本發(fā)明涉及數(shù)據(jù)科學領域，尤其涉及一種數(shù)據(jù)分析方法及裝置。

背景技術(shù)：

目前，創(chuàng)業(yè)孵育趨勢越來越高科技化，對于孵化機構(gòu)，需要對各個孵化機構(gòu)進行評選，了解其基本狀況，以便對各個孵化機構(gòu)進行管理和指導。

現(xiàn)有技術(shù)中，針對孵化機構(gòu)的評選體系還沒有完整的確立，僅依賴于一些簡單的指標，沒有有效的多維度分析方法，不能充分反映各個孵化機構(gòu)的運營情況，投資機構(gòu)選取項目還是偏向挑人，過程中很難避免主觀片面，效率也比較低，同時孵化機構(gòu)作為運營主體也還未有多維度分析框架，政府部門也難以了解企業(yè)的情況和難處，施以輔助。

技術(shù)實現(xiàn)要素：

本發(fā)明實施例提供一種數(shù)據(jù)分析方法及裝置，以解決現(xiàn)有技術(shù)中不能充分利用數(shù)據(jù)，對孵化機構(gòu)進行有效分析評選的問題。

本發(fā)明實施例提供的具體技術(shù)方案如下：

一種數(shù)據(jù)分析方法，包括：

針對獲得的每一個孵化機構(gòu)的數(shù)據(jù)，基于第一預設的相關(guān)性分析法和第一預設的特征工程法，分別將相似度大于預設閾值的數(shù)據(jù)指標進行融合，獲得融合后的各個聚合因子；

將所述各個聚合因子，分別歸類到確定的各個分析維度中；

分別將歸類到各個分析維度中的聚合因子進行歸一化處理，并根據(jù)預設的各個分析維度的權(quán)重值，分別計算每一個孵化機構(gòu)的排名等級。

本發(fā)明實施例中，針對獲得的每一個孵化機構(gòu)的數(shù)據(jù)，基于第一預設的相關(guān)性分析法和第一預設的特征工程法，分別將相似度大于預設閾值的數(shù)據(jù)指標進行融合，獲得融合后的各個聚合因子；將所述各個聚合因子，分別歸類到確定的各個分析維度中；分別將歸類到各個分析維度中的聚合因子進行歸一化處理，并根據(jù)預設的各個分析維度的權(quán)重值，分別計算每一個孵化機構(gòu)的排名等級，這樣，能夠充分利用所有數(shù)據(jù)，考慮各方面的數(shù)據(jù)，設計評選體系，最終融合歸類到確定的幾個分析維度下，用客觀數(shù)字而非主觀對孵化機構(gòu)進行評選，提高評選效率、保證客觀公正。

較佳的，分別將相似度大于預設閾值的數(shù)據(jù)指標進行融合之前，進一步包括：

分別從每一個孵化機構(gòu)的數(shù)據(jù)中提取出能夠用于比對的特征，并針對定性的數(shù)據(jù)指標進行量化；

采用預設的篩選策略，篩選出符合所述預設的篩選策略的數(shù)據(jù)，并采用預設的比對法和分析相似觀測值法，補充缺失的數(shù)據(jù)指標的取值。

較佳的，所述第一預設的相關(guān)性分析法，為pearson相關(guān)性分析。

較佳的，分別將相似度大于預設閾值的數(shù)據(jù)指標進行融合，獲得融合后的各個聚合因子，具體包括：

針對數(shù)量級大于預設值的數(shù)據(jù)指標，分別進行求導，并采用預設的運算方法，分別計算相似度大于預設值的數(shù)據(jù)指標的運算結(jié)果，獲得融合后的各個聚合因子。

較佳的，將所述各個聚合因子，分別歸類到確定的各個分析維度中，具體包括：

采用第二預設的相關(guān)性分析法和第二預設的特征工程法，將所述各個聚合因子分別歸類到確定的各個分析維度中。

一種數(shù)據(jù)分析裝置，包括：

融合單元，用于針對獲得的每一個孵化機構(gòu)的數(shù)據(jù)，基于第一預設的相關(guān)性分析法和第一預設的特征工程法，分別將相似度大于預設閾值的數(shù)據(jù)指標進行融合，獲得融合后的各個聚合因子；

歸類單元，用于將所述各個聚合因子，分別歸類到確定的各個分析維度中；

計算單元，用于分別將歸類到各個分析維度中的聚合因子進行歸一化處理，并根據(jù)預設的各個分析維度的權(quán)重值，分別計算每一個孵化機構(gòu)的排名等級。

本發(fā)明實施例中，針對獲得的每一個孵化機構(gòu)的數(shù)據(jù)，基于第一預設的相關(guān)性分析法和第一預設的特征工程法，分別將相似度大于預設閾值的數(shù)據(jù)指標進行融合，獲得融合后的各個聚合因子；將所述各個聚合因子，分別歸類到確定的各個分析維度中；分別將歸類到各個分析維度中的聚合因子進行歸一化處理，并根據(jù)預設的各個分析維度的權(quán)重值，分別計算每一個孵化機構(gòu)的排名等級，這樣，能夠充分利用所有數(shù)據(jù)，考慮各方面的數(shù)據(jù)，設計評選體系，最終融合歸類到確定的幾個分析維度下，用客觀數(shù)字而非主觀對孵化機構(gòu)進行評選，提高評選效率、保證客觀公正。

較佳的，分別將相似度大于預設閾值的數(shù)據(jù)指標進行融合之前，進一步包括，預處理單元，用于：

分別從每一個孵化機構(gòu)的數(shù)據(jù)中提取出能夠用于比對的特征，并針對定性的數(shù)據(jù)指標進行量化；

采用預設的篩選策略，篩選出符合所述預設的篩選策略的數(shù)據(jù)，并采用預設的比對法和分析相似觀測值法，補充缺失的數(shù)據(jù)指標的取值。

較佳的，所述第一預設的相關(guān)性分析法，為pearson相關(guān)性分析。

較佳的，分別將相似度大于預設閾值的數(shù)據(jù)指標進行融合，獲得融合后的各個聚合因子時，融合單元具體用于：

針對數(shù)量級大于預設值的數(shù)據(jù)指標，分別進行求導，并采用預設的運算方法，分別計算相似度大于預設值的數(shù)據(jù)指標的運算結(jié)果，獲得融合后的各個聚合因子。

較佳的，將所述各個聚合因子，分別歸類到確定的各個分析維度中時，歸類單元具體用于：

采用第二預設的相關(guān)性分析法和第二預設的特征工程法，將所述各個聚合因子分別歸類到確定的各個分析維度中。

附圖說明

圖1為本發(fā)明實施例中，數(shù)據(jù)分析方法流程圖；

圖2為本發(fā)明實施例中，孵化器評選維度權(quán)重構(gòu)成示意圖；

圖3為本發(fā)明實施例中，孵化器評選的分析維度的構(gòu)成示意圖；

圖4為本發(fā)明實施例中，眾創(chuàng)空間評選維度權(quán)重構(gòu)成示意圖；

圖5為本發(fā)明實施例中，眾創(chuàng)空間評選的分析維度的構(gòu)成示意圖；

圖6為本發(fā)明實施例中，數(shù)據(jù)分析裝置結(jié)構(gòu)示意圖。

具體實施方式

下面將結(jié)合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術(shù)方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本發(fā)明一部分實施例，并不是全部的實施例?；诒景l(fā)明中的實施例，本領域普通技術(shù)人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本發(fā)明保護的范圍。

為了解決現(xiàn)有技術(shù)中不能充分利用數(shù)據(jù)，對孵化機構(gòu)進行有效分析評選的問題，本發(fā)明實施例中，針對獲得的每一個孵化機構(gòu)的數(shù)據(jù)，分別將相似度高的數(shù)據(jù)進行融合，獲得融合后的聚合因子，并進一步融合，將聚合因子歸類到確定的各個分析維度中，進而進行歸一化處理后，根據(jù)各個分析維度的權(quán)重值，分別計算每一個孵化機構(gòu)的排名等級。

下面通過具體實施例對本發(fā)明方案進行詳細描述，當然，本發(fā)明并不限于以下實施例。

參閱圖1所示，本發(fā)明實施例中，數(shù)據(jù)分析方法的具體流程如下：

步驟100：針對獲得的每一個孵化機構(gòu)的數(shù)據(jù)，基于第一預設的相關(guān)性分析法和第一預設的特征工程法，分別將相似度大于預設閾值的數(shù)據(jù)指標進行融合，獲得融合后的各個聚合因子。

實際中，例如，孵化器、眾創(chuàng)空間中會包括多個孵化機構(gòu)，需要了解每一個孵化機構(gòu)和孵化器、眾創(chuàng)空間的運營情況，但是，每一個孵化機構(gòu)可能有大量的不同指標的數(shù)據(jù)，包括定量的數(shù)據(jù)指標和定性的數(shù)據(jù)指標，現(xiàn)有技術(shù)中，每一個孵化機構(gòu)的數(shù)據(jù)量比較大，并沒有有效地利用這所有的數(shù)據(jù)指標，僅僅從單一的角度進行比較，尤其是針對定性的數(shù)據(jù)指標，沒有分析利用，沒有完整的評選體系，不能充分反映各個孵化機構(gòu)的運營情況。本發(fā)明實施例中，將定性的數(shù)據(jù)指標量化，設計評選體系，確定多個評選分析維度，綜合所有數(shù)據(jù)指標，從多個角度對孵化機構(gòu)進行評選。

執(zhí)行步驟100時，具體包括：

首先，針對獲得的每一個孵化機構(gòu)的數(shù)據(jù)，采用第一預設的相關(guān)性分析法和第一預設的特征工程法，獲得相似度大于預設閾值的數(shù)據(jù)指標。

其中，第一預設的相關(guān)性分析法，例如為pearson相關(guān)性分析，本發(fā)明實施例中并不進行限定，目的是為了將一些相似度高的數(shù)據(jù)指標進行融合，減少最后用于評選的維度，便于對各個孵化機構(gòu)進行分析比較。

然后，分別將相似度大于預設閾值的數(shù)據(jù)指標進行融合，獲得融合后的各個聚合因子。

具體為：針對數(shù)量級大于預設值的數(shù)據(jù)指標分別進行求導，并采用預設的運算方法，分別計算相似度大于預設值的數(shù)據(jù)指標的運算結(jié)果，獲得融合后的各個聚合因子。

其中，預設的運算方法，例如為累加、相除或正規(guī)化處理等，可以根據(jù)實際需求進行選擇和設定，本發(fā)明實例中并不進行限定，進而可以根據(jù)預設的運算方法，計算得到聚合因子的取值。

其中，聚合因子可以是根據(jù)特征工程法設計出的，也可以是用戶提前進行定義的，也可以是兩者綜合的，較佳的，聚合因子的數(shù)目可以為幾十個，這樣，將大量的數(shù)據(jù)指標融合為確定的少量的聚合因子，便于用戶使用和比較。

這樣，在融合過程中，將數(shù)量級大于預設值的數(shù)據(jù)指標的取值進行求導，目的是為了避免極端值和分布不均勻的影響，再對求導后的數(shù)據(jù)指標進行歸一化，這樣可以在融合中不受原指標數(shù)量級影響，創(chuàng)建可比性。

進一步地，執(zhí)行步驟100之前，還包括：

首先，分別從每一個孵化機構(gòu)的數(shù)據(jù)中提取出能夠用于比對的特征，并針對定性的數(shù)據(jù)指標進行量化。

例如，獲得眾創(chuàng)空間中近200個孵化機構(gòu)的數(shù)據(jù)，每一個孵化機構(gòu)的數(shù)據(jù)可能會有上百個數(shù)據(jù)指標，對于包含文字描述信息的數(shù)據(jù)或只有文字描述的數(shù)據(jù)，例如，孵化機構(gòu)的行業(yè)資質(zhì)、獲政策獎勵數(shù)據(jù)等，從中提取出有用的數(shù)字或者提取出可用的特征，即將原始數(shù)據(jù)拆分結(jié)構(gòu)化。

其中，對定性的數(shù)據(jù)指標進行量化時，可以根據(jù)數(shù)據(jù)指標的重要性、優(yōu)先級等制定相應的量化規(guī)則，例如，對于各個孵化機構(gòu)的行業(yè)資質(zhì)，獲得的原始數(shù)據(jù)中對行業(yè)資質(zhì)的描述僅是國家級，市級，區(qū)級三個等級，這樣，本發(fā)明實施例中，將這樣的定性數(shù)據(jù)進行量化，可以將國家級量化為4，市級量化為3，區(qū)級量化為2，沒有被國家，市，區(qū)級別認可的量化為1，如此轉(zhuǎn)化為量化的數(shù)據(jù)指標，便于后續(xù)進行計算、使用和比較。

并且，在對每一個孵化機構(gòu)的數(shù)據(jù)進行處理時，要保證數(shù)據(jù)的單位要統(tǒng)一，拆分數(shù)據(jù)指標時要保證相互之間的可比性。

然后，采用預設的篩選策略，篩選出符合所述預設的篩選策略的數(shù)據(jù)，并采用預設的比對法和分析相似觀測值法，補充缺失的數(shù)據(jù)指標的取值。

本發(fā)明實施例中，可以根據(jù)數(shù)據(jù)指標的類型和取值，制定不同的篩選策略，從而排除一些極端值和異常值，例如，對應孵化機構(gòu)的占地面積，根據(jù)對占地面積的理解，制定篩選策略，排除取值為負、過小或過大的值，避免其對之后計算的干擾，特別是整體得分的分布。

并且，對于某些孵化機構(gòu)的數(shù)據(jù)指標，可能并沒有記錄該數(shù)據(jù)指標的取值，這時，為了能夠?qū)λ械姆趸Y(jié)構(gòu)進行正確的分析和評選，因此，可以對沒有取值的數(shù)據(jù)指標補充其取值，在補充缺失的數(shù)據(jù)時，要考慮臨界值、采用預設的比對法和分析相似觀測值，而不是簡單地使用中位數(shù)或平均值來補充，而是考慮整體的數(shù)值分布，從而進一步提高補充缺失的數(shù)據(jù)的準確性。

也就是說，獲得到各個孵化機構(gòu)的數(shù)據(jù)后，先要對這些數(shù)據(jù)進行預處理，處理為可計算、可使用、有可比性的數(shù)據(jù)指標，便于之后進行其它的分析計算。

步驟110：將所述各個聚合因子，分別歸類到確定的各個分析維度中。

其中，上述各個分析維度，可以是用戶自定義的，也可以是根據(jù)特征工程法發(fā)現(xiàn)的特征，也可以是兩者的結(jié)合，較佳的，分析維度的數(shù)目可以為9個，本發(fā)明實施例中并不進行限定，目的是為了從有限的分析維度，來綜合評選各個孵化機構(gòu)。

執(zhí)行步驟110時，具體包括：采用第二預設的相關(guān)性分析法和第二預設的特征工程法，將各個聚合因子分別歸類到確定的各個分析維度中。

值得說明的是，執(zhí)行步驟110的過程實際上也是一個數(shù)據(jù)融合的過程，第二預設的相關(guān)性分析法與第一預設的相關(guān)性分析法可以是相同的，第二預設的特征工程法與第一預設的特征工程法也可以是相同的，本發(fā)明實施例中并不進行限制，目的是將各個聚合因子融合為更少數(shù)目的分析維度，做為評估框架，更為符合和便于用戶進行分析評選。

步驟120：分別將歸類到各個分析維度中的聚合因子進行歸一化處理，并根據(jù)預設的各個分析維度的權(quán)重值，分別計算每一個孵化機構(gòu)的排名等級。

執(zhí)行步驟120時，具體包括：

首先，分別將歸類到各個分析維度中的聚合因子進行歸一化處理。

較佳的，歸一化處理后的各個聚合因子的取值為指數(shù)形式。

這樣，進行歸一化處理后，使得各個分析維度下的數(shù)據(jù)具有可比性，即不再考慮數(shù)據(jù)代表的單位，而是直接以數(shù)值大小代表在某一分析維度下的強弱。

然后，根據(jù)預設的各個分析維度的權(quán)重值，分別計算每一個孵化機構(gòu)的排名等級。

其中，各個分析維度的權(quán)重值，用戶可以根據(jù)實際需求進行設置。

這樣，根據(jù)各個分析維度中的聚合因子的取值和權(quán)重值，計算出總分值，根據(jù)總分值，可以計算得到每一個孵化機構(gòu)的排名等級，同時，也可以通過對不同分析維度下的分值，來篩選出某一分析維度下表現(xiàn)突出或者需要加強的孵化機構(gòu)，從而，能夠充分利用所有數(shù)據(jù)，用客觀數(shù)字而非主觀感覺對孵化機構(gòu)進行評選，提高評選效率、保證客觀公正。

下面采用幾個具體的應用場景對上述實施例作出進一步詳細說明。

第一應用場景：針對孵化器評選。

具體參閱圖2所示，為本發(fā)明實施例中，孵化器評選維度權(quán)重構(gòu)成示意圖。

例如，參閱圖3所示，為本發(fā)明實施例中，孵化器評選的分析維度的構(gòu)成示意圖。針對某個孵化器，確定其8個分析維度，分別為：整體運營指數(shù)、帶動就業(yè)指數(shù)、入駐企業(yè)競爭力指數(shù)、機構(gòu)區(qū)域擴張指數(shù)、媒體關(guān)注指數(shù)、公司運營指數(shù)、孵化優(yōu)質(zhì)項目指數(shù)、受投資圈追捧指數(shù)。

首先，獲取到孵化器中每一個孵化機構(gòu)的數(shù)據(jù)后，分別對每一個孵化機構(gòu)的數(shù)據(jù)進行預處理，包括：拆分結(jié)構(gòu)化、量化、篩選和補充。

然后，將數(shù)據(jù)指標融合為聚合因子，并歸類到上述8個分析維度中。

例如，圖2中的，孵化器收入、孵化器利潤、入駐企業(yè)、孵化器從業(yè)人數(shù)、在孵企業(yè)高新技術(shù)企業(yè)數(shù)、擴張指數(shù)等，并且，圖2中列出的這多個數(shù)據(jù)指標，僅是一個舉例示意，當然根據(jù)實際情況，獲得的數(shù)據(jù)指標也是不同的，并且，圖2中不同數(shù)據(jù)指標對應的百分比為權(quán)重值，用戶也可以根據(jù)實際需求進行設置。

從圖2中可知，獲得的原始數(shù)據(jù)，數(shù)據(jù)量比較大，也會有很多數(shù)據(jù)指標，并且對于某些數(shù)據(jù)無法直接用于后續(xù)的計算，因此，本發(fā)明實施例中，將原始數(shù)據(jù)進行處理后，進行融合和歸類，進而得到在確定的8個分析維度下取值，可以不僅分主題，還能綜合反映孵化機構(gòu)的運營情況。

最后，根據(jù)各個分析維度的權(quán)重值，計算排名等級。

第二應用場景：針對眾創(chuàng)空間評選。

具體參閱圖4所示，為本發(fā)明實施例中，眾創(chuàng)空間評選維度權(quán)重構(gòu)成示意圖。

例如，參閱圖5所示，為本發(fā)明實施例中，眾創(chuàng)空間評選的分析維度的構(gòu)成示意圖。針對某個眾創(chuàng)空間，確定其9個分析維度，分別為：整體運營指數(shù)、帶動就業(yè)指數(shù)、入駐企業(yè)競爭力指數(shù)、機構(gòu)區(qū)域擴張指數(shù)、媒體關(guān)注指數(shù)、聯(lián)合辦公指數(shù)、培訓輔導指數(shù)、受投資圈追捧指數(shù)、熱門行業(yè)覆蓋指數(shù)。

并且，圖4中也示例出多種不同的數(shù)據(jù)指標，例如眾創(chuàng)空間收入、入駐企業(yè)、入駐創(chuàng)業(yè)團隊、吸納社會就業(yè)數(shù)等，當然也可以根據(jù)實際情況，獲得針對眾創(chuàng)空間不同的或更多的數(shù)據(jù)指標，不同數(shù)據(jù)指標對應的百分比，用戶也可以進行設置，本發(fā)明實施例中并不進行限制。

這樣，可以對孵化器或眾創(chuàng)空間中的孵化機構(gòu)進行評選，從量化的角度，客觀多維度分析衡量孵化機構(gòu)各方面的運營情況，避免主觀模糊評價，提高評選效率和客觀性，并且快速篩選出總體或某方面表現(xiàn)突出的孵化機構(gòu)，同時能夠了解孵化機構(gòu)不足的發(fā)展方向，進而有針對性的施以改善措施，通過加強合作，促進孵化機構(gòu)的整體發(fā)展，對孵化機構(gòu)的管理和發(fā)展都具有很大的指導意義。

基于上述實施例，參閱圖6所示，本發(fā)明實施例中，數(shù)據(jù)分析裝置，具體包括：

融合單元60，用于針對獲得的每一個孵化機構(gòu)的數(shù)據(jù)，基于第一預設的相關(guān)性分析法和第一預設的特征工程法，分別將相似度大于預設閾值的數(shù)據(jù)指標進行融合，獲得融合后的各個聚合因子；

歸類單元61，用于將所述各個聚合因子，分別歸類到確定的各個分析維度中；

計算單元62，用于分別將歸類到各個分析維度中的聚合因子進行歸一化處理，并根據(jù)預設的各個分析維度的權(quán)重值，分別計算每一個孵化機構(gòu)的排名等級。

較佳的，分別將相似度大于預設閾值的數(shù)據(jù)指標進行融合之前，進一步包括，預處理單元63，用于：

分別從每一個孵化機構(gòu)的數(shù)據(jù)中提取出能夠用于比對的特征，并針對定性的數(shù)據(jù)指標進行量化；

采用預設的篩選策略，篩選出符合所述預設的篩選策略的數(shù)據(jù)，并采用預設的比對法和分析相似觀測值法，補充缺失的數(shù)據(jù)指標的取值。

較佳的，所述第一預設的相關(guān)性分析法，為pearson相關(guān)性分析。

較佳的，分別將相似度大于預設閾值的數(shù)據(jù)指標進行融合，獲得融合后的各個聚合因子時，融合單元60具體用于：

針對數(shù)量級大于預設值的數(shù)據(jù)指標，分別進行求導，并采用預設的運算方法，分別計算相似度大于預設值的數(shù)據(jù)指標的運算結(jié)果，獲得融合后的各個聚合因子。

較佳的，將所述各個聚合因子，分別歸類到確定的各個分析維度中時，歸類單元61具體用于：

采用第二預設的相關(guān)性分析法和第二預設的特征工程法，將所述各個聚合因子分別歸類到確定的各個分析維度中。

綜上所述，本發(fā)明實施例中，針對獲得的每一個孵化機構(gòu)的數(shù)據(jù)，基于第一預設的相關(guān)性分析法和第一預設的特征工程法，分別將相似度大于預設閾值的數(shù)據(jù)指標進行融合，獲得融合后的各個聚合因子；將所述各個聚合因子，分別歸類到確定的各個分析維度中；分別將歸類到各個分析維度中的聚合因子進行歸一化處理，并根據(jù)預設的各個分析維度的權(quán)重值，分別計算每一個孵化機構(gòu)的排名等級，這樣，能夠充分利用所有數(shù)據(jù)，考慮各方面的數(shù)據(jù)，設計評選體系，最終融合歸類到確定的幾個分析維度下，用客觀數(shù)字而非主觀對孵化機構(gòu)進行評選，提高評選效率、保證客觀公正。

本領域內(nèi)的技術(shù)人員應明白，本發(fā)明的實施例可提供為方法、系統(tǒng)、或計算機程序產(chǎn)品。因此，本發(fā)明可采用完全硬件實施例、完全軟件實施例、或結(jié)合軟件和硬件方面的實施例的形式。而且，本發(fā)明可采用在一個或多個其中包含有計算機可用程序代碼的計算機可用存儲介質(zhì)(包括但不限于磁盤存儲器、cd-rom、光學存儲器等)上實施的計算機程序產(chǎn)品的形式。

本發(fā)明是參照根據(jù)本發(fā)明實施例的方法、設備(系統(tǒng))、和計算機程序產(chǎn)品的流程圖和/或方框圖來描述的。應理解可由計算機程序指令實現(xiàn)流程圖和/或方框圖中的每一流程和/或方框、以及流程圖和/或方框圖中的流程和/或方框的結(jié)合?？商峁┻@些計算機程序指令到通用計算機、專用計算機、嵌入式處理機或其他可編程數(shù)據(jù)處理設備的處理器以產(chǎn)生一個機器，使得通過計算機或其他可編程數(shù)據(jù)處理設備的處理器執(zhí)行的指令產(chǎn)生用于實現(xiàn)在流程圖一個流程或多個流程和/或方框圖一個方框或多個方框中指定的功能的裝置。

這些計算機程序指令也可存儲在能引導計算機或其他可編程數(shù)據(jù)處理設備以特定方式工作的計算機可讀存儲器中，使得存儲在該計算機可讀存儲器中的指令產(chǎn)生包括指令裝置的制造品，該指令裝置實現(xiàn)在流程圖一個流程或多個流程和/或方框圖一個方框或多個方框中指定的功能。

這些計算機程序指令也可裝載到計算機或其他可編程數(shù)據(jù)處理設備上，使得在計算機或其他可編程設備上執(zhí)行一系列操作步驟以產(chǎn)生計算機實現(xiàn)的處理，從而在計算機或其他可編程設備上執(zhí)行的指令提供用于實現(xiàn)在流程圖一個流程或多個流程和/或方框圖一個方框或多個方框中指定的功能的步驟。

盡管已描述了本發(fā)明的優(yōu)選實施例，但本領域內(nèi)的技術(shù)人員一旦得知了基本創(chuàng)造性概念，則可對這些實施例作出另外的變更和修改。所以，所附權(quán)利要求意欲解釋為包括優(yōu)選實施例以及落入本發(fā)明范圍的所有變更和修改。

顯然，本領域的技術(shù)人員可以對本發(fā)明實施例進行各種改動和變型而不脫離本發(fā)明實施例的精神和范圍。這樣，倘若本發(fā)明實施例的這些修改和變型屬于本發(fā)明權(quán)利要求及其等同技術(shù)的范圍之內(nèi)，則本發(fā)明也意圖包含這些改動和變型在內(nèi)。