1.一种基于大数据的计算机性能控制方法，其特征在于：包括以下步骤：S1：采集用户在使用计算机时所有的信息数据；

S2：分析分屏时用户对文字缩小的接受程度；

S3：分析分屏时分屏区域的重要性；

S4：对分屏时文字缩小范围和分屏区域进行个性化存储；

S5：识别用户分屏操作，确认分屏数量和分屏页面的内容；

S6：根据分屏数量自适应调整分屏屏幕大小和文字大小；

在步骤S2中：分析分屏时用户对文字缩小的接受程度，具体步骤如下：S201：获取在任意时刻tx时历史数据中屏幕内容的文字大小ax，形成不同时刻的文字集合A；

S202：在任意时刻tx时，通过摄像头利用Adaboost算法采集用户的面部特征数据，提取眼部关键点坐标，步骤如下：S202_1：对屏幕摄像头获取的面部特征图像构建二维平面坐标，利用关键点检测算法定位面部特征数据，形成面部数据特征集：B＝{(xi,yi)},i＝1,2,…,n，其中，(xi,yi)表示面部关键点坐标；

S202_2：提取面部数据特征集中两个眼部中心点坐标为b(l)＝(xa,ya)和b(r)＝(xb,yb)，同时提取用户左右眼的眼部第一上眼睑关键点、第二上眼睑关键点、第一下眼睑关键点和第二下眼睑关键点的坐标，分别为：左：B(l)＝{(xz+1,yz+1),…(xz+4,yz+4)}；右：B(r)＝{(xv+1,yv+1),…(xv+4,yv+4)}；

S203：分析用户眼部面积变化，确认文字缩小阈值，步骤如下：S203_1：计算眼部中心点与眼睑关键点之间的距离：将眼部中心点坐标与眼部眼睑关键点进行连线,由左眼部中心点与左眼第一上眼睑关键点的距离为：与右眼第一上眼睑关键点的距离为：

同理，得到与其它眼睑关键点距离分别为：z2,z3,z4,v2,v3,v4；

S203_2：计算两个眼部中心点与眼睑关键点的距离平均值：此时，得到以眼部中心点为圆心，dl，dr为半径的眼球面积：则根据两个眼球面积得到面积平均值：

S203_3：分析面积平均值 的变化，分析用户对文字缩小的接受程度阈值：在任意时刻tx，当 时，记录时间tx，则得到相应的文字大小集合A阈＝{ax},x＝1,2,…,γ；

S203_4：剔除误差大的数据，确认文字缩小阈值a阈：通过以tx为横坐标，ax为纵坐标构建平面坐标系，确认较多坐标ax位于aβ～aε之间，则确认文字缩小阈值

2.根据权利要求1所述的一种基于大数据的计算机性能控制方法，其特征在于：在步骤S3中：确定分屏屏幕区域，分析分屏时分屏区域的重要性，具体步骤如下：S301：确认用户缩小屏幕后的窗口位置信息：对屏幕构建二维平面坐标系，利用窗口识别算法识别历史记录中用户缩小任意界面wμ操作，则利用位置获取算法获取分屏窗口wμ四1

个顶点的初始位置坐标：Cμ＝{(kc,hv)},c＝1,2,3,4；

同时，利用光标位置获取算法获取分屏窗口被拖动时光标的位置变化，形成向量轨迹：其中， 此时，根据公式得到移动窗口wμ后四个顶点的末位置：S302：根据分屏窗口的末位置确定矩形区域，分析不同的矩形窗口之间的覆盖区域，步骤如下：2

S302_1：根据矩形窗口的末位置确定窗口矩形区域：由Cμ，得到移动窗口wμ矩形区域为：S302_2：计算不同的矩形窗口之间的覆盖区域：通过遍历任意缩小界面wμ，得到不同缩小界面集合W＝{wσ},σ＝1,2,…,μ,…,λ，其中σ表示缩小的不同界面数；

由矩形区域Yμ，得到矩形区域集合：Y＝{Yσ},σ＝1,2,…,μ,…,λ，通过遍历区域集合Y，根据覆盖面积计算法得到任意矩形区域Yμ与集合{Yμ+e},e＝1,2,…,λ‑μ之间的覆盖面积：S302_3：根据覆盖区域大小对不同界面wσ的矩形屏幕区域进行分类：当qξ≥Γ时，则与屏幕区域Yμ归为一类，此时，确认同一类屏幕个数的值为eμ；反之，若qξ<Γ时，则不归为一类，形成新的屏幕区域，进入步骤S302_2；

综上，将归为一类的矩形区域进行融合，得到分屏区域集合：M＝{mθ},θ＝1,2,…N；同时，得到不同区域的矩形个数集合E＝{eθ},θ＝1,2,…,μ,…N；

S303：根据分类的区域个数分析分屏时分屏区域的重要性，确认分屏重合区域的归属，步骤如下：S303_1：根据区域个数分析分屏时分屏区域的重要性：通过遍历矩形个数集合E，利用冒泡排序算法将集合E进行降序，则对应的区域集合M重新进行排序，形成新的分屏区域集合： 此时随着θ值的增大，屏幕区域mθ的重要性降低；

S303_2：分析分屏重合区域的归属：通过遍历区域集合 当mτ与mτ+η相交时，将重合区域归属给分配区域mτ，其中 此时确认新的分屏区域集合为：S304：比较分屏区域阈值与分屏区域集合 的大小，分析在文字等比例缩小的情况下分屏数量阈值：根据文字缩小阈值a阈确认屏幕缩小区域阈值：获取初始页面区域m和文字大小a，则屏幕缩小区域阈值通过遍历分屏区域集合 当 时，记录个数+1，此时，得到个数值J,J≤N。

3.根据权利要求2所述的一种基于大数据的计算机性能控制方法，其特征在于：在步骤S5中：识别用户分屏操作，确认分屏数量和分屏页面的内容，具体步骤如下：S501：识别用户分屏操作，确认分屏数量为L；

S502：根据用户对不同页面的操作时间T分析页面的重要性：记录L个分屏页面的操作时间T＝{tΛ},Λ＝1,2,…,:；利用冒泡排序算法将页面操作时间T进行降序，则随着tΛ的减小，分屏页面的重要性逐渐降低，得到排序后的分屏页面集：R＝{rΛ},Λ＝1,2,…,L；

S503：分析分屏数量L的大小，确认分屏区域，选择性显示分屏页面的内容，步骤如下：S503_1：当L≤J时，将分屏页面集R与分屏区域集合 进行一一对应，同时根据分屏区域 等比例缩小L个分屏页面的文字大小；

S503_2：当J

对其他L‑J个分屏区域屏幕内容进行处理：获取页面RL‑J＝{rΛ},Λ＝J+1,J+2,…,L中用户正在操作的区域O进行定位，当进入分屏区域 时，将分屏页面的文字大小缩小到a阈后，显示分屏页面的区域O；

S503_3：当L>N时，显示“无法分屏”。

4.根据权利要求3所述的一种基于大数据的计算机性能控制方法，其特征在于：在步骤S6中：根据分屏数量自适应调整分屏屏幕大小和文字大小，具体步骤如下：S601：自适应调整分屏屏幕大小：

根据步骤S503，当L

S602：根据分屏区域自适应减少页面空白区域，控制文字等比例缩小。

5.一种实现权利要求1‑4任一项所述的一种基于大数据的计算机性能控制方法的计算机性能控制系统，其特征在于：所述系统包括：数据采集模块、智能分析模块、个性化存储模块、数据使用模块和自适应控制模块；

所述数据采集模块的输出端连接所述智能分析模块的输入端，所述智能分析模块的输出端连接所述个性化存储模块的输入端，所述个性化存储模块的输出端连接所述数据使用模块的输入端，所述数据使用模块的输出端连接所述自适应控制模块的输入端；

通过所述数据采集模块采集用户在使用计算机时所有的信息数据；

通过所述智能分析模块分析分屏时用户对文字缩小的接受程度和分屏区域的重要性；

通过所述个性化存储模块对分屏时文字缩小范围和分屏区域进行个性化存储；

通过所述数据使用模块识别用户分屏操作，确认分屏数量和分屏页面的内容；

通过所述自适应控制模块根据分屏数量自适应调整分屏屏幕大小和文字大小。

6.根据权利要求5所述的计算机性能控制系统，其特征在于：所述数据采集模块包括特征采集单元、字号采集单元、窗口识别单元和光标采集单元；

所述特征采集单元用于通过摄像头利用Adaboost算法采集用户的面部特征数据；所述字号采集单元用于采集屏幕内所有文字的字体大小；所述窗口识别单元用于识别用户缩小屏幕后的窗口信息，并将屏幕缩小信号发送至所述光标采集单元；所述光标采集单元用于采集屏幕缩小后光标的移动位置。

7.根据权利要求5所述的计算机性能控制系统，其特征在于：所述智能分析模块包括眼部分析单元和区域判断单元；

所述眼部分析单元包括字号获取子单元、眼坐标提取子单元和面积计算子单元；

所述字号获取子单元用于实时获取字号采集单元的文字大小；所述眼坐标提取子单元用于提取眼部关键点坐标；所述面积计算子单元用于根据眼部坐标位置计算眼睛睁开的面积；

所述区域判断单元包括窗口变化获取子单元、覆盖区域分析子单元、区域分类子单元和区域重要性分析子单元；

所述窗口变化获取子单元用于根据光标的始末移动位置获取分屏窗口的变化位置；所述覆盖区域分析子单元用于分析不同的分屏窗口之间的覆盖区域；所述区域分类子单元用于对覆盖区域的不同进行区域分类；所述区域重要性分析子单元用于根据分类的数据个数分析屏幕不同区域的重要程度。

8.根据权利要求5所述的计算机性能控制系统，其特征在于：所述数据使用模块包括分屏识别单元、分屏数量确认单元、页面分析单元和屏幕内容显示单元；

所述分屏识别单元用于识别用户进行分屏操作；所述分屏数量确认单元用于确认用户分屏的个数；所述页面分析单元用于根据页面操作时间分析页面的重要性；所述屏幕内容显示单元用于根据分屏个数选择性显示分屏页面的内容。

9.根据权利要求5所述的计算机性能控制系统，其特征在于：所述自适应控制模块包括屏幕大小控制单元和文字大小控制单元；

所述屏幕大小控制单元用于根据用户分屏个数自适应调整分屏区域的大小；所述文字大小控制单元用于根据分屏区域自适应控制文字大小。