数据分析方法、系统、可读存储介质及计算机设备

1.本发明涉及数据处理技术领域，特别涉及一种数据分析方法、系统、可读存储介质及计算机设备。


背景技术：

2.随着科技的飞速发展和人们生活水平的提高，各类数据也层出不穷，因此，随着各类数据的迅速增长，对于数据的分析需求也越来越高。
3.在对数据信息进行分析时，通常是利用计算机设备将所有的数据带入到各种数据库中进行全方面分析，等全方面分析完成后将所有的分析结果进行展示，然而随着数据库以及待分析数据的数据量的增大，数据分析的过程又需要分析所有的数据内容，较大数据量的待分析数据需要分析人员具备相应的数据开发能力，并且在数据分析过程中会导致占用计算机设备较多的运行空间，导致设备出现发热、卡顿甚至死机等现象，进而导致分析时间较长、影响工作效率以及分析效率。


技术实现要素：

4.基于此，本发明的目的是提供一种数据分析方法、系统、可读存储介质及计算机设备，以至少解决上述技术中的不足。
5.本发明提出一种数据分析方法，包括：接收终端设备发送的待分析数据，基于所述待分析数据的数据类型确定对应的数据提取方式，并利用所述数据提取方式提取所述待分析数据中的每个区别数据和基础数据；将每个所述基础数据中基础指标相同的基础数据进行组合，以得到多个基础数据集；抓取各所述基础数据集所对应的数据领域区块，并提取各所述区别数据中的特征指标，利用哈希表算法计算出各所述特征指标在各所述数据领域区块中出现的频次；根据各所述特征指标在各所述数据领域区块中出现的频次将所述待分析数据拆分为多个待分析子数据；计算出各所述待分析子数据的优先级系数，并根据各所述待分析子数据的优先级系数依次对各所述待分析子数据进行数据分析。
6.进一步的，基于所述待分析数据的数据类型确定对应的数据提取方式的步骤之前，所述方法还包括：提取所述待分析数据中具有唯一标识的字符串序列；将所述字符串序列输入至预设的字符串序列表中进行数据对比，并根据数据对比结果确定所述待分析数据的数据类型。
7.进一步的，基于所述待分析数据的数据类型确定对应的数据提取方式，并利用所述数据提取方式提取所述待分析数据中的每个区别数据和基础数据的步骤包括：
当所述待分析数据的数据类型为文本数据时，对所述待分析数据进行预处理；利用词袋模型将预处理后的待分析数据表示为数值向量，以得到所述待分析数据的数值特征矩阵；根据所述数值特征矩阵得到所述待分析数据中的每个区别数据和基础数据。
8.进一步的，基于所述待分析数据的数据类型确定对应的数据提取方式，并利用所述数据提取方式提取所述待分析数据中的每个区别数据和基础数据的步骤包括：当所述待分析数据的数据类型为图像数据时，对所述待分析数据进行平滑处理，以得到第一处理数据；利用有限差分法计算出所述第一处理数据的梯度幅值和梯度方向，并对所述梯度幅值进行非极大值抑制处理，以得到第二处理数据；对所述第二处理数据进行像素点及边缘提取，以得到所述第二处理数据的每个区别数据和基础数据。
9.进一步的，将每个所述基础数据中基础指标相同的基础数据进行组合，以得到多个基础数据集的步骤包括：利用关键数据库对各所述基础数据进行关键数据提取，以得到各所述基础数据的关键数据；利用标准数据库对各所述基础数据的关键数据进行相似特征对比，以得到各所述基础数据的相似特征度量；根据各所述基础数据的相似特征度量对各所述基础数据进行聚类，以得到多个基础数据集。
10.进一步的，计算出各所述待分析子数据的优先级系数的步骤包括：获取处理器的运存空间，并基于所述处理器的运存空间计算出各所述待分析子数据所占用所述处理器的运存空间的数值；根据各所述待分析子数据所占用所述处理器的运存空间的数值计算出各所述待分析子数据的优先级系数。
11.本发明还提出一种数据分析系统，包括：数据提取模块，用于接收终端设备发送的待分析数据，基于所述待分析数据的数据类型确定对应的数据提取方式，并利用所述数据提取方式提取所述待分析数据中的每个区别数据和基础数据；数据组合模块，用于将每个所述基础数据中基础指标相同的基础数据进行组合，以得到多个基础数据集；数据计算模块，用于抓取各所述基础数据集所对应的数据领域区块，并提取各所述区别数据中的特征指标，利用哈希表算法计算出各所述特征指标在各所述数据领域区块中出现的频次；数据拆分模块，用于根据各所述特征指标在各所述数据领域区块中出现的频次将所述待分析数据拆分为多个待分析子数据；数据分析模块，用于计算出各所述待分析子数据的优先级系数，并根据各所述待分析子数据的优先级系数依次对各所述待分析子数据进行数据分析。
12.进一步的，所述系统还包括：
字符串提取模块，用于提取所述待分析数据中具有唯一标识的字符串序列；数据对比模块，用于将所述字符串序列输入至预设的字符串序列表中进行数据对比，并根据数据对比结果确定所述待分析数据的数据类型。
13.进一步的，所述数据提取模块包括：预处理单元，用于当所述待分析数据的数据类型为文本数据时，对所述待分析数据进行预处理；数据表示单元，用于利用词袋模型将预处理后的待分析数据表示为数值向量，以得到所述待分析数据的数值特征矩阵；数据提取单元，用于根据所述数值特征矩阵得到所述待分析数据中的每个区别数据和基础数据。
14.进一步的，所述数据提取模块包括：平滑处理单元，用于当所述待分析数据的数据类型为图像数据时，对所述待分析数据进行平滑处理，以得到第一处理数据；数据计算单元，用于利用有限差分法计算出所述第一处理数据的梯度幅值和梯度方向，并对所述梯度幅值进行非极大值抑制处理，以得到第二处理数据；数据处理单元，用于对所述第二处理数据进行像素点及边缘提取，以得到所述第二处理数据的每个区别数据和基础数据。
15.进一步的，所述数据组合模块包括：关键数据提取单元，用于利用关键数据库对各所述基础数据进行关键数据提取，以得到各所述基础数据的关键数据；相似特征对比单元，用于利用标准数据库对各所述基础数据的关键数据进行相似特征对比，以得到各所述基础数据的相似特征度量；数据聚类单元，用于根据各所述基础数据的相似特征度量对各所述基础数据进行聚类，以得到多个基础数据集。
16.进一步的，所述数据分析模块包括：运行空间获取单元，用于获取处理器的运存空间，并基于所述处理器的运存空间计算出各所述待分析子数据所占用所述处理器的运存空间的数值；优先级计算单元，用于根据各所述待分析子数据所占用所述处理器的运存空间的数值计算出各所述待分析子数据的优先级系数。
17.本发明还提出一种可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述的数据分析方法。
18.本发明还提出一种计算机设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述的数据分析方法。
19.本发明当中的数据分析方法、系统、可读存储介质及计算机设备，通过将待分析数据划分为多个区别数据和基础数据，将基础指标相同的基础数据进行组合，并利用区别数据的特征指标在基础数据集所对应的数据领域区块中计算频次，以使待分析数据拆分为多个子数据，以降低待分析数据的单次处理数据量，进而避免因数据量过大影响分析结果以及降低分析速率的问题，并且计算出各待分析子数据的优先级系数，使得针对各待分析子
数据的处理能够根据优先级系数来依次进行，进而避免同步执行任务影响分析速率以及增加分析时间的问题。
附图说明
20.图1为本发明第一实施例中的数据分析方法的流程图；图2为图1中步骤s101的详细流程图；图3为图1中步骤s101的另一实施例的详细流程图；图4为图1中步骤s102的详细流程图；图5为图1中步骤s105的详细流程图；图6为本发明另一实施例中的数据分析方法的流程图；图7为本发明第二实施例中的数据分析系统的结构框图；图8为本发明第三实施例中的计算机设备的结构框图。
21.主要元件符号说明：存储器10数据组合模块12处理器20数据计算模块13计算机程序30数据拆分模块14数据提取模块11数据分析模块15如下具体实施方式将结合上述附图进一步说明本发明。
具体实施方式
22.为了便于理解本发明，下面将参照相关附图对本发明进行更全面的描述。附图中给出了本发明的若干实施例。但是，本发明可以以许多不同的形式来实现，并不限于本文所描述的实施例。相反地，提供这些实施例的目的是使对本发明的公开内容更加透彻全面。
23.需要说明的是，当元件被称为“固设于”另一个元件，它可以直接在另一个元件上或者也可以存在居中的元件。当一个元件被认为是“连接”另一个元件，它可以是直接连接到另一个元件或者可能同时存在居中元件。本文所使用的术语“垂直的”、“水平的”、“左”、“右”以及类似的表述只是为了说明的目的。
24.除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。本文所使用的术语“及／或”包括一个或多个相关的所列项目的任意的和所有的组合。
25.实施例一请参阅图1，所示为本发明第一实施例中的数据分析方法，所述方法具体包括步骤s101至s105：s101，接收终端设备发送的待分析数据，基于所述待分析数据的数据类型确定对应的数据提取方式，并利用所述数据提取方式提取所述待分析数据中的每个区别数据和基础数据；具体的，请参阅图2，所述步骤s101具体包括步骤s1011~s1013：s1011，当所述待分析数据的数据类型为文本数据时，对所述待分析数据进行预处
理；s1012，利用词袋模型将预处理后的待分析数据表示为数值向量，以得到所述待分析数据的数值特征矩阵；s1013，根据所述数值特征矩阵得到所述待分析数据中的每个区别数据和基础数据。
26.需要说明的是，所述终端设备为手机、平板电脑、笔记本电脑以及计算机等具有通信功能的设备，用户与用户之间或用户与服务器之间均通过该终端设备进行交互，无论是用户与用户的交互还是用户与服务器的交互，均会发送待分析数据，并且该待分析数据会存在多个数据类型，通常包括文本类型和/或图像类型，在一些其他实施例中，该待分析数据的数据类型还可以为音频类型以及视频类型等，例如：当用户利用百度等检索网站分析某项数据时，会在对应的文本框中输入数据内容，该数据内容可能是文字、图片、音乐以及视频等，该数据内容上传至服务器时，会对应标记该数据内容为文本类型、图像类型、音频类型以及视频类型等。
27.在具体实施时，当接收到终端设备发送的待分析数据，需要先对该待分析数据的数据类型进行分析，在本实施例中，首先提取该待分析数据从终端设备发出时，由终端设备对其进行编辑所产生的带有数据标记的代码序列，根据代码库对该代码序列进行识别，判断出该待分析数据的数据类型属于文本类型或图像类型或文本及图像类型。
28.当该待分析数据的数据类型为文本数据时，意味着该待分析数据为纯文本信息，由于该纯文本信息经过终端设备进行编辑后，会存在较多不必要的内容，因此，需要先对该待分析数据进行预处理，在本实施例中，先识别出该待分析数据中的不必要的数据标签，例如：html标签、终端标识标签、时间标签等，上述的数据标签并不会对数据分析产生价值，因此，将上述的数据标签删除，以减少数据分析时对上述的数据标签造成的分析动作。
29.需要说明的是，在任何文本信息中，通常会存在重音字符/字母，在本实施例中，需要将上述的待分析数据中重音字符/字母转换并标准化为ascii字符。例如：当待分析数据为“天气”，在其语义描述中存在
“ì”
的重音字符/字母，因此，为了服务器能够更加精准的识别，会将
“ì”
转换成成“i”。
30.其次，文本信息中会存在缩略词，例如：在英文文本中，该缩略词通常由单词或音节的缩写形式。这些现有单词或短语的缩略形式是需要对特定的字母和声音进行删除，进而来达成对应的缩略词，在本实施例中，会识别出该待分析数据中的所有词汇中是否存在缩略词，并利用预存的缩略词库将对应的缩略词转换为其拓展的原始形式，以便于文本的标准化和识别的精准度。
31.在本实施例中，为了避免特殊字符对文本识别的影响，在本实施例中，会利用特殊字符库对待分析数据中的词汇进行特殊字符删除，利用高级正则表达式(regexes)来实现。
32.在一些可选实施例中，还能够采用拼写纠正、语法错误纠正等方式对上述的待分析数据进行预处理，以提升文本信息的识别精准度和数据的一致性。
33.进一步的，在本实施例中，利用大数据的各词汇进行组合，并构建出大数据词袋模型，并利用该词袋模型将上述处理后的待分析数据进行向量表征，进而将每一个待分析数据表示为一个数值向量，其中每个数值向量的维度均来自该词袋模型中的特定词汇，其值为其在该待分析数据中的权重值或频率值（用1或0表示），进而根据权重值或频率值转换成
数值特征矩阵，可以理解的，词袋模型是向量空间模型，该向量空间模型将该待分析数据表示为数值向量，该数值向量的每个维度都是一个特定的特性/属性。
34.在上述的数值特征矩阵中，当某一词汇的权重值或频率值在该待分析数据中出现的词频越大，结合文本数据库对该待分析数据的文字识别，判断出该词汇为区别数据或基础数据，在本实施例中，当某一词汇的权重值或频率值在该待分析数据中出现的词频大于基础数据阈值（在本实施例中为50%），则意味着该词汇为基础数据，当某一词汇的权重值或频率值在该待分析数据中出现的词频小于区别数据阈值（在本实施例中为10%），则意味着该词汇为区别数据。
35.进一步的，请参阅图3，在其他可选实施例中，所述步骤s101:具体包括步骤s1111~s1113：s1111，当所述待分析数据的数据类型为图像数据时，对所述待分析数据进行平滑处理，以得到第一处理数据；s1112，利用有限差分法计算出所述第一处理数据的梯度幅值和梯度方向，并对所述梯度幅值进行非极大值抑制处理，以得到第二处理数据；s1113，对所述第二处理数据进行像素点及边缘提取，以得到所述第二处理数据的每个区别数据和基础数据。
36.在具体实施时，当待分析数据为图像数据时，意味着该待分析数据为图片信息，图片信息中包括图片的颜色特征以及纹理特征，在本实施例中，将图片进行灰度处理，进而利用高斯滤波算法对灰度处理后的片进行平滑处理，对灰度处理后的图像进行加权平均，每一个像素点的值均由其本身和领域内的其他像素值经过加权平均后得到，以消除图像中的高斯噪声，具体实施时，利用已完成训练的卷积神经网络模型扫描灰度图像的每一个像素，利用灰度图像的掩膜信息确定的邻域内像素的加权平均灰度值替换该掩膜信息中心像素点的值，以得到第一处理数据（即经平滑处理后的图片）。
37.进一步的，通过有限差分法对上述第一处理数据的梯度幅值和梯度方向，其中梯度是有限差分法的二维等效式，定义为矢量；通过非极大值抑制算法对梯度幅值进行处理，以得到第二处理数据（即经过非极大值抑制算法处理后的图片）；利用双阀值算法检测和连接第二处理数据的边缘，并对第二处理数据进行边缘提取以及像素点提取，将第二处理数据中拟合成完整数据的像素点集作为区别数据，以边缘数据作为基础数据。例如：当对某个包含有动物轮廓以及建筑物的图片进行分析时，将图片经过上述处理后，其中图像中会出现动物轮廓、建筑物轮廓以及非动物轮廓和建筑物轮廓区域，利用边缘检测获取该动物轮廓以及建筑物轮廓的纹理信息，该纹理信息即区别数据，其余区域的信息为基础数据。
38.s102，将每个所述基础数据中基础指标相同的基础数据进行组合，以得到多个基础数据集；进一步的，请参阅图4，所述步骤s102具体包括步骤s1021~s1023：s1021，利用关键数据库对各所述基础数据进行关键数据提取，以得到各所述基础数据的关键数据；s1022，利用标准数据库对各所述基础数据的关键数据进行相似特征对比，以得到各所述基础数据的相似特征度量；
s1023，根据各所述基础数据的相似特征度量对各所述基础数据进行聚类，以得到多个基础数据集。
39.需要说明的是，在本实施例中，通过数据树抓取规则抓取各基础数据的数据树，该数据树为其对应的基础数据的所有组成部分，包括数据分类头以及数据躯干，利用关键数据库的关键数据提取规则对各基础数据的数据分类头进行提取，并将提取到的结果在标准数据库中查找相似数据分类头，进而计算出各基础数据的相似度特征度量。
40.可以理解的，该标准数据库中包含有所有数据的数据分类头，根据上述得到的各基础数据的数据分类头与该标准数据库中的所有的数据分类头进行相似度对比，计算出各基础数据的数据分类头的相似度特征度量，将各基础数据的数据分类头的相似度特征度量相同的基础数据作为相同或相似数据进行聚类，以得到多个基础数据集合。
41.应当理解的，在其他可选实施例中，还能够通过预先将关键数据存储于关键数据库中，当获取到基础数据时，直接在关键数据库中提取该基础数据所对应的关键数据即可。
42.s103，抓取各所述基础数据集所对应的数据领域区块，并提取各所述区别数据中的特征指标，利用哈希表算法计算出各所述特征指标在各所述数据领域区块中出现的频次；需要说明的是，在该基础数据集中包含有相似度特征度量相同的基础数据的数据树，在该数据树中的数据驱干中存在该基础数据的数据领域区块，当获取到基础数据集时，将基础数据集中所有的基础数据的数据驱干解析成多个数据字符x1、x2、x3，并在包含有各设备终端的数据信息的数据库yn中对上述的数据字符x1、x2、x3进行抓取，以得到含有上述的数据字符x1、x2、x3的所有的数据领域区块，并根据包含上述的数据字符x1、x2、x3的数量多少，由少至多对所有的数据领域区块进行排序，得到排序后的数据领域区块y1、y2、y3、
…yn
。
43.进一步的，提取上述得到的区别数据中具有分析意义的特征指标，当待分析数据为文本数据时，将得到的区别数据中多个具有分析意义的特定词汇作为特征指标；当待分析数据为图像数据时，将得到的区别数据中具有分析意义的纹理信息作为特征指标；其中，该具有分析意义的含义为：当区别数据中某个词汇能够表示该区别数据中其他的词汇时，将被表示的词汇剔除，其余的词汇作为特征指标；当区别数据中某个纹理信息所表示的含义为各类图像数据中常见纹理信息时，将该纹理信息剔除，其余的纹理信息作为特征指标。
44.示例而非限定，例如：当待分析数据为“某品牌车的各车型的年度销量以及对应的上险率”，在对上述待分析数据进行处理时，所得到的区别数据分别为“某品牌”、“各车型”、“年度销量”、“上险率”，然而“各车型”已经能够表示其对应的“某品牌”的品牌名称，因此，会将上述的“某品牌”剔除，将“各车型”、“年度销量”、“上险率”作为特征指标；当待分析数据为一张图片，在对该图片进行处理时，所得到的纹理信息包括“风车”、“草地”以及“云朵”等，然而在图片数据中，“草地”以及“云朵”的纹理信息属于常见的纹理信息，则将“草地”以及“云朵”的纹理信息剔除，将“风车”纹理信息作为特征指标。
45.具体的，利用hashmap算法计算出上述得到的各特征指标在上述的数据领域区块y1、y2、y3、
…yn
中出现的频次v
（i）
：v
a1
、v
a2 、v
a3
…van
；v
b1
、v
b2 、v
b3
…vbn
；
…vz1
、v
z2 、v
z3
…vzn
；式中，i表示各特征指标，i=a、b、c
…
z。
46.s104，根据各所述特征指标在各所述数据领域区块中出现的频次将所述待分析数据拆分为多个待分析子数据；在具体实施时，将上述得到的频次v
（i）
中大于频次阈值（在本实施例中，该频次阈值为70，可以由用户自行设定，也可以由预设值）的数据进行排序，并根据排序结果将所述待分析数据拆分为多个待分析子数据。
47.s105，计算出各所述待分析子数据的优先级系数，并根据各所述待分析子数据的优先级系数依次对各所述待分析子数据进行数据分析。
48.进一步的，请参阅图5，所述步骤s105具体包括步骤s1051~s1052：s1051，获取处理器的运存空间，并基于所述处理器的运存空间计算出各所述待分析子数据所占用所述处理器的运存空间的数值；s1052，根据各所述待分析子数据所占用所述处理器的运存空间的数值计算出各所述待分析子数据的优先级系数。
49.在具体实施时，获取对应的处理器（在本实施例中，该处理器为云服务器，在其他实施例中，该处理器可以为具有数据处理功能的终端设备）的运存空间，并基于该运存空间计算出各待分析子数据所占用的运存空间大小，并利用各待分析子数据所占用的运存空间大小计算出各待分析子数据的优先级系数，在本实施例中，通过预先构建各待分析子数据所占用的运存空间大小与优先级系数映射表，当计算出各待分析子数据所占用的运存空间大小时，通过该映射表即可得到各待分析子数据所对应的优先级系数，以下为各待分析子数据所占用的运存空间大小与优先级系数映射表的示例（以运存空间100mb为例）：示例而非限定，假设当处理器的运存空间为100mb，各待分析子数据（a、b、c、d、）所需要使用的运存空间的数值分别为20 mb、50mb、80mb、100mb，将上述的各数值与上述的运存空间进行对比计算，进而得到各待分析子数据（a、b、c、d、）的占比数据分别对应为20%、50%、80%、100%，对应的各待分析子数据（a、b、c、d、）的优先级系数对应为1.5、1、0.8、0.5。因此，当待分析子数据所占用的运存空间越大，其对应的优先级系数越小。
50.将上述各待分析子数据的优先级系数由大之小进行排序，并按照排序顺序依次对各待分析子数据进行数据分析。
51.可以理解的，通过优先级系数的方式对各数据进行逐一分析，避免因此数据过大造成处理器发热、卡顿甚至死机等现象，进而导致分析时间较长、影响工作效率以及分析效
率。
52.作为本发明另一实施例，请参阅图6，在步骤s101之前，所述方法还包括步骤s201~s202：s201，提取所述待分析数据中具有唯一标识的字符串序列；s202，将所述字符串序列输入至预设的字符串序列表中进行数据对比，并根据数据对比结果确定所述待分析数据的数据类型。
53.需要说明的是，在本实施例中，每个待分析数据从终端设备发出时，均会将该待分析数据利用特定的预处理方式转换成对应的编码数据，在该编码数据中会存在具有该待分析数据的唯一标识的字符串序列，通过提取上述具有唯一标识的字符串序列，并将其与预设的字符串序列表进行数据对比，可以理解的，该字符串序列表为各类数据类型的字符串序列表，其中包括文本类型、图像类型、音频类型以及视频类型等；当上述的唯一标识的字符串序列与预设的字符串序列表中的序列能够对应，即能够确认该待分析数据的数据类型。
54.综上，本发明上述实施例当中的数据分析方法，通过将待分析数据划分为多个区别数据和基础数据，将基础指标相同的基础数据进行组合，并利用区别数据的特征指标在基础数据集所对应的数据领域区块中计算频次，以使待分析数据拆分为多个子数据，以降低待分析数据的单次处理数据量，进而避免因数据量过大影响分析结果以及降低分析速率的问题，并且计算出各待分析子数据的优先级系数，使得针对各待分析子数据的处理能够根据优先级系数来依次进行，进而避免同步执行任务影响分析速率以及增加分析时间的问题。
55.实施例二本发明另一方面还提出一种数据分析系统，请查阅图7，所示为本发明第二实施例中的数据分析系统，所述系统包括：数据提取模块11，用于接收终端设备发送的待分析数据，基于所述待分析数据的数据类型确定对应的数据提取方式，并利用所述数据提取方式提取所述待分析数据中的每个区别数据和基础数据；进一步的，所述数据提取模块11包括：预处理单元，用于当所述待分析数据的数据类型为文本数据时，对所述待分析数据进行预处理；数据表示单元，用于利用词袋模型将预处理后的待分析数据表示为数值向量，以得到所述待分析数据的数值特征矩阵；数据提取单元，用于根据所述数值特征矩阵得到所述待分析数据中的每个区别数据和基础数据。
56.在其他实施例中，所述数据提取模块11包括：平滑处理单元，用于当所述待分析数据的数据类型为图像数据时，对所述待分析数据进行平滑处理，以得到第一处理数据；数据计算单元，用于利用有限差分法计算出所述第一处理数据的梯度幅值和梯度方向，并对所述梯度幅值进行非极大值抑制处理，以得到第二处理数据；数据处理单元，用于对所述第二处理数据进行像素点及边缘提取，以得到所述第
card, smc），安全数字（secure digital, sd）卡，闪存卡（flash card）等。进一步地，存储器10还可以既包括计算机设备的内部存储单元也包括外部存储装置。存储器10不仅可以用于存储安装于计算机设备的应用软件及各类数据，还可以用于暂时地存储已经输出或者将要输出的数据。
65.其中，处理器20在一些实施例中可以是电子控制单元 (electronic control unit，简称ecu，又称行车电脑)、中央处理器（central processing unit, cpu）、控制器、微控制器、微处理器或其他数据处理芯片，用于运行存储器10中存储的程序代码或处理数据，例如执行访问限制程序等。
66.需要指出的是，图8示出的结构并不构成对计算机设备的限定，在其它实施例当中，该计算机设备可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
67.本发明实施例还提出一种可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述的数据分析方法。
68.本领域技术人员可以理解，在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备（如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统）使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。
69.计算机可读介质的更具体的示例（非穷尽性列表）包括以下：具有一个或多个布线的电连接部（电子装置），便携式计算机盘盒（磁装置），随机存取存储器（ram），只读存储器（rom），可擦除可编辑只读存储器（eprom或闪速存储器），光纤装置，以及便携式光盘只读存储器（cdrom）。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
70.应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或它们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列（pga），现场可编程门阵列（fpga）等。
71.以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
72.以上所述实施例仅表达了本技术的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本技术构思的前提下，还可以做出若干变形和改进，这些都属于本技术的保护范围。因此，本技术专利的保护范围应以所附权利要求为准。