数据高阶统计方法、装置、电子设备及存储介质与流程

1.本发明涉及数据处理领域，尤其涉及一种数据高阶统计方法、装置、电子设备及存储介质。


背景技术：

2.数据高阶统计方法是指对数据进行基础统计的延伸和发展，表现在空间广度和时间深度上，例如，数据高阶统计包括：同比、环比、复合增长率、方差、平均差等。
3.目前数据高阶统计方法一般是通过自主分析工具实现，如数据源连接、数据模型构造、页面自助分析等工具，但是自主分析工具通常只支持数据库的常用函数，例如汇总(sum)、平均(avg)、计数(count)等基础统计函数，无法支持数据高阶统计函数，因此亟待一种方案，以解决数据库的数据高阶统计。


技术实现要素：

4.为了解决上述技术问题或者至少部分地解决上述技术问题，本发明提供了一种数据高阶统计方法、装置、电子设备以及存储介质，可以实现数据的高阶统计。
5.第一方面，本发明提供了一种数据高阶统计方法，包括：
6.获取原数据模型，提取所述原数据模型中的数据集，对所述数据集进行数据加工，得到加工数据集；
7.响应于所述加工数据集的数据高阶统计需求，识别所述数据高阶统计需求的需求事件，根据所述需求事件，构建所述加工数据集的数据高阶统计规则；
8.将所述加工数据集按照预设的业务属性进行时序排序，得到所述加工数据集的时序排列表；
9.根据所述时序排列表，利用所述数据高阶统计规则对所述加工数据集进行数据高阶统计，得到数据高阶统计结果。
10.在第一方面的一种可能实现方式中，所述提取所述原数据模型中的数据集，包括：
11.配置所述原数据模型的数据导出包，将所述数据导出包载入所述原数据模型的根目录中；
12.根据所述根目录，识别所述原数据模型的数据库数据，并运行所述数据导出包，以将所述数据库数据提取到预设的数据存储表中，得到所述数据集。
13.在第一方面的一种可能实现方式中，所述对所述数据集进行数据加工，得到加工数据集，包括：
14.对所述数据集进行数据清洗，得到清洗数据集，删除所述清洗数据集中的非法数据，得到合法数据集；
15.对所述合法数据集进行数据归纳，得到加工数据集。
16.在第一方面的一种可能实现方式中，所述响应于所述加工数据集的数据高阶统计需求，识别所述数据高阶统计需求的需求事件，包括：
17.分析所述数据高阶统计需求的关键需求信息，根据所述关键需求信息，提取出所述数据高阶统计需求的事件；
18.将所述事件与预设的统计事件进行映射，得到所述需求事件。
19.在第一方面的一种可能实现方式中，所述根据所述需求事件，构建所述加工数据集的数据高阶统计规则，包括：
20.分析所述需求事件的需求数据，根据所述需求事件，创建所述需求数据的数据高阶统计逻辑以及所述需求数据的数据高阶统计方式；
21.通过所述数据高阶统计逻辑和所述数据高阶统计方式，梳理得到所述数据高阶统计规则。
22.在第一方面的一种可能实现方式中，所述将所述加工数据集按照预设的业务属性进行时序排序，得到所述加工数据集的时序排列表，包括：
23.根据所述预设的业务属性对所述所述加工数据集进行数据匹配，得到匹配数据；
24.将所述匹配数据按相同的所述业务属性进行数据归纳，得到归纳数据；对所述归纳数据进行时间序列公式计算，得到时序排列表。
25.在第一方面的一种可能实现方式中，所述利用所述数据高阶统计规则对所述加工数据集进行数据高阶统计，得到数据高阶统计结果，包括：
26.利用所述数据高阶统计规则对所述时序排列表相邻序列的所述加工数据集进行相邻计算，得到相邻计算结果；
27.利用所述数据高阶统计规则对所述相邻计算结果进行聚类，得到聚类结果；利用所述数据高阶统计规则对所述聚类结果进行数据统计，得到所述数据高阶统计结果。
28.第二方面，本发明提供了一种数据高阶统计装置，所述装置包括：
29.数据加工模块，用于获取原数据模型，提取所述原数据模型中的数据集，对所述数据集进行数据加工，得到加工数据集；
30.规则构建模块，用于响应于所述加工数据集的数据高阶统计需求，识别所述数据高阶统计需求的需求事件，根据所述需求事件，构建所述加工数据集的数据高阶统计规则；
31.列表排序模块，用于将所述加工数据集按照预设的业务属性进行时序排序，得到所述加工数据集的时序排列表；
32.结果统计模块，用于根据所述时序排列表，利用所述数据高阶统计规则对所述加工数据集进行数据高阶统计，得到数据高阶统计结果。
33.第三方面，本发明提供一种电子设备，包括：
34.至少一个处理器；以及与所述至少一个处理器通信连接的存储器；
35.其中，所述存储器存储有可被所述至少一个处理器执行的计算机程序，以使所述至少一个处理器能够执行如上述第一方面中任意一项所述的数据高阶统计方法。
36.第四方面，本发明提供一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时实现如上述第一方面中任意一项所述的数据高阶统计方法。
37.与现有技术相比，本方案的技术原理及有益效果在于：
38.本发明实施例通过获取原数据模型，提取所述原数据模型中的数据集可以在后期做数据高阶统计时调用数据更加方便、高效；其次，本发明实施例通过响应于所述加工数据集的数据高阶统计需求，识别所述数据高阶统计需求的需求事件，可以明确所述数据高阶
统计需求，针对性对所述加工数据集进行数据高阶统计，提高统计效率；进一步地，本发明实施例通过将所述加工数据集按照预设的业务属性进行时序排序，得到所述加工数据集的时序排列表，可以通过所述时序排列表快速对所述加工数据进行排列，提高所述加工数据集的数据高阶统计效率，本发明实施例通过根据所述时序排列表，利用所述数据高阶统计规则对所述加工数据集进行数据高阶统计，得到数据高阶统计结果，可以实现所述加工数据集的数据高阶统计，从而可以从多个维度对所述加工数据集进行直观的展示。因此，本发明实施例提出的一种数据高阶统计方法、装置、电子设备以及存储介质，可以实现数据的高阶统计。
附图说明
39.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。
40.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，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
41.图1为本发明一实施例提供的一种数据高阶统计方法的流程示意图；
42.图2为本发明一实施例提供的一种数据高阶统计装置的模块示意图；
43.图3为本发明一实施例提供的实现数据高阶统计方法的电子设备的内部结构示意图。
具体实施方式
44.应当理解，此处所描述的具体实施方式仅仅用以解释本发明，并不用于限定本发明。
45.本发明实施例提供一种数据高阶统计方法，所述数据高阶统计方法的执行主体包括但不限于服务端、终端等能够被配置为执行本发明实施例提供的该方法的电子设备中的至少一种。换言之，所述数据高阶统计方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。所述服务器可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(content delivery network，cdn)、以及大数据和人工智能平台等基础云计算服务的云服务器。
46.参阅图1所示，是本发明一实施例提供的数据高阶统计方法的流程示意图。其中，图1中描述的数据高阶统计方法包括以下步骤s1-s4：
47.s1、获取原数据模型，提取所述原数据模型中的数据集，对所述数据集进行数据加工，得到加工数据集。
48.本发明实施例通过获取原数据模型，提取所述原数据模型中的数据集可以在后期做数据高阶统计时调用数据更加方便、高效；其中，所述原数据模型是指用来收集数据的最初系统模型，例如，商店收银系统、公司财务系统等模型；所述数据集是指将所述原数据模型的数据库数据完整的提取出来得到的数据集合。
49.作为本发明的一个实施例，所述提取所述原数据模型中的数据集，包括：配置所述原数据模型的数据导出包；将所述数据导出包载入所述原数据模型的根目录中；根据所述根目录，识别所述原数据模型的数据库数据，并运行所述数据导出包，以将所述数据库数据提取到预设的数据存储表中，得到所述数据集。
50.其中，所述数据导出包是指来用检索数据库数据并提取出来的插件，可以通过java语言编写，例如dmctextfilter程序插件，所述根目录是指逻辑驱动器的最上一级目录，它是相对子目录来说的可以通过所述根目录访问所述原数据模型的数据库。比如打开“我的电脑”(windows xp操作系统)，“计算机”(windows 7/10操作系统)，使用鼠标左键双击c盘，打开文件夹就能进入c盘的根目录。
51.进一步地，本发明实施例通过对所述数据集进行数据加工，得到加工数据集可以将所述数据集中的无用数据清除，保留有效数据从而提高所述数据集的数据利用率，从而可以提高所述数据集的数据统计效率；其中，所述加工数据集是指对所述数据集中列名不规范、格式不一致，存在重复值，缺失值，异常值等异常数据的进行数据清洗后得到的数据集合。
52.作为本发明的一个实施例，所述对所述数据集进行数据加工，得到加工数据集，包括：对所述数据集进行数据清洗，得到清洗数据集；删除所述清洗数据集中的非法数据，得到合法数据集；对所述合法数据集进行数据归纳，得到加工数据集。
53.其中，所述清洗数据集是指对数据进行检查数据一致性，处理无效值和缺失值等操作后的数据集合；所述非法数据是指逻辑错误、格式错误等数据。
54.进一步地，本发明一可选实施例中，所述对对所述数据集进行数据清洗，得到清洗数据集，包括：去除所述中有缺失的数据得到完整数据集，去除所述完整数据集里逻辑错误的数据，得到清洗数据集。
55.进一步地，本发明一可选实施例中，所述非法数据的删除通过预先构建的敏感词典实现，其中，所述敏感词典是指包含之前确定的敏感词集合。
56.进一步地，本发明一可选实施例中，所述合法数据的数据归纳是指将具有相同类型的数据进行聚类的过程，其通过聚类算法实现，如k-means算法。
57.s2、响应于所述加工数据集的数据高阶统计需求，识别所述数据高阶统计需求的需求事件，根据所述需求事件，构建所述加工数据集的数据高阶统计规则。
58.本发明实施例通过响应于所述加工数据集的数据高阶统计需求，识别所述数据高阶统计需求的需求事件，可以明确所述数据高阶统计需求，针对性对所述加工数据集进行数据高阶统计，提高统计效率；其中，所述数据高阶统计需求是指需要从所述加工数据集中进行数据高阶统计从而提取出那些我们需要信息，例如，每年公司年利润对比去年是否增加、每年员工平均年龄等统计需求，所述需求事件是指具体需要统计的数据高阶统计方法，例如，每年公司年利润同比、每年员工年龄平均差等数据高阶统计方法。
59.作为本发明的一个实施例，所述响应于所述加工数据集的数据高阶统计需求，识别所述数据高阶统计需求的需求事件，包括：分析所述数据高阶统计需求的关键需求信息；根据所述关键需求信息，提取出所述数据高阶统计需求的事件；将所述需求事件与预设的统计事件进行映射，得到所述需求事件。
60.其中，所述关键需求信息是指在所述数据高阶统计需求中提取出来的关键性信
息，所述需求事件是指通过所述关键性信息分析进行整合获取到的统计需求；例如，某公司统计出今年营收，现需要计算相较去年，今年的营业额增长率，其中，所述关键需求信息是相较去年、营业额、增长增长率等关键信息；所述需求事件是统计该公司今年营业额比去年的增长率，某高校对高一新生进行摸底考试，根据考试成绩，考察高一新生的整体水平，其中，所述关键需求信息是高一新生、考试成绩、整体水平，所述需求事件根据考试成绩评估该高校高一新生的整体水平。
61.进一步地，本发明实施例中，所述分析所述数据高阶统计需求的关键需求信息可以通过sas、python、r、ibm modeler、spss、excel、sql等数据分析工具实现。
62.本发明实施例通过根据所述需求事件，构建所述加工数据集的数据高阶统计规则可以根据不同的所述需求事件，构建出不同的数据高阶统计规则从而可以高效的完成数据高级统计任务；其中，所述数据高阶统计规则是指利用java程序编写用来计算出高级统计结果的一系列实现规则程序，例如同比增长率＝(本期数－同期数)
÷
同期数
×
100％，那所述数据高阶统计规则是指用java编写的同比增长率计算公式的计算程序，方差的计算公式为s^2＝1/n[(x1-x)^2+(x2-x)^2+
……
+(xn-x)^2]，那所述数据高阶统计规则是指用java编写的方差的计算公式的计算程序作为本发明的一个实施例，所述根据所述需求事件，构建所述加工数据集的数据高阶统计规则，包括：分析所述需求事件的需求数据；根据所述需求事件，创建所述需求数据的数据高阶统计逻辑以及所述需求数据的数据高阶统计方式；通过所述数据高阶统计逻辑和所述数据高阶统计方式，梳理得到所述数据高阶统计规则。
[0063]
其中，所述需求数据是指需要计算出最后的数据高阶统计结果所需要用到的数据，例如计算公司年利润同比增长率，需要每年收入金额、每年支出金额、每年利润额等数据；所述高阶计算规则是指实现所述数据高阶统计结果从而制定的所述需求数据的具体计算过程。
[0064]
需要说明的是，本发明实施例在构建的所述数据高阶统计规则是基于不同的业务需求进行构建，以满足在不同业务场景下的数据统计需求，其所采用的统计方法与数据库统计方法原理相同，如通过sum函数对应汇总、count函数对应计数、avg函数对应求平均值等。
[0065]
s3、将所述加工数据集按照预设的业务属性进行时序排序，得到所述加工数据集的时序排列表。
[0066]
本发明实施例通过将所述加工数据集按照预设的业务属性进行时序排序，得到所述加工数据集的时序排列表，可以通过所述时序排列表快速对所述加工数据进行排列，提高所述加工数据集的数据高阶统计效率；其中，所述业务属性是指不同业务场景下，不同维度的数据属性，例如地理位置、时间等维度；所述时序排列表是指一统计指标的数值按其发生的时间先后顺序排列而成的数据列表，所述时序排列表可以是年份、季度、月份或其他任何时间形式排列，例如，所述加工数据集是指某公司各部门的这一年的财务数据，所述业务属性是指时间，所述时序排列表是指将该公司每个部门按照月或者季度将财务数据进行统计，其中包含每个部门的总支出和总营收以及整个公司的总支出和总营收，如所述加工数据集是指某学校一年级的所有学生今年期末考试成绩，所述业务属性是指成绩，所述时序排列表一年级的所有学生按成绩从高到低依次排列；
[0067]
作为本发明的一个实施例，将所述加工数据集按照预设的业务属性进行时序排
序，得到所述加工数据集的时序排列表包括：根据所述预设的业务属性对所述所述加工数据集进行数据匹配，得到匹配数据；将所述匹配数据按相同的所述业务属性进行数据归纳，得到归纳数据；对所述归纳数据进行时间序列公式计算，得到时序排列表。
[0068]
其中，所述匹配数据是指将所述加工数据集按照相同的业务属性进行匹配后的数据集合，所述归纳数据是指将匹配后相同业务属性的数据整合到一起的数据集合。
[0069]
进一步地，本发明一可选实施例中，所述时间序列公式，包括：
[0070]
f(t+1)＝(1/n)*σx(i)
[0071]
其中，f(t+1)表示所述时序排列表，t表示年份，n为平均的个数，x(i)为时间序列的第i期的实际值。
[0072]
s4、根据所述时序排列表，利用所述数据高阶统计规则对所述加工数据集进行数据高阶统计，得到数据高阶统计结果。
[0073]
本发明实施例通过根据所述时序排列表，利用所述数据高阶统计规则对所述加工数据集进行数据高阶统计，得到数据高阶统计结果，可以实现所述加工数据集的数据高阶统计，从而可以从多个维度对所述加工数据集进行直观的展示。
[0074]
作为本发明的一个实施例，所述根据所述时序排列表，利用所述数据高阶统计规则对所述加工数据集进行数据高阶统计，得到数据高阶统计结果，包括：利用所述数据高阶统计规则对所述时序排列表相邻序列的所述加工数据集进行相邻计算，得到相邻计算结果；利用所述数据高阶统计规则对所述相邻计算结果进行聚类，得到聚类结果；利用所述数据高阶统计规则对所述聚类结果进行数据统计，得到所述数据高阶统计结果。
[0075]
其中，所述相邻计算结果是指通过利用所述数据高阶统计规则对所述时序排列表相邻序列的所述加工数据集进行规则计算得到相邻数值，所述聚类结果是指将所述相邻计算结果进行相同统计类型进行聚合到一起形成的数据集合；所述数据高阶统计结果是指将不同规则计算出的所述相邻计算结果按时间规则整合一起的数据合集例如所述时序排列表第一行是2020年的总资产数据为1，第二行是2021年的总资产数据为2，所述数据高阶统计规则是指用java编写的同比增长率计算公式的计算程序，那么所述数据高阶统计结果是指对所述时序排列表中的总资产数据进行同比增长率计算得到的高阶统计结果，其结果为第一行的同比为空，第二行数据的同比为100％；其他计算方法类比。
[0076]
进一步地，本发明一可选实施例中，利用所述数据高阶统计规则对所述相邻结果进行数据统计，得到所述数据高阶统计结果可以通过sas、excel、spass等统计工具统计。
[0077]
本发明实施例通过获取原数据模型，提取所述原数据模型中的数据集可以在后期做数据高阶统计时调用数据更加方便、高效；其次，本发明实施例通过响应于所述加工数据集的数据高阶统计需求，识别所述数据高阶统计需求的需求事件，可以明确所述数据高阶统计需求，针对性对所述加工数据集进行数据高阶统计，提高统计效率；进一步地，本发明实施例通过将所述加工数据集按照预设的业务属性进行时序排序，得到所述加工数据集的时序排列表，可以通过所述时序排列表快速对所述加工数据进行排列，提高所述加工数据集的数据高阶统计效率，本发明实施例通过根据所述时序排列表，利用所述数据高阶统计规则对所述加工数据集进行数据高阶统计，得到数据高阶统计结果，可以实现所述加工数据集的数据高阶统计，从而可以从多个维度对所述加工数据集进行直观的展示。因此，本发明实施例提出的一种数据高阶统计方法，可以实现数据的高阶统计。
interconnect，简称pci)总线或扩展工业标准结构(extended industry standard architecture，简称eisa)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器31以及至少一个处理器30等之间的连接通信。
[0091]
所述通信接口33用于上述电子设备与其他设备之间的通信，包括网络接口和用户接口。可选地，所述网络接口可以包括有线接口和/或无线接口(如wi-fi接口、蓝牙接口等)，通常用于在该电子设备与其他电子设备之间建立通信连接。所述用户接口可以是显示器(display)、输入单元(比如键盘(keyboard))，可选地，所述用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是led显示器、液晶显示器、触控式液晶显示器以及oled(organic light-emitting diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。
[0092]
图3仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图3示出的结构并不构成对所述电子设备的限定，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。
[0093]
例如，尽管图中未示出，所述电子设备还可以包括给各个部件供电的电源(比如电池)，优选地，电源可以通过电源管理装置与所述至少一个处理器30逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备还可以包括多种传感器、蓝牙模块、wi-fi模块等，在此不再赘述。
[0094]
应该了解，所述实施例仅为说明之用，在专利发明范围上并不受此结构的限制。
[0095]
所述电子设备中的所述存储器31存储的数据高阶统计程序是多个计算机程序的组合，在所述处理器30中运行时，可以实现以下方法：
[0096]
获取原数据模型，提取所述原数据模型中的数据集，对所述数据集进行数据加工，得到加工数据集；
[0097]
响应于所述加工数据集的数据高阶统计需求，识别所述数据高阶统计需求的需求事件，根据所述需求事件，构建所述加工数据集的数据高阶统计规则；
[0098]
将所述加工数据集按照预设的业务属性进行时序排序，得到所述加工数据集的时序排列表；
[0099]
根据所述时序排列表，利用所述数据高阶统计规则对所述加工数据集进行数据高阶统计，得到数据高阶统计结果。
[0100]
具体地，所述处理器30对上述计算机程序的具体实现方法可参考图1对应实施例中相关步骤的描述，在此不赘述。
[0101]
进一步地，所述电子设备集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个非易失性计算机可读取存储介质中。所述计算机可读存储介质可以是易失性的，也可以是非易失性的。例如，所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(rom，read-only memory)。
[0102]
本发明还提供一种计算机可读存储介质，所述可读存储介质存储有计算机程序，
所述计算机程序在被电子设备的处理器所执行时，可以实现以下方法：
[0103]
获取原数据模型，提取所述原数据模型中的数据集，对所述数据集进行数据加工，得到加工数据集；
[0104]
响应于所述加工数据集的数据高阶统计需求，识别所述数据高阶统计需求的需求事件，根据所述需求事件，构建所述加工数据集的数据高阶统计规则；
[0105]
将所述加工数据集按照预设的业务属性进行时序排序，得到所述加工数据集的时序排列表；
[0106]
根据所述时序排列表，利用所述数据高阶统计规则对所述加工数据集进行数据高阶统计，得到数据高阶统计结果。
[0107]
在本发明所提供的几个实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
[0108]
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
[0109]
另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
[0110]
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
[0111]
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
[0112]
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。
[0113]
以上所述仅是本发明的具体实施方式，使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所发明的原理和新颖特点相一致的最宽的范围。