wǎng)絡(luò)進(jìn)行測(cè)試。
[0080] 在該步驟中，也就是將該小波神經(jīng)網(wǎng)絡(luò)應(yīng)用至顯示器顯示狀態(tài)的調(diào)節(jié)當(dāng)中，對(duì)所 采集的環(huán)境信息參數(shù)進(jìn)行測(cè)試。
[0081] 其中，在本實(shí)施例中為了提高上述步驟中對(duì)所處環(huán)境分析的精確度，優(yōu)選的每采 集100次顯示器所處環(huán)境的信息參數(shù)，更新一次小波神經(jīng)網(wǎng)絡(luò)模型。
[0082] 步驟二、采集顯示器所處環(huán)境的信息參數(shù)。
[0083] 在該步驟中，具體的采集重力加速度參數(shù)、光線參數(shù)、位置參數(shù)、溫度參數(shù)、角度參 數(shù)中的至少一種。優(yōu)選的采集盡可能多的信息參數(shù)進(jìn)行分析，W使下一步驟的分析更加準(zhǔn) 確。
[0084] 在此需要說明的是，在本實(shí)施例中無論采集的環(huán)境信息參數(shù)為電流還是電壓信 號(hào)，因?yàn)閭鞯斤@示器都是數(shù)字信號(hào)，該些數(shù)字信號(hào)可W作為小波神經(jīng)網(wǎng)絡(luò)的訓(xùn)練輸入。至于 小波神經(jīng)網(wǎng)絡(luò)的訓(xùn)練屬于小波神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)知識(shí)，通過獲得樣本數(shù)據(jù)得到小波神經(jīng)網(wǎng)絡(luò) 的參數(shù)權(quán)值。
[0085] 步驟=、將所采集的信息參數(shù)輸入至預(yù)先建立的小波神經(jīng)網(wǎng)絡(luò)模型中進(jìn)行分析， 得出顯示器將要進(jìn)行顯示的顯示狀態(tài)。
[0086] 在該步驟中，具體的W判斷夜間使用手機(jī)（顯示器）的用戶已經(jīng)睡著為例進(jìn)行說 明。
[0087]當(dāng)采集到的光線參數(shù)為亮度較低，位置（GP巧參數(shù)為在家，角度參數(shù)為90°，重 力加速度參數(shù)為20分鐘未發(fā)生變化，之后根據(jù)小波神經(jīng)網(wǎng)絡(luò)模型中的各個(gè)參數(shù)的權(quán)值，分 析出用戶狀態(tài)為睡眠狀態(tài)，此時(shí)對(duì)應(yīng)出用戶睡眠狀態(tài)對(duì)應(yīng)的手機(jī)將要顯示的顯示狀態(tài)為待 機(jī)。
[008引步驟四、根據(jù)上述的分析結(jié)果調(diào)整顯示器的顯示狀態(tài)，W是顯示器滿足用戶的需 要。
[0089] 其中，顯示狀態(tài)包括亮暗、待機(jī)、分辨率、刷新頻率中的至少一種。
[0090] 本實(shí)施例所提供的顯示狀態(tài)的調(diào)整方法，將重力加速度參數(shù)、光線參數(shù)、位置參 數(shù)、溫度參數(shù)、角度參數(shù)中的至少一種，最好為多種，通過小波神經(jīng)網(wǎng)絡(luò)將該些參數(shù)進(jìn)行融 合，使得對(duì)顯示狀態(tài)的調(diào)整更加準(zhǔn)確，而且該方法較現(xiàn)有技術(shù)而言更加智能，適用性強(qiáng)。同 時(shí)，該種方法可W獲得更高的容錯(cuò)性，相對(duì)傳統(tǒng)的闊值設(shè)定方式，可W更加準(zhǔn)確。
[0091] 實(shí)施例3;
[0092] 如圖5所示，本實(shí)施例提供一種顯示狀態(tài)調(diào)節(jié)裝置，包括：采集單元、分析單元、調(diào) 整單元；其中，采集單元，用于采集顯示器所處環(huán)境的信息參數(shù)；分析單元，用于將所采集 的信息參數(shù)輸入至預(yù)先建立的小波神經(jīng)網(wǎng)絡(luò)模型中，分析得出顯示器將要進(jìn)行顯示的顯示 狀態(tài)；調(diào)整單元，用于根據(jù)分析結(jié)果調(diào)整顯示器的顯示狀態(tài)。
[0093] 本實(shí)施例中的顯示狀態(tài)調(diào)節(jié)裝置分析單元通過小波神經(jīng)網(wǎng)絡(luò)對(duì)采集單元所采集 的顯示器（或者用戶）所處環(huán)境的信息參數(shù)進(jìn)行分析，得到顯示器所處環(huán)境的信息，該信息 則對(duì)應(yīng)顯示器的一種顯示狀態(tài)，從而通過調(diào)整單元對(duì)顯示器的顯示狀態(tài)進(jìn)行調(diào)整，該調(diào)節(jié) 裝置非常智能，且適用性強(qiáng)。
[0094] 優(yōu)選的，上述的采集單元包括；重力加速度傳感器、光線傳感器、溫度傳感器、定位 模塊、電子羅盤中的至少一種。其中，重力加速度傳感器用于感應(yīng)顯示器的運(yùn)動(dòng)信息參數(shù)； 光線傳感器用于感應(yīng)顯示器所處環(huán)境中光線的亮度信息參數(shù)；溫度傳感器用于感應(yīng)顯示器 所處環(huán)境的溫度信息參數(shù)；定位模塊（GP巧用于感應(yīng)顯示器所處環(huán)境的位置參數(shù)（室內(nèi)/ 室外）；電子羅盤用于感應(yīng)顯示器的傾角參數(shù)。
[0095] 優(yōu)選的，上述的顯示狀態(tài)包括；亮暗、待機(jī)、分辨率、刷新頻率中的至少一種。
[0096] 如圖6所示，優(yōu)選的，本實(shí)施例的顯示狀態(tài)調(diào)節(jié)裝置還包括；建模單元、訓(xùn)練單元、 測(cè)試單元；其中，建模單元用于建立小波神經(jīng)網(wǎng)絡(luò)模型；訓(xùn)練單元用于對(duì)小波神經(jīng)網(wǎng)絡(luò)進(jìn) 行訓(xùn)練；測(cè)試單元用于對(duì)小波神經(jīng)網(wǎng)絡(luò)進(jìn)行測(cè)試。
[0097] 如圖7所示，進(jìn)一步的，訓(xùn)練單元包括；初始化模塊、樣本分類模塊、計(jì)算分析模 塊、權(quán)值修正模塊；其中，初始化模塊用于隨機(jī)初始化小波基函數(shù)中的伸縮因子、平陰因子 W及小波神經(jīng)網(wǎng)絡(luò)的連接權(quán)值，并設(shè)置小波神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)速度；樣本分類模塊用于把樣 本分為訓(xùn)練樣本和測(cè)試樣本，訓(xùn)練樣本用于訓(xùn)練網(wǎng)絡(luò)，測(cè)試樣本用于測(cè)試小波神經(jīng)網(wǎng)絡(luò)的 測(cè)試精度；計(jì)算分析模塊，用于把訓(xùn)練樣本輸入至小波神經(jīng)網(wǎng)絡(luò)中，計(jì)算小波神經(jīng)網(wǎng)絡(luò)的預(yù) 測(cè)輸出，分析得到訓(xùn)練次數(shù)；其中，若誤差小于等于0. 0001則進(jìn)行預(yù)測(cè)輸出；或者分析得到 訓(xùn)練次數(shù)達(dá)到預(yù)設(shè)值則進(jìn)行預(yù)測(cè)輸出；
[009引權(quán)值修正模塊，用于在誤差大于0.0001時(shí)，將小波基函數(shù)中的伸縮因子、平陰因 子W及小波神經(jīng)網(wǎng)絡(luò)的連接權(quán)值進(jìn)行修正，W使小波神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)輸出與期望輸出的誤 差小于等于0. 0001 ;或者分析得到訓(xùn)練次數(shù)達(dá)到預(yù)設(shè)值則進(jìn)