一种数据推荐系统和方法与流程

1.本发明涉及人工智能技术领域，特别涉及一种数据推荐系统和方法。


背景技术：

2.随着互联网的快速发展，网络音频数据的数量也在飞速增加，对于喜欢通过音频数据进行放松的人来说，这是一个好消息，同时也是一个坏消息，好消息是人们可以拥有越来越多的选择来挑选适合自己的音频数据，坏消息是不知道如何从这些海量的音频数据中挑选出适合自己的音频数据。于是基于个性化的智能音频数据推荐系统应运而生。
3.在现有技术中，在进行数据推荐时，例如专利号为201710379428.5的专利中，通过实时采集用户的脑电信号进行处理，得到用户当前的大脑放松程度，然后根据用户对音乐的历史评价数据，得到“用户-音乐”评价矩阵，其次对得到的用户当前的大脑放松程度以及该用户当前的“用户-音乐”评价矩阵进行加权融合，得到用户当前的音乐偏好预测分数，最后根据用户当前的音乐偏好预测分数，利用预设的智能音乐推荐算法向用户推荐。由于现有技术中是根据脑电信号推导计算出音乐偏好预测分数进行推荐，在不升级设备的情况下只能根据设定的公式计算，由于公式中会涉及存在可变因素的多个变量，从而降低了推荐速度和推荐准确度。


技术实现要素：

4.本发明实施例提供了一种数据推荐系统和方法。为了对披露的实施例的一些方面有一个基本的理解，下面给出了简单的概括。该概括部分不是泛泛评述，也不是要确定关键/重要组成元素或描绘这些实施例的保护范围。其唯一目的是用简单的形式呈现一些概念，以此作为后面的详细说明的序言。
5.第一方面，本发明实施例提供了一种数据推荐系统，系统包括：
6.无线可穿戴脑电设备、移动终端、云端数据处理中心以及智能推荐服务端；
7.其中，无线可穿戴脑电设备、移动终端、云端数据处理中心以及智能推荐服务端通信连接；
8.无线可穿戴脑电设备，用于检测并预处理脑电信号，生成脑电数据，并发送至移动终端；
9.移动终端，用于确定用户操作数据，并将接收的脑电数据、用户操作数据发送至云端数据处理中心；
10.云端数据处理中心，用于根据接收的用户操作数据检索历史用户数据，并将所述待处理用户数据发送至所述智能推荐服务端；
11.智能推荐服务端，用于根据接收的历史用户数据以及脑电数据进行聚类和协同过滤，生成过滤数据，并基于过滤数据进行取交集操作，生成多个推荐工作参数，并发送至云端数据处理中心。
12.可选的，云端数据处理中心，还用于根据接收的推荐工作参数构建多个推荐结果，
并发送至移动终端；
13.移动终端，还用于展示接收的多个推荐结果，并在接收到针对多个推荐结果的选择指令时，在多个推荐结果中确定出目标推荐结果，并发送至无线可穿戴脑电设备；
14.无线可穿戴脑电设备，还用于根据接收的目标推荐结果播放音频。
15.可选的，无线可穿戴脑电设备包括感知组件和反馈组件；其中，
16.感知组件和反馈组件通信连接；其中，
17.感知组件，用于检测并预处理脑电信号，生成脑电数据，并在与移动终端建立通信连接时，将脑电数据发送至移动终端；
18.反馈组件，用于接收来自移动终端发送的目标推荐结果，并基于目标推荐结果播放音频。
19.可选的，感知组件包括脑电电极、信号采集模块、计算处理模块以及无线发送模块；其中，
20.脑电电极、信号采集模块、计算处理模块以及无线发送模块电连接；
21.其中，脑电电极与信号采集模块，用于检测并获取脑电信号；
22.计算处理模块，用于对脑电信号进行解码和编码操作，生成脑电数据；无线发送模块，用于将脑电数据发送至移动终端。
23.可选的，反馈组件包括音频播放模块以及无线接收模块；其中，
24.音频播放模块以及无线接收模块电连接；其中，
25.无线接收模块，用于接收来自移动终端发送的目标推荐结果；
26.音频播放模块，用于基于目标推荐结果播放音频。
27.可选的，确定用户操作数据，并将接收的脑电数据、用户操作数据发送至云端数据处理中心，包括：
28.在接收到用户注册指令时，获取当前用户的个人基本信息；
29.接收用户输入的多个工作参数；
30.在当前用户选择的推荐策略为默认推荐策略或自选推荐策略时，展示个人基本信息以及多个工作参数；
31.接收针对展示数据的参数选择指令，基于参数选择指令在基本信息以及多个工作参数中选择多个目标值，生成推荐算法参数；
32.将个人基本信息、多个工作参数、推荐算法参数与接收的脑电数据发送至云端数据处理中心。
33.可选的，根据接收的用户操作数据检索历史用户数据，并将所述待处理用户数据发送至所述智能推荐服务端，包括：
34.将接收的脑电数据进行保存，同时保存接收的个人基本信息、多个工作参数、推荐算法参数；
35.根据推荐算法参数中选配的标签数据在数据库中进行检索，得到历史用户个人信息、历史用户工作参数以及历史用户脑电数据；
36.将实时脑电数据、历史用户个人信息、历史用户工作参数以及历史用户脑电数据组成待处理用户数据；
37.将所述待处理用户数据发送至所述智能推荐服务端。
38.可选的，根据接收的历史用户数据以及脑电数据进行聚类和协同过滤，生成过滤数据，包括：
39.采用k-均值聚类算法对待处理用户数据中的脑电数据按照能量水平高中低分三组聚类，生成多组聚类结果；
40.在所述多组聚类结果中确定出实时脑电数据中五种脑电波能量所属的目标聚类结果，得到五个聚类结果；
41.将五个聚类结果中注册用户名出现次数最多的用户作为注册用户空间；
42.根据推荐算法参数以及预设协同过滤算法在历史用户数据确定相似度最高的多组第一用户数据；将多组第一用户数据确定为过滤数据。
43.可选的，基于所述过滤数据进行取交集操作，生成多个推荐工作参数，包括：
44.根据注册用户名在注册用户空间中查找多组第二用户数据；
45.将多组第一用户数据与多组第二用户数据进行取交集操作，生成交集用户数据；
46.将交集用户数据的工作参数确定为多个推荐工作参数。
47.第二方面，本发明实施例提供了一种数据推荐方法，方法包括：
48.无线可穿戴脑电设备用于检测并预处理脑电信号，生成脑电数据，并发送至移动终端；
49.移动终端用于确定用户操作数据，并将接收的脑电数据、用户操作数据发送至云端数据处理中心；
50.云端数据处理中心用于根据接收的用户操作数据检索历史用户数据，并将所述待处理用户数据发送至所述智能推荐服务端；
51.智能推荐服务端用于根据接收的历史用户数据以及脑电数据进行聚类和协同过滤，生成过滤数据，并基于过滤数据进行取交集操作，生成多个推荐工作参数，并发送至云端数据处理中心。
52.本发明实施例提供的技术方案可以包括以下有益效果：
53.在本发明实施例中，首先无线可穿戴脑电设备检测并预处理脑电信号，生成脑电数据发送至移动终端，然后移动终端确定用户操作数据，并与接收的脑电数据发送至云端数据处理中心，其次云端数据处理中心根据接收的用户操作数据检索历史用户数据，并与接收的脑电数据发送至智能推荐服务端，最后智能推荐服务端根据接收的历史用户数据与脑电数据进行聚类和协同过滤，生成过滤数据后进行取交集操作，得到多个推荐工作参数发送至云端。本技术根据用户的操作数据检索历史用户数据进行聚类和协同过滤，以找出与当前用户相似度最高的历史用户数据，并通过该历史用户数据对当前用户构建推荐结果，从而提升了推荐速度与准确度。
54.应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本发明。
附图说明
55.此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。
56.图1是本发明实施例提供的一种数据推荐系统的系统示意图；
57.图2是本发明实施例提供的一种无线可穿戴脑电设备结构示意图；
58.图3是本发明实施例提供的一种数据推荐方法的流程示意图；
59.图4是本发明实施例提供的一种数据推荐过程的过程示意框图；
60.图5是本技术实施例提供的一种聚类以及协同过滤的流程示意框图。
具体实施方式
61.以下描述和附图充分地示出本发明的具体实施方案，以使本领域的技术人员能够实践它们。
62.应当明确，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作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
63.下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反，它们仅是如所附权利要求书中所详述的、本发明的一些方面相一致的系统的例子。
64.在本发明的描述中，需要理解的是，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。此外，在本发明的描述中，除非另有说明，“多个”是指两个或两个以上。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
65.本发明提供的技术方案中，由于本技术根据用户的操作数据检索历史用户数据进行聚类和协同过滤，以找出与当前用户相似度最高的历史用户数据，并通过该历史用户数据对当前用户构建推荐结果，从而提升了推荐速度与准确度。例如现有技术中选定了100只猴子，通过前期对比实现发现a类猴子吃i型香蕉，b类后喜欢吃ii香蕉，可制定推荐算法香蕉类型公式为：y＝a(x)+b(x)，并利用该已知公式，可以给猴子推荐香蕉类型。本技术不需要提前训练去得到y＝a(x)+b(x)，也不在推荐算法中使用类似公式，仅仅是当a猴子吃香蕉时，本技术会给它推荐年龄、性别、状态、身体体征(脑电)相似的猴子爱吃的香蕉类型，将它的香蕉推荐给a猴子。下面采用示例性的实施例进行详细说明。
66.请参见图1，图1是本发明实施例提供的一种数据推荐系统的系统结构示意图，该系统包括无线可穿戴脑电设备101、移动终端102、云端数据处理中心103以及智能推荐服务端104；其中，无线可穿戴脑电设备101、移动终端102、云端数据处理中心103以及智能推荐服务端104通信连接。
67.在本技术实施例中，无线可穿戴脑电设备，用于检测并预处理脑电信号，生成脑电数据，并发送至移动终端；移动终端，用于确定用户操作数据，并将接收的脑电数据、用户操作数据发送至云端数据处理中心；云端数据处理中心，用于根据接收的用户操作数据检索历史用户数据，并将所述待处理用户数据发送至所述智能推荐服务端；智能推荐服务端，用于根据接收的历史用户数据以及脑电数据进行聚类和协同过滤，生成过滤数据，并基于过滤数据进行取交集操作，生成多个推荐工作参数，并发送至云端数据处理中心。
68.进一步地，云端数据处理中心，还用于根据接收的推荐工作参数构建多个推荐结果，并发送至移动终端；移动终端，还用于展示接收的多个推荐结果，并在接收到针对多个推荐结果的选择指令时，在多个推荐结果中确定出目标推荐结果，并发送至无线可穿戴脑电设备；无线可穿戴脑电设备，还用于根据接收的目标推荐结果播放音频。
69.在本技术实施例中，例如图2所示，无线可穿戴脑电设备101包括感知组件201和反馈组件201；其中，感知组件201和反馈组件202通信连接。
70.具体的，感知组件，用于检测并预处理脑电信号，生成脑电数据，并在与移动终端建立通信连接时，将脑电数据发送至移动终端；反馈组件，用于接收来自移动终端发送的目标推荐结果，并基于目标推荐结果播放音频。
71.在本技术实施例中，例如图2所示，感知组件201包括脑电电极301、信号采集模块302、计算处理模块303以及无线发送模块304；其中，脑电电极301、信号采集模块302、计算处理模块303以及无线发送模块304电连接。
72.具体的，脑电电极与信号采集模块，用于检测并获取脑电信号；计算处理模块，用于对脑电信号进行解码和编码操作，生成脑电数据；无线发送模块，用于将脑电数据发送至移动终端。
73.在本技术实施例中，例如图2所示，反馈组件202包括音频播放模块305以及无线接收模块306；其中，音频播放模块305以及无线接收模块306电连接。
74.具体的，无线接收模块，用于接收来自移动终端发送的目标推荐结果；音频播放模块，用于基于目标推荐结果播放音频。
75.在本技术实施例中，在确定用户操作数据，并将接收的脑电数据、用户操作数据发送至云端数据处理中心时，首先在接收到用户注册指令时，获取当前用户的个人基本信息，再接收用户输入的多个工作参数，然后在当前用户选择的推荐策略为默认推荐策略或自选推荐策略时，展示个人基本信息以及多个工作参数，其次接收针对展示数据的参数选择指令，基于参数选择指令在基本信息以及多个工作参数中选择多个目标值，生成推荐算法参数，最后将个人基本信息、多个工作参数、推荐算法参数与接收的脑电数据发送至云端数据处理中心。
76.在本技术实施例中，在根据接收的用户操作数据检索历史用户数据，并将所述待处理用户数据发送至所述智能推荐服务端时，首先将接收的脑电数据进行保存，同时保存接收的个人基本信息、多个工作参数、推荐算法参数，然后根据推荐算法参数中选配的标签数据在数据库中进行检索，得到历史用户个人信息、历史用户工作参数以及历史用户脑电数据，其次将实时脑电数据、历史用户个人信息、历史用户工作参数以及历史用户脑电数据组成待处理用户数据，最后将所述待处理用户数据发送至所述智能推荐服务端。
77.在本技术实施例中，在根据接收的历史用户数据以及脑电数据进行聚类和协同过滤，生成过滤数据时，首先采用k-均值聚类算法对待处理用户数据中的脑电数据按照能量水平高中低分三组聚类，生成多组聚类结果，然后在所述多组聚类结果中确定出实时脑电数据中五种脑电波能量所属的目标聚类结果，得到五个聚类结果，其次将五个聚类结果中注册用户名出现次数最多的用户作为注册用户空间，最后根据推荐算法参数以及预设协同过滤算法在历史用户数据确定相似度最高的多组第一用户数据；将多组第一用户数据确定为过滤数据。
78.在本技术实施例中，在基于过滤数据进行取交集操作，生成多个推荐工作参数时，首先根据注册用户名在注册用户空间中查找多组第二用户数据，然后将多组第一用户数据与多组第二用户数据进行取交集操作，生成交集用户数据，最后将交集用户数据确定为多个推荐工作参数。
79.在本发明实施例中，首先无线可穿戴脑电设备检测并预处理脑电信号，生成脑电数据发送至移动终端，然后移动终端确定用户操作数据，并与接收的脑电数据发送至云端数据处理中心，其次云端数据处理中心根据接收的用户操作数据检索历史用户数据，并与接收的脑电数据发送至智能推荐服务端，最后智能推荐服务端根据接收的历史用户数据与脑电数据进行聚类和协同过滤，生成过滤数据后进行取交集操作，得到多个推荐工作参数发送至云端。本技术根据用户的操作数据检索历史用户数据进行聚类和协同过滤，以找出与当前用户相似度最高的历史用户数据，并通过该历史用户数据对当前用户构建推荐结果，从而提升了推荐速度与准确度。
80.请参见图3，为本发明实施例提供了一种数据推荐方法的流程示意图。如图3所示，本发明实施例的检测方法可以包括以下步骤：
81.s101，无线可穿戴脑电设备用于检测并预处理脑电信号，生成脑电数据，并发送至移动终端；
82.在本技术实施例中，在无线可穿戴脑电设备启动运行后，无线可穿戴脑电设备用于检测并预处理脑电信号，生成脑电数据，并发送至移动终端。
83.在一种可能的实现方式中，用户首先穿戴好无线可穿戴脑电设备101并打开设备开关，无线可穿戴脑电设备101中的感知模块201开始检测用户脑电信号，并根据脑电信号计算出脑电数据，脑电数据包括阿尔法波能量、贝塔波能量、伽玛波能量、德尔塔波能量、西塔波能量。用户然后打开移动终端102，分别配置连接无线可穿戴脑电设备101的无线发送模块304和无线接收模块306，连接成功后脑电数据同步上传到移动终端102。
84.s102，移动终端用于确定用户操作数据，并将接收的脑电数据、用户操作数据发送至云端数据处理中心；
85.在本技术实施例中，在确定用户操作数据，并将接收的脑电数据、用户操作数据发送至云端数据处理中心时，首先在接收到用户注册指令时，获取当前用户的个人基本信息，再接收用户输入的多个工作参数，然后在当前用户选择的推荐策略为默认推荐策略或自选推荐策略时，展示个人基本信息以及多个工作参数，其次接收针对展示数据的参数选择指令，基于参数选择指令在基本信息以及多个工作参数中选择多个目标值，生成推荐算法参数，最后将个人基本信息、多个工作参数、推荐算法参数与接收的脑电数据发送至云端数据处理中心。
86.在一种可能的实现方式中，用户如果是新注册用户时，在移动终端102上输入全部个人信息，例如包含注册用户名name、性别、年龄、出生日期、既往病史)；用户输入全部工作参数param，包括工作模式(深度睡眠/浅度休息/学习/休闲/运动)、持续时间、定点播放、音频选择(音频包括但不限于音乐、催眠录音、演讲等任意正版下载或自行录制的音频)；在全部个人信息和全部工作参数输入完成后，用户选择推荐策略，当用户选择了默认推荐策略或自选推荐策略时时，展示全部个人信息和全部工作参数，用户在该展示的全部个人信息和全部工作参数中选择任意几个参数作为推荐算法参数。推荐策略包括选择上一次配置/
默认最佳推荐/自选推荐；默认最佳推荐和自选推荐情况下由用户选择标签数据，包括全部个人信息中选择的标签数据以及全部工作参数中选择的标签数据。完成选择后自动上传到云端数据处理中心103。
87.s103，云端数据处理中心用于根据接收的用户操作数据检索历史用户数据，并将所述待处理用户数据发送至所述智能推荐服务端；
88.在本技术实施例中，在根据接收的用户操作数据检索历史用户数据，并将所述待处理用户数据发送至所述智能推荐服务端时，首先将接收的脑电数据进行保存，同时保存接收的个人基本信息、多个工作参数、推荐算法参数，然后根据推荐算法参数中选配的标签数据在数据库中进行检索，得到历史用户个人信息、历史用户工作参数以及历史用户脑电数据，其次将实时脑电数据、历史用户个人信息、历史用户工作参数以及历史用户脑电数据组成待处理用户数据，最后将所述待处理用户数据发送至所述智能推荐服务端。
89.在一种可能的实现方式中，云端数据处理中心103实时保存接收的当前用户脑电数据，同时保存新注册用户的个人信息，接收的当前用户的工作参数以及推荐算法参数。如果推荐策略选择的是参数选择上一次配置，则直接根据上一次的推荐策略进行推荐结果下发给移动终端，否则根据推荐算法参数中选配的标签数据检索数据库中的历史用户个人信息、历史用户工作参数以及历史用户脑电数据，并将检索到的数据与当前用户的脑电数据组合成历史用户数据后输入到智能推荐服务端104。
90.s104，智能推荐服务端用于根据接收的历史用户数据以及脑电数据进行聚类和协同过滤，生成过滤数据，并基于过滤数据进行取交集操作，生成多个推荐工作参数，并发送至云端数据处理中心。
91.在本技术实施例中，在根据接收的历史用户数据以及脑电数据进行聚类和协同过滤，生成过滤数据时，首先采用k-均值聚类算法对待处理用户数据中的脑电数据按照能量水平高中低分三组聚类，生成多组聚类结果，然后在所述多组聚类结果中确定出实时脑电数据中五种脑电波能量所属的目标聚类结果，得到五个聚类结果，其次将五个聚类结果中注册用户名出现次数最多的用户作为注册用户空间，最后根据推荐算法参数以及预设协同过滤算法在历史用户数据确定相似度最高的多组第一用户数据；将多组第一用户数据确定为过滤数据。
92.具体的，在基于过滤数据进行取交集操作，生成多个推荐工作参数时，首先根据注册用户名在注册用户空间中查找多组第二用户数据，然后将多组第一用户数据与多组第二用户数据进行取交集操作，生成交集用户数据，最后将交集用户数据确定为多个推荐工作参数。
93.在一种可能的实现方式中，智能推荐服务端104根据接收的历史用户数据，并结合k-均值聚类算法按照能量水平高中低分三组聚类，得到多组聚类结果，计算出当前用户脑电数据中的五种脑电波能量分别属于多组聚类结果中的哪一类，得到五种脑电波对应的聚类结果，将五种脑电波对应的聚类结果中注册用户名出现次数最多的用户，作为注册用户空间k{n}。同时根据当前用户选择的标签数据，通过协同过滤的方法，找到相似度最高的用户和推荐工作参数，记为s(name,param)[100],最多保存100组。最后根据注册用户名在k{n}找到s(name,param)[10],最多保存10组，将100组和10组进行取交集操作，得到目标解，该解中的推荐工作参数param，输出到云端数据处理中心103。
[0094]
进一步地，云端数据处理中心103将推荐工作参数param下发给移动终端102，移动终端102显示推荐结果，用户选择一个推荐结果与原定义工作参数相对比，并最终确定工作参数，无线可穿戴脑电设备101的反馈部分202按照配置的工作参数播放音频。直至工作持续时间结束或用户主动关闭。
[0095]
例如图4所示，图4是本技术提供的一种数据推荐过程的过程示意框图，首先用户首先穿戴好无线可穿戴脑电设备101并开机，然后使用移动终端102连接无线可穿戴脑电设备101，并使用移动终端102输入个人信息，选择工作参数,可选配推荐算法参数，其次云端数据处理中心103依据个人信息、工作参数、选配推荐参数，查询数据，并通过智能推荐服务端104使用聚类算法和协同过滤算法计算推荐结果的交集，最后通过移动终端102显示推荐结果，用户选择确认，无线可穿戴脑电设备101的反馈部分202播放音频,感知部分201同步检测并上传脑电数据，移动终端102显示并上传脑电数据，云端数据处理中心103存储脑电数据。
[0096]
例如图5所示，图5是进行聚类以及协同过滤的流程示意框图，首先历史用户数据中脑电数据五种脑电波能量分别按照能量水平高中低分三组使用k-均值聚类的方法进行聚类操作，并计算出用户五种脑电波分别在哪个聚类,提取该聚类的注册用户名,找到注册用户出现次数最多的用户作为注册用户空间k{n}，然后在k{n)中找到s(name.param)[10]，并找到用户标签相似度最高的注册用户名及对应的工作参数s(name.param)[100]，最后按照用户选择的标签数据(可能是性别、年龄、既往病史、工作模式。持续时间、音频选择),进行协同过滤得到与当前用户相似的个人信息以及工作参数。
[0097]
需要说明的是，本技术无需专业的人员和技能，适用面广。用户大量使用并积累足够案例后，不断优化系统效果，还能为医疗康复提供一定的数据经验支撑。
[0098]
在本发明实施例中，首先无线可穿戴脑电设备检测并预处理脑电信号，生成脑电数据发送至移动终端，然后移动终端确定用户操作数据，并与接收的脑电数据发送至云端数据处理中心，其次云端数据处理中心根据接收的用户操作数据检索历史用户数据，并与接收的脑电数据发送至智能推荐服务端，最后智能推荐服务端根据接收的历史用户数据与脑电数据进行聚类和协同过滤，生成过滤数据后进行取交集操作，得到多个推荐工作参数发送至云端。本技术根据用户的操作数据检索历史用户数据进行聚类和协同过滤，以找出与当前用户相似度最高的历史用户数据，并通过该历史用户数据对当前用户构建推荐结果，从而提升了推荐速度与准确度。
[0099]
本发明还提供一种计算机可读介质，其上存储有程序指令，该程序指令被处理器执行时实现上述各个方法实施例提供的数据推荐方法。
[0100]
本发明还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述各个方法实施例的数据推荐方法。
[0101]
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，的程序可存储于计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，的存储介质可为磁碟、光盘、只读存储记忆体或随机存储记忆体等。
[0102]
以上所揭露的仅为本发明较佳实施例而已，当然不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。