一种数据业务的预估方法及装置与流程

本发明涉及数据业务处理
技术领域：
，特别是涉及一种数据业务的预估方法及装置。
背景技术：
：目前，互联网已经成为人们获取信息的重要途径，随着网络数据量的不断增加，数据挖掘和分析日趋得到关注。其中，数据分析是一种商业信息处理技术，在银行、电信、保险、交通和零售等领域得到了广泛的应用。通过对大量数据进行抽取、转换、分析和模型化处理，可以预估未来一段时间内某个业务产生数据的趋势。在现有的数据业务的预估方法中，通常采用时间序列分析(TimeSeriesAnalysis)技术实现对数据业务的预估。时间序列分析是一种动态数据处理的统计方法。该方法基于随机过程理论和数理统计学方法，研究随机数据序列所遵从的统计规律。此外，该技术还可以被应用在其他预估领域，例如：入侵检测和库存预估等。具体地，现有的数据业务的预估方法主要包括以下两种：第一、通过使用公共的分析算法库实现对数据业务的预估。图1为现有数据业务的第一预估方法的实现流程示意图。如图1所示，现有数据业务的第一预估方法包括以下步骤：步骤101、主进程采集预先确定的数据业务在预设时间段内的历史数据；步骤102、主进程根据所述历史数据获取所述数据业务对应的时间序列；步骤103、主进程在公共的算法库中选择所述数据业务对应的分析算法，并根据所述分析算法对所述时间序列进行分析；步骤104、主进程获取所述数据业务的预估结果。第二、通过使用预先确定的分析算法实现对数据业务的预估。图2为现有数据业务的第二预估方法的实现流程示意图。如图2所示，现有数据业务的第二预估方法包括以下步骤：步骤201、主进程采集预先确定的数据业务在预设时间段内的历史数据；步骤202、主进程根据所述历史数据获取所述数据业务对应的时间序列；步骤203、主进程根据预先确定的所述时间序列对应的分析算法对所述时间序列进行分析；步骤204、主进程获取所述数据业务的预估结果。在实现本发明的过程中，发明人发现现有技术中至少存在如下问题：在现有数据业务的第一预估方法中，公共的分析算法库通常应用于科学研究领域，因此该库中的分析算法难以与数据业务对应的时间序列进行匹配，这样就会影响数据业务预估结果的准确性；在现有数据业务的第二预估方法中，时间序列对应的分析算法是预先确定的，也就是说，数据业务与分析算法是紧耦合的，不能灵活的进行调整。技术实现要素：本发明实施例的目的在于提供一种数据业务的预估方法及装置，不仅具有一定的准确性，而且实现数据业务与分析算法解耦。具体技术方案如下：本发明实施例提供了一种数据业务的预估方法，所述方法包括：获得时间序列的过程和预估过程；所述获得时间序列的过程，包括：采集预先确定的多个数据业务在预设时间段内的历史数据；根据各个历史数据确定各个数据业务对应的各个时间序列；所述预估过程，包括：获得所述各个时间序列的排列规则；根据预先设置的排列规则与分析算法的对应关系，确定各个时间序列对应的目标分析算法；使用各个时间序列对应的分析算法对各个时间序列进行分析，获取各个数据业务的预估结果。在上述实施例中，在所述根据各个历史数据确定各个数据业务对应的时间序列之前，所述方法还包括：按照预先确定的过滤方法对全部历史数据进行过滤；所述根据各个历史数据确定各个数据业务对应的各个时间序列，包括：根据过滤后的历史数据确定各个数据业务对应的时间序列。在上述实施例中，所述预估过程中，在所述获得所述各个时间序列的排列规则的步骤之前，还包括：针对每个时间序列，将该时间序列与预先设置的时间序列与分析算法的对应关系中的时间序列进行匹配；将匹配上的时间序列对应的分析算法确定为该时间序列对应的目标分析算法；针对未匹配上的时间序列，执行所述预估过程中获得所述各个时间序列的排列规则的步骤。在上述实施例中，所述根据预先设置的排列规则与分析算法的对应关系，确定各个时间序列对应的目标分析算法的步骤，包括：针对每个未匹配上的时间序列，将该时间序列的排列规则与预先设置的排列规则与分析算法的对应关系中的排列规则进行匹配，将匹配上的排列规则对应的分析算法确定为该时间序列对应的目标分析算法。在上述实施例中，所述方法还包括：针对未匹配上排列规则的时间序列，将预设的默认分析算法确定为该时间序列对应的目标分析算法。在上述实施例中，所述获得时间序列的过程由主进程执行；所述方法还包括：主进程将全部时间序列分配给两个以上子进程；所述预估过程由各个子进程分别针对分配给自身的时间序列并行执行。在上述实施例中，在所述预估过程由各个子进程分别针对分配给自身的时间序列并行执行之后，所述方法还包括：各个子进程将获取到的数据业务的预估结果发送给所述主进程；所述主进程将接收到的全部预估结果存储到预先设置的数据库中。本发明实施例还提供了一种数据业务的预估装置，所述装置包括：时间序列确定单元和预估单元；所述时间序列确定单元，用于采集预先确定的多个数据业务在预设时间段内的历史数据；根据各个历史数据确定各个数据业务对应的各个时间序列；所述预估单元，用于获得所述各个时间序列的排列规则；根据预先设置的排列规则与分析算法的对应关系，确定各个时间序列对应的目标分析算法；使用各个时间序列对应的分析算法对各个时间序列进行分析，获取各个数据业务的预估结果。在上述实施例中，所述时间序列确定单元，包括：采集子单元和时间序列确定子单元；所述采集子单元，用于采集预先确定的多个数据业务在预设时间段内的历史数据；所述时间序列确定子单元，用于根据各个历史数据确定各个数据业务对应的各个时间序列；所述预估单元，包括：排列规则获得子单元、目标分析算法确定子单元和评估结果获得子单元；所述排列规则获得子单元，用于获得所述各个时间序列的排列规则；所述目标分析算法确定子单元，用于根据预先设置的排列规则与分析算法的对应关系，确定各个时间序列对应的目标分析算法；所述评估结果获得子单元，用于使用各个时间序列对应的分析算法对各个时间序列进行分析，获取各个数据业务的预估结果。在上述实施例中，所述时间序列确定单元还包括：过滤子单元；所述过滤子单元，用于在所述根据各个历史数据确定各个数据业务对应的时间序列之前，按照预先确定的过滤方法对全部历史数据进行过滤；所述时间序列确定子单元，用于根据过滤后的历史数据确定各个数据业务对应的时间序列。在上述实施例中，所述装置还包括：第一匹配单元和第一确定单元；所述第一匹配单元，用于在获得所述各个时间序列的排列规则之前，针对每个时间序列，将该时间序列与预先设置的时间序列与分析算法的对应关系中的时间序列进行匹配；所述第一确定单元，用于将匹配上的时间序列对应的分析算法确定为该时间序列对应的目标分析算法，触发所述评估结果获得子单元；并针对未匹配上的时间序列，触发所述预估单元。在上述实施例中，所述目标分析算法确定子单元，具体用于针对每个未匹配上的时间序列，将该时间序列的排列规则与预先设置的排列规则与分析算法的对应关系中的排列规则进行匹配，将匹配上的排列规则对应的分析算法确定为该时间序列对应的目标分析算法。在上述实施例中，所述目标分析算法确定子单元，还用于针对未匹配上排列规则的时间序列，将预设的默认分析算法确定为该时间序列对应的目标分析算法。在上述实施例中，所述装置还包括：时间序列分配单元；所述时间序列确定单元和所述时间序列分配单元由主进程实现；所述时间序列分配单元，用于将全部时间序列分配给两个以上子进程；所述预估单元，由各个子进程分别针对分配给自身的时间序列并行实现。在上述实施例中，所述装置还包括：发送单元和存储单元；所述发送单元由所述各个子进程实现，将获取到的数据业务的预估结果发送给所述主进程；所述存储单元由主进程实现，用于将接收到的全部预估结果存储到预先设置的数据库中。由此可见，本发明实施例提供的数据业务的预估方法及装置，可以先采集预先确定的多个数据业务在预设时间段内的历史数据；根据各个历史数据确定各个数据业务对应的各个时间序列；然后获得各个时间序列的排列规则；根据预先设置的排列规则与分析算法的对应关系，确定各个时间序列对应的目标分析算法；最后使用各个时间序列对应的分析算法对各个时间序列进行分析，获取各个数据业务的预估结果。也就是说，在本发明实施例提出的技术方案中，可以根据预先设置的排列规则与分析算法的对应关系，确定各个时间序列对应的目标分析算法，然后使用各个时间序列对应的分析算法对各个时间序列进行分析。而不像现有技术中，时间序列对应的分析算法是预先确定的，不能灵活的进行调整。由此可见，和现有技术相比，本发明实施例提供的数据业务的预估方法及装置，不仅具有一定的准确性，而且实现数据业务与分析算法解耦；并且，实现起来简单方便，便于普及，适用范围更广。附图说明为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为现有数据业务的第一预估方法的实现流程示意图；图2为现有数据业务的第二预估方法的实现流程示意图；图3为本发明实施例中数据业务的预估方法的第一实现流程示意图；图4为本发明实施例中历史数据的结构示意图；图5为本发明实施例中数据业务的预估方法的第二实现流程示意图；图6为本发明实施例中数据业务的预估方法的并行执行示意图；图7为本发明实施例中数据业务的预估方法的第三实现流程示意图；图8为本发明实施例中数据业务的预估装置的第一组成结构示意图；图9为本发明实施例中数据业务的预估装置的第二组成结构示意图；图10为本发明实施例中数据业务的预估装置的第三组成结构示意图。具体实施方式下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。在本发明的各种实施例中，参见图3，图3为本发明实施例中数据业务的预估方法的第一实现流程示意图，该流程包括：获得时间序列的过程和预估过程，其中，获得时间序列的过程，包括以下步骤：步骤301、采集预先确定的多个数据业务在预设时间段内的历史数据；步骤302、根据各个历史数据确定各个数据业务对应的各个时间序列；在本发明的具体实施例中，可以先采集预先确定的多个数据业务在预设时间段内的历史数据；然后再根据各个历史数据确定各个数据业务对应的各个时间序列。具体地，可以先采集M个数据业务在预设时间段内的历史数据；然后再根据各个历史数据确定M个数据业务对应的M个时间序列；其中，M为大于或等于1的自然数。图4为本发明实施例中历史数据的结构示意图。如图4所示，假设所述预设时间段为：[T1，Tn]；在T1时刻采集到的历史数据为K1；在T2时刻采集到的历史数据为K2；…；在Tn时刻采集到的历史数据为Kn。在采集到全部历史数据之后，可以根据各个历史数据确定数据业务对应的时间序列为：{K1，K2，…，Kn}；其中，n为大于或等于预设阈值的自然数。在本发明的具体实施例中，所述数据业务可以为股票业务、点播业务、游戏业务或者是其他预先确定的数据业务。预估过程，包括以下步骤：步骤303、获得各个时间序列的排列规则；步骤304、根据预先设置的排列规则与分析算法的对应关系，确定各个时间序列对应的目标分析算法；步骤305、使用各个时间序列对应的分析算法对各个时间序列进行分析，获取各个数据业务的预估结果。在本发明的具体实施例中，在确定各个数据业务对应的各个时间序列之后，可以先获得各个时间序列的排列规则；然后根据预先设置的排列规则与分析算法的对应关系，确定各个时间序列对应的目标分析算法；最后使用各个时间序列对应的分析算法对各个时间序列进行分析，获取各个数据业务的预估结果。在本发明的具体实施例中，可以根据不同数据业务的历史数据的特点预先设置N个排列规则，包括：排列规则1、排列规则2、…、排列规则N；其中，N为大于或等于1的自然数。例如，可以预先设置排列规则1为升序排列；排列规则2为降序排列；排列规则3为先升序再降序排列；排列规则4为先降序再升序排列；排序规则5为先升序再降序再升序排列；…。假设预先设置4个排列规则，包括：排列规则1、排列规则2、排列规则3和排列规则4。其中，排列规则1为升序排列；排列规则2为降序排列；排列规则3为先升序再降序排列；排列规则4为先降序再升序排列。此外，在本发明的具体实施例中，还可以优先设置排列规则与分析算法的对应关系。具体地，预先确定的排列规则与分析算法的对应关系，可以如下述表1所示：表1排列规则分析算法排列规则1分析算法1排列规则2分析算法2……排列规则N分析算法N其中，表1中的排列规则1对应分析算法1；排列规则2对应分析算法2；…；排列规则M对应分析算法N。具体地，在本发明的具体实施例中，假设获得时间序列的排列规则为排列规则1，在获得时间序列的排列规则之后，可以根据上述表1所示的排列规则与分析算法的对应关系，确定该时间序列对应的目标分析算法为分析算法1；然后可以使用分析算法1对该时间序列进行分析，获取数据业务的预估结果。例如，如图4所示，在确定数据业务对应的时间序列之后，可以获得该时间序列的排列规则为升序排列；然后根据预先设置的排列规则与分析算法的对应关系，确定升序排列对应的分析算法为该时间序列对应的目标分析算法；使用该目标分析算法对该时间序列进行分析，获取该数据业务的预估结果。较佳地，在本发明的具体实施例中，在采集预先确定的多个数据业务在预设时间段内的历史数据之后，还可以按照预先确定的过滤方法对全部历史数据进行过滤；然后根据过滤后的历史数据确定各个数据业务对应的时间序列。具体地，在本发明的具体实施例中，在采集预先确定的多个数据业务在预设时间段内的历史数据之后，可以针对每个数据业务过滤出不满足预设条件的历史数据；然后根据过滤后的历史数据确定各个数据业务对应的时间序列。例如，可以针对每个数据业务，过滤出大于预设最大值或者小于预设最小值的历史数据，然后根据过滤后的历史数据确定各个数据业务对应的时间序列。在本发明的各种实施例中，参见图5，图5为本发明实施例中数据业务的预估方法的第二实现流程示意图，该流程在图3的基础上，还包括：步骤306、在获得各个时间序列的排列规则的步骤之前，针对每个时间序列，将该时间序列与预先设置的时间序列与分析算法的对应关系中的时间序列进行匹配；步骤307、将匹配上的时间序列对应的分析算法确定为该时间序列对应的目标分析算法；针对未匹配上的时间序列，执行预估过程中获得各个时间序列的排列规则的步骤。具体地，在本发明的具体实施例中，还可以预先设置时间序列与分析算法的对应关系，如下述表2所示：表2时间序列分析算法时间序列1分析算法1时间序列2分析算法2……时间序列K分析算法K其中，表2中的时间序列1对应分析算法1；时间序列2对应分析算法2；…；时间序列K对应分析算法K。例如，可以预先设置四个时间序列，分别为：时间序列1、时间序列2、时间序列3和时间序列4。其中，时间序列1为股票业务对应的时间序列；时间序列2为点播业务对应的时间序列；时间序列3为游戏业务对应的时间序列；时间序列4为购物业务对应的时间序列。具体地，在本发明的具体实施例中，针对每个时间序列，可以先将该时间序列与预先设置的时间序列与分析算法的对应关系中的时间序列进行匹配。例如，当该时间序列为股票业务对应的时间序列时，可以将该时间序列与时间序列1匹配上；当该时间序列为点播业务对应的时间序列时，可以将该时间序列与时间序列2匹配上；当该时间序列为游戏业务对应的时间序列时，可以将该时间序列与时间序列3匹配上；当该时间序列为购物业务对应的时间序列时，可以将该时间序列与时间序列4匹配上。然后，在本发明的具体实施例中，将匹配上的时间序列对应的分析算法确定为该时间序列对应的目标分析算法。具体地，当时间序列与时间序列1匹配上时，确定时间序列1对应的分析算法1为该时间序列对应的目标分析算法；当时间序列与时间序列2匹配上时，确定时间序列2对应的分析算法2为该时间序列对应的目标分析算法；…；当时间序列与时间序列K匹配上时，确定时间序列K对应的分析算法K为该时间序列对应的目标分析算法。较佳地，在本发明的具体实施例中，针对未匹配上的时间序列，执行预估过程中获得所述各个时间序列的排列规则的步骤。具体地，针对每个未匹配上的时间序列，将该时间序列的排列规则与预先设置的排列规则与分析算法的对应关系中的排列规则进行匹配，将匹配上的排列规则对应的分析算法确定为该时间序列对应的目标分析算法。针对未匹配上排列规则的时间序列，将预设的默认分析算法确定为该时间序列对应的目标分析算法。例如，假设充值业务对应的时间序列为时间序列5，可以先将时间序列5与预先设置的时间序列与分析算法的对应关系中的时间序列进行匹配；由于时间序列5未匹配上任何时间序列，执行预估过程中获得所述各个时间序列的排列规则的步骤。具体地，将时间序列5的排列规则与预先设置的排列规则与分析算法的对应关系中的排列规则进行匹配，当时间序列5的排列规则与预先设置的排列规则与分析算法的对应关系中的任何一个排列规则匹配上时，将匹配上的排列规则对应的分析算法确定为时间序列5对应的目标分析算法；当时间序列5的排列规则与预先设置的排列规则与分析算法的对应关系中的全部排列规则均未匹配上时，将预设的默认分析算法确定为时间序列5对应的目标分析算法。较佳地，在本发明的具体实施例中，所述获得时间序列的过程由主进程执行；主进程将全部时间序列分配给两个以上子进程；所述预估过程由各个子进程分别针对分配给自身的时间序列并行执行。图6为本发明实施例中数据业务的预估方法的并行执行示意图。如图6所示，主进程采集预先确定的多个数据业务在预设时间段内的历史数据；根据各个历史数据确定各个数据业务对应的各个时间序列；然后主进程将全部时间序列分配给两个以上子进程；各个子进程获得针对分配给自身的时间序列的排列规则；根据预先设置的排列规则与分析算法的对应关系，确定各个时间序列对应的目标分析算法；使用各个时间序列对应的分析算法对各个时间序列进行分析，获取各个数据业务的预估结果。在本发明的各种实施例中，参见图7，图7为本发明实施例中数据业务的预估方法的第三实现流程示意图，该流程在图6的基础上，还包括：步骤308、在预估过程由各个子进程分别针对分配给自身的时间序列并行执行之后，各个子进程可以将获取到的数据业务的预估结果发送给主进程；步骤309、主进程将接收到的全部预估结果存储到预先设置的数据库中。本发明实施例提供的数据业务的预估方法，可以先采集预先确定的多个数据业务在预设时间段内的历史数据；根据各个历史数据确定各个数据业务对应的各个时间序列；然后获得各个时间序列的排列规则；根据预先设置的排列规则与分析算法的对应关系，确定各个时间序列对应的目标分析算法；最后使用各个时间序列对应的分析算法对各个时间序列进行分析，获取各个数据业务的预估结果。也就是说，在本发明实施例提出的技术方案中，可以根据预先设置的排列规则与分析算法的对应关系，确定各个时间序列对应的目标分析算法，然后使用各个时间序列对应的分析算法对各个时间序列进行分析。而不像现有技术中，时间序列对应的分析算法是预先确定的，不能灵活的进行调整。由此可见，和现有技术相比，本发明实施例提供的数据业务的预估方法，不仅具有一定的准确性，而且实现数据业务与分析算法解耦；并且，实现起来简单方便，便于普及，适用范围更广。参见图8，图8为本发明实施例中数据业务的预估装置的第一组成结构示意图。如图8所示，数据业务的预估装置可以包括：时间序列确定单元801和预估单元802；所述时间序列确定单元801，用于采集预先确定的多个数据业务在预设时间段内的历史数据；根据各个历史数据确定各个数据业务对应的各个时间序列；所述预估单元802，用于获得所述各个时间序列的排列规则；根据预先设置的排列规则与分析算法的对应关系，确定各个时间序列对应的目标分析算法；使用各个时间序列对应的分析算法对各个时间序列进行分析，获取各个数据业务的预估结果。进一步的，所述时间序列确定单元801，包括：采集子单元8011和时间序列确定子单元8012；所述采集子单元8011，用于采集预先确定的多个数据业务在预设时间段内的历史数据；所述时间序列确定子单元8012，用于根据各个历史数据确定各个数据业务对应的各个时间序列；所述预估单元802，包括：排列规则获得子单元8021、目标分析算法确定子单元8022和评估结果获得子单元8023；所述排列规则获得子单元8021，用于获得所述各个时间序列的排列规则；所述目标分析算法确定子单元8022，用于根据预先设置的排列规则与分析算法的对应关系，确定各个时间序列对应的目标分析算法；所述评估结果获得子单元8023，用于使用各个时间序列对应的分析算法对各个时间序列进行分析，获取各个数据业务的预估结果。进一步的，所述时间序列确定单元801还可以包括：过滤子单元(图8中未示出)；所述过滤子单元，用于在所述根据各个历史数据确定各个数据业务对应的时间序列之前，按照预先确定的过滤方法对全部历史数据进行过滤；在有过滤子单元的情况下，所述时间序列确定子单元8012，具体用于当所述过滤子单元在对全部历史数据进行过滤之后，根据过滤后的历史数据确定各个数据业务对应的时间序列。参见图9，图9为本发明实施例中数据业务的预估装置的第二组成结构示意图。如图9所示，所述装置还包括：第一匹配单元803和第一确定单元804；所述第一匹配单元803，用于在所述排列规则获得子单元8021获得所述各个时间序列的排列规则之前，针对每个时间序列，将该时间序列与预先设置的时间序列与分析算法的对应关系中的时间序列进行匹配；所述第一确定单元804，用于将匹配上的时间序列对应的分析算法确定为该时间序列对应的目标分析算法，触发所述评估结果获得子单元8023；并针对未匹配上的时间序列，触发所述预估单元802。进一步的，所述目标分析算法确定子单元8022，具体用于针对每个未匹配上的时间序列，将该时间序列的排列规则与预先设置的排列规则与分析算法的对应关系中的排列规则进行匹配，将匹配上的排列规则对应的分析算法确定为该时间序列对应的目标分析算法。进一步的，所述目标分析算法确定子单元8022，还用于针对未匹配上排列规则的时间序列，将预设的默认分析算法确定为该时间序列对应的目标分析算法。参见图10，图10为本发明实施例中数据业务的预估装置的第三组成结构示意图。如图10所示，所述装置还包括：时间序列分配单元805；所述时间序列确定单元801和所述时间序列分配单元805由主进程实现；所述时间序列分配单元805，用于将全部时间序列分配给两个以上子进程；所述预估单元802，由各个子进程分别针对分配给自身的时间序列并行实现。进一步的，所述装置还包括：发送单元806和存储单元807；所述发送单元806由所述各个子进程实现，将获取到的数据业务的预估结果发送给所述主进程；所述存储单元807由主进程实现，用于将接收到的全部预估结果存储到预先设置的数据库中。本发明实施例提供的数据业务的预估装置，可以先采集预先确定的多个数据业务在预设时间段内的历史数据；根据各个历史数据确定各个数据业务对应的各个时间序列；然后获得各个时间序列的排列规则；根据预先设置的排列规则与分析算法的对应关系，确定各个时间序列对应的目标分析算法；最后使用各个时间序列对应的分析算法对各个时间序列进行分析，获取各个数据业务的预估结果。也就是说，在本发明实施例提出的技术方案中，可以根据预先设置的排列规则与分析算法的对应关系，确定各个时间序列对应的目标分析算法，然后使用各个时间序列对应的分析算法对各个时间序列进行分析。而不像现有技术中，时间序列对应的分析算法是预先确定的，不能灵活的进行调整。由此可见，和现有技术相比，本发明实施例提供的数据业务的预估装置，不仅具有一定的准确性，而且实现数据业务与分析算法解耦；并且，实现起来简单方便，便于普及，适用范围更广。需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。当前第1页1 2 3