1.一种基于人工智能的桌面图标的管理方法，其特征在于，应用于电子设备，所述方法包括：所述电子设备根据桌面图标的实际排布图案，确定所述桌面图标的混沌系数，其中，所述混沌系数用于表征所述实际排布图案中所述桌面图标排布的有序程度，若所述混沌系数越低，则所述桌面图标的排布越有序；

所述电子设备将所述实际排布图案输入所述混沌系数对应的神经网络模型，得到所述神经网络模型输出的所述桌面图标的推荐排布图案，其中，所述推荐排布图案中所述桌面图标排布比所述实际排布图案中所述桌面图标排布更有序所述桌面图标包括M类应用图标，M为大于1的整数，所述电子设备根据桌面图标的实际排布图案，确定所述桌面图标的混沌系数，包括：所述电子设备根据所述桌面图标的实际排布图案，确定所述M类应用图标各自的混沌系数，其中，所述M类应用图标中第i类应用图标的混沌系数用于表征所述第i类应用图标排布的有序程度，i为取1至M的整数，若所述第i类应用图标的混沌系数越低，则所述第i类应用图标的排布越有序；

所述电子设备根据所述M类应用图标各自的混沌系数，确定所述桌面图标的混沌系数；

所述电子设备将所述排布图案输入所述混沌系数对应的神经网络模型，得到所述神经网络模型输出的所述桌面图标的推荐排布图案，包括：所述电子设备根据所述混沌系数，确定网络规模与所述混沌系数匹配的所述神经网络模型；

所述电子设备将所述排布图案输入所述神经网络模型，得到所述神经网络模型输出的所述桌面图标的所述推荐排布图案；

所述神经网络模型的隐藏层中的每个神经元为对称矩阵，所述神经网络模型的网络规模与所述混沌系数匹配是指：所述混沌系数与所述对称矩阵的大小的匹配；

所述混沌系数与所述对称矩阵的大小的匹配是指所述混沌系数的大小与所述对称矩阵的大小形成正相关关系。

2.根据权利要求1所述的方法，其特征在于，所述电子设备根据所述桌面图标的实际排布图案，确定所述M类应用图标各自的混沌系数，包括：所述电子设备根据所述实际排布图案中所述第i类应用图标的分布位置，确定所述第i类应用图标的混沌系数。

3.根据权利要求2所述的方法，其特征在于，所述第i类应用图标包括N个应用图标，N为大于1的整数，所述电子设备根据所述实际排布图案中所述第i类应用图标的分布位置，确定所述第i类应用图标的混沌系数，包括：所述电子设备根据所述实际排布图案中所述第i类应用图标的分布位置，确定所述N个应用图标中第1个应用图标，与所述N个应用图标中不包含中所述第1个应用图标的N‑1应用图标的最小距离，以及确定所述N‑1个应用图标中第2个应用图标与所述N‑1个应用图标中不包含中所述第2个应用图标的N‑2应用图标的最小距离，直至确定2个应用图标中第N‑1个应用图标与第N个应用图标的最小距离，得到所述N个应用图标各自对应的最小距离，共N个最小距离；

所述电子设备对所述N个最小距离进行，确定所述第i类应用图标的混沌系数。

4.根据权利要求2所述的方法，其特征在于，所述第i类应用图标包括N个应用图标，N为大于1的整数，所述电子设备根据所述实际排布图案中所述第i类应用图标的分布位置，确定所述第i类应用图标的混沌系数，包括：所述电子设备根据所述实际排布图案中所述第i类应用图标的分布位置，确定所述N个应用图标中第1个应用图标，与所述N个应用图标中不包含中所述第1个应用图标的N‑1应用图标的最大距离，以及确定所述N‑1个应用图标中第2个应用图标与所述N‑1个应用图标中不包含中所述第2个应用图标的N‑2应用图标的最大距离，直至确定2个应用图标中第N‑1个应用图标与第N个应用图标的最大距离，得到所述N个应用图标各自对应的最大距离，共N个最大距离；

所述电子设备对所述N个最大距离，确定所述第i类应用图标的混沌系数。

5.根据权利要求2所述的方法，其特征在于，所述电子设备根据所述M类应用图标各自的混沌系数为多维向量，共M个多维向量，所述电子设备根据所述M类应用图标各自的混沌系数，确定所述桌面图标的混沌系数，包括：所述电子设备将所述M个多维向量的乘积确定为所述桌面图标的混沌系数。

6.一种基于人工智能的桌面图标的管理装置，其特征在于，所述装置包括：处理模块，其中：所述处理模块，用于电子设备根据桌面图标的实际排布图案，确定所述桌面图标的混沌系数，其中，所述混沌系数用于表征所述实际排布图案中所述桌面图标排布的有序程度，若所述混沌系数越低，则所述桌面图标的排布越有序；

所述处理模块，还用于所述电子设备将所述实际排布图案输入所述混沌系数对应的神经网络模型，得到所述神经网络模型输出的所述桌面图标的推荐排布图案，其中，所述推荐排布图案中所述桌面图标排布比所述实际排布图案中所述桌面图标排布更有序；

所述桌面图标包括M类应用图标，M为大于1的整数，所述电子设备根据桌面图标的实际排布图案，确定所述桌面图标的混沌系数，包括：所述电子设备根据所述桌面图标的实际排布图案，确定所述M类应用图标各自的混沌系数，其中，所述M类应用图标中第i类应用图标的混沌系数用于表征所述第i类应用图标排布的有序程度，i为取1至M的整数，若所述第i类应用图标的混沌系数越低，则所述第i类应用图标的排布越有序；

所述电子设备根据所述M类应用图标各自的混沌系数，确定所述桌面图标的混沌系数；

所述电子设备将所述排布图案输入所述混沌系数对应的神经网络模型，得到所述神经网络模型输出的所述桌面图标的推荐排布图案，包括：所述电子设备根据所述混沌系数，确定网络规模与所述混沌系数匹配的所述神经网络模型；

所述电子设备将所述排布图案输入所述神经网络模型，得到所述神经网络模型输出的所述桌面图标的所述推荐排布图案；

所述神经网络模型的隐藏层中的每个神经元为对称矩阵，所述神经网络模型的网络规模与所述混沌系数匹配是指：所述混沌系数与所述对称矩阵的大小的匹配；

所述混沌系数与所述对称矩阵的大小的匹配是指所述混沌系数的大小与所述对称矩阵的大小形成正相关关系。